期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
电力系统增强智能分析初探
被引量：
11
1
作者
王国政
郭剑波
+6 位作者
马士聪
尚宇炜
郭庆来
卜广全
黄彦浩
曾思成
周子涵
《中国电机工程学报》
EI
CSCD
北大核心
2020年第16期5079-5087,共9页
电力系统是保障国家经济发展和人民生活的核心基础设施,现已逐步向高维度、强耦合、开放复杂的社会物理信息系统演变。针对该系统的智能分析是一个复杂的多目标趋优问题,并面临维数灾难、可解释性差、状态弥散等难点。该文提出电力系统...
电力系统是保障国家经济发展和人民生活的核心基础设施,现已逐步向高维度、强耦合、开放复杂的社会物理信息系统演变。针对该系统的智能分析是一个复杂的多目标趋优问题,并面临维数灾难、可解释性差、状态弥散等难点。该文提出电力系统增强智能分析(powersystemenhanced intelligence analysis,PSEIA)的框架结构,提出的PSEIA是以"服务"为驱动的人机混合智能的全新运行模式,随后分析实现PSEIA的可行性,对其理论基础进行探讨。最后,针对实现PSEIA这一目标,讨论其中的关键科学问题和难点,拟为将来人工智能调控技术的实现提供参考借鉴。
展开更多
关键词
电力系统
智能
分析
人工
智能
人机混合
智能
服务驱动
下载PDF
职称材料
面向电力系统智能分析的机器学习可解释性方法研究(一):基本概念与框架
被引量：
10
2
作者
蒲天骄
乔骥
+1 位作者
赵紫璇
赵鹏
《中国电机工程学报》
EI
CSCD
北大核心
2023年第18期7010-7029,共20页
机器学习的可解释性是其在电力系统领域安全、可靠应用的关键环节与重要基础之一。针对电力系统智能分析的机器学习模型可解释性方法进行初步探讨。首先,阐述了机器学习模型可解释性的基本概念、数学描述与相关评价维度;之后,梳理了实...
机器学习的可解释性是其在电力系统领域安全、可靠应用的关键环节与重要基础之一。针对电力系统智能分析的机器学习模型可解释性方法进行初步探讨。首先,阐述了机器学习模型可解释性的基本概念、数学描述与相关评价维度;之后,梳理了实现机器学习可解释的整体思路与技术路线,将可解释方法分为建模前解释、训练后解释与模型自解释3大类,并对其在模型诊断、安全评估、数据纠偏、知识发现等场景的应用进行了分析;最后,对目前电力智能分析的机器学习可解释性研究面临的挑战进行了展望。
展开更多
关键词
机器学习
可解释性
电力系统
智能
分析
人机交互
人工
智能
(AI)应用安全
下载PDF
职称材料
题名
电力系统增强智能分析初探
被引量：
11
1
作者
王国政
郭剑波
马士聪
尚宇炜
郭庆来
卜广全
黄彦浩
曾思成
周子涵
机构
清华大学电机工程与应用电子技术系
中国电力科学研究院有限公司
出处
《中国电机工程学报》
EI
CSCD
北大核心
2020年第16期5079-5087,共9页
基金
国家重点研发计划项目(2018AAA0101500)。
文摘
电力系统是保障国家经济发展和人民生活的核心基础设施,现已逐步向高维度、强耦合、开放复杂的社会物理信息系统演变。针对该系统的智能分析是一个复杂的多目标趋优问题,并面临维数灾难、可解释性差、状态弥散等难点。该文提出电力系统增强智能分析(powersystemenhanced intelligence analysis,PSEIA)的框架结构,提出的PSEIA是以"服务"为驱动的人机混合智能的全新运行模式,随后分析实现PSEIA的可行性,对其理论基础进行探讨。最后,针对实现PSEIA这一目标,讨论其中的关键科学问题和难点,拟为将来人工智能调控技术的实现提供参考借鉴。
关键词
电力系统
智能
分析
人工
智能
人机混合
智能
服务驱动
Keywords
intelligent analysis of power system
artificial intelligence
human-machine hybrid intelligence
service-driven
分类号
TM76 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
面向电力系统智能分析的机器学习可解释性方法研究(一):基本概念与框架
被引量：
10
2
作者
蒲天骄
乔骥
赵紫璇
赵鹏
机构
中国电力科学研究院有限公司
出处
《中国电机工程学报》
EI
CSCD
北大核心
2023年第18期7010-7029,共20页
基金
国家重点研发计划项目(2020YFB0905900)
国家自然科学基金项目(U2066213)。
文摘
机器学习的可解释性是其在电力系统领域安全、可靠应用的关键环节与重要基础之一。针对电力系统智能分析的机器学习模型可解释性方法进行初步探讨。首先,阐述了机器学习模型可解释性的基本概念、数学描述与相关评价维度;之后,梳理了实现机器学习可解释的整体思路与技术路线,将可解释方法分为建模前解释、训练后解释与模型自解释3大类,并对其在模型诊断、安全评估、数据纠偏、知识发现等场景的应用进行了分析;最后,对目前电力智能分析的机器学习可解释性研究面临的挑战进行了展望。
关键词
机器学习
可解释性
电力系统
智能
分析
人机交互
人工
智能
(AI)应用安全
Keywords
machine learning
interpretability
power systems intelligent analysis
human-AI interaction
artificial intelligence(AI)application security
分类号
TM73 [电气工程—电力系统及自动化]
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
电力系统增强智能分析初探
王国政
郭剑波
马士聪
尚宇炜
郭庆来
卜广全
黄彦浩
曾思成
周子涵
《中国电机工程学报》
EI
CSCD
北大核心
2020
11
下载PDF
职称材料
2
面向电力系统智能分析的机器学习可解释性方法研究(一):基本概念与框架
蒲天骄
乔骥
赵紫璇
赵鹏
《中国电机工程学报》
EI
CSCD
北大核心
2023
10
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
