中文引用格式： 張慧，韓政，王治華，等. 面向多時空場景的電網調度AI算法可信度測試方法[J]. 電子技術應用，2026，52(5)：8-15.
英文引用格式： Zhang Hui，Han Zheng，Wang Zhihua，et al. Research on the credibility testing method of AI algorithm for power grid dispatching in multi spatio-temporal scenarios[J]. Application of Electronic Technique，2026，52(5)：8-15.
引言
電網調度作為電力系統運行的核心環節，其目標是確保電力供應與需求的實時平衡，避免電網超載、黑啟動等風險。隨著電力系統復雜性和規模的增加，傳統的人工調度方法已無法應對多變的電力需求和調度難題。近年來，AI技術，尤其是深度學習和機器學習算法，廣泛應用于電網調度任務中，其中以LSTM等模型最為常見。LSTM憑借其對時間序列數據的優異處理能力，能夠在電網負荷預測、需求響應管理以及故障預測等方面提供可靠的解決方案。此外，AI算法還能幫助優化電網資源的配置，提升電力系統的整體效率[1]。然而，盡管電網調度AI算法在智能化調度中展現了顯著優勢，但其在復雜多變場景中的可靠性和安全性尚未得到充分驗證[2]。
電網作為關乎社會運行的基礎設施，其安全性和可靠性至關重要。AI算法雖然能夠在電網調度中發揮作用，但其在實際應用中可能面臨多種不確定性。例如，數據噪聲、突發性負荷變化、設備故障等不可控因素都可能導致AI算法在某些情況下失效，甚至引發調度錯誤[3]。因此，評估電網調度AI算法的可信度，確保其在多種場景下的穩定運行是極為重要的[4]。通過可信度分析，可以識別算法在不同情況下的表現差異，提前發現潛在風險，并為系統運行提供預警和改進方向，保證電網調度的安全性和穩定性。
電網調度AI算法在多場景中的應用已成為未來智能電網發展的關鍵。電網運行場景高度復雜，不僅需要面對不同時間尺度（如小時級、日級、月級的負荷預測與調度），還涉及不同地理區域、設備狀態和電力市場條件[5-6]。此外，氣候變化、自然災害和突發事故等不可控因素也會造成電網運行環境的劇烈波動。這種情況下，AI算法必須具備良好的適應性與魯棒性，能夠應對這些多變場景中的挑戰。通過在多場景下進行可信度測試，能夠確保AI算法在不同場景下表現一致，避免算法在某些特殊場景下失效，從而提高電網調度系統的可靠性。
為了提升調度系統的可信決策能力，近年來引入 知識圖譜（Knowledge Graph, KG）技術將調度邏輯、設備狀態、歷史案例及風險關聯結構化成為圖模型，以輔助調度優化、風險預警與故障決策。已有研究概述了基于知識圖譜構建的多層次調度圖結構，可結合拓撲關系與實時運行狀態輔助優化決策[7]；在應急響應調度中融合文本預處理、KG 構建與案例推理機制，實現快速生成可靠調度方案[8]；在區域電網中構建知識屬性圖，有助于業務知識可視化與容錯故障分析[9]；通過術語抽取與知識實體嵌入，實現電網調度信息的高效智能檢索[10]；另外，KG 技術還支撐調度故障自動診斷與應急決策系統的推理與知識檢索[11]。
本文詳細內容請下載：
http://www.tom3567.com/resource/share/2000007065
作者信息：
張慧1，韓政2，王治華2，陳宏福2，費思源2，胡友琳2
（1.南京信息工程大學 自動化學院，江蘇 南京 210044；
2.國網上海市電力公司，上海 200122）
