2025年新型电力系统中人工智能应用与扩展报告

研报主要探讨了人工智能在交通大新型电力系统中的应用与扩展，以下为关键内容总结：

1. 人工智能简介：新一代人工智能建立在大数据、高性能计算、机器学习、深度学习等技术基础上，具有强大的计算能力和学习模型。

2. 机器学习：介绍了机器学习的基本概念，包括支持向量机（SVM）、决策树（DT）、人工神经网络（ANN）、极限学习机（ELM）等，以及监督式学习、非监督学习、半监督学习等不同类型。

3. 深度学习：阐述了深度学习的基本原理，包括深度信念网络（DBN）、卷积神经网络（CNN）、循环神经网络（RNN）等，以及生成对抗网络（GAN）、自动编码器（AE）等生成模型。

4. 强化学习：介绍了强化学习的基本概念，包括马尔可夫决策过程（MDP）、策略优化、价值优化等，以及无模型强化学习和基于模型的强化学习。

5. 联邦学习：阐述了联邦学习的概念、过程和典型应用场景，包括横向联邦学习、纵向联邦学习和联邦迁移学习。

6. 人工智能在电力系统中的应用：包括态势感知、负荷预测、故障诊断、电力系统静态/暂态数字李生仿真、负荷随机场景生成、智能决策、分布式人工智能等。

7. 人工智能延伸：探讨了区块链在虚拟电厂中的应用，以及数字李生技术在电力系统中的应用，包括数字李生顶层设计、数字李生技术应用实例等。