Новое поколение искусственного интеллекта: обзор и перспективы технологий машинного обучения, применяемых в интеллектуальных энергетических и электроэнергетических системах
A new generation of AI: A review and perspective on machine learning technologies applied to smart energy and electric power systems
2019-01-09
SCID: 54.1/tq6z2wjp
Discuss with AI
ИИ 2.0энергетический Интернетмашинное обучениеинтеллектуальные энергетические и электроэнергетические системыумная электросеть
Figures from the paper
Abstract (AI)
Новое поколение искусственного интеллекта (ИИ), получившее название ИИ 2.0, в последнее время стало объектом активных исследований. ИИ 2.0, основанный на анализе данных, будет способствовать ускорению развития интеллектуальных энергетических и электроэнергетических систем (Smart EEPS). В ИИ 2.0 машинное обучение (МО) представляет собой типичный класс алгоритмов, используемых для прогнозирования и принятия решений посредством анализа и обучения на основе огромных объемов исторических и синтетических данных, что помогает людям принимать оптимальные решения. МО уже получило первоначальное применение в таких важных составляющих Smart EEPS, как интеллектуальная сеть (Smart Grid, SG) и энергетический Интернет (Energy Internet, EI). ИИ 2.0, особенно МО, переживает во всем мире критический период стремительного развития и будет играть важную роль в Smart EEPS. В этом контексте, с учетом новых технологий SG и EI, в качестве объекта исследования рассматривается МО как типичный представитель ИИ 2.0; анализируется современное состояние его применения для эксплуатации, оптимизации, управления, диспетчеризации и администрирования SG и EI. Основное внимание уделено представлению и обобщению наиболее распространенных применений семи репрезентативных методов МО — обучения с подкреплением, глубокого обучения, переноса обучения, параллельного обучения, гибридного обучения, состязательного обучения и ансамблевого обучения — в областях SG и EI. Сначала рассматриваются эти семь типов методов МО, после чего систематически анализируются их применения в Smart EEPS. Наконец, обсуждается развитие МО с позиций работы с большими данными и формулируются перспективы дальнейшего развития ИИ 2.0 и МО в Smart EEPS. Цель данного обзора — пробудить интерес и вызвать энтузиазм экспертов и исследователей отрасли электроэнергетических систем (EEPS), а также обозначить направления совместных усилий по ускорению развития ИИ 2.0 в области Smart EEPS.
Key Findings
1
Систематически анализируются семь代表ительных подходов машинного обучения: обучение с подкреплением, глубокое, переносное, параллельное, гибридное, состязательное и ансамблевое обучение.
2
Машинное обучение рассматривается как代表ительная технология ИИ 2.0, использующая большие объёмы исторических и синтетических данных для прогнозирования, принятия решений и поддержки оптимальных решений в интеллектуальных энергосистемах.
3
Рассматриваются перспективы развития машинного обучения на основе концепции больших данных и дальнейшего применения ИИ 2.0 в интеллектуальных энергетических и электроэнергетических системах.
4
В статье рассмотрено применение машинного обучения в эксплуатации, оптимизации, управлении, диспетчеризации и менеджменте интеллектуальных сетей и энергетического Интернета.
5
Обзор связывает развивающиеся технологии интеллектуальных сетей и энергетического Интернета с развитием ИИ 2.0 и подчёркивает значение машинного обучения для интеллектуальных энергетических и электроэнергетических систем.
Research Object
технологии машинного обучения, применяемые в интеллектуальной энергетике и электроэнергетических системах, в частности в интеллектуальных сетях и энергетическом интернете
Research Subject
состояние исследований и применение семи основных методов машинного обучения в эксплуатации, оптимизации, управлении, диспетчеризации и менеджменте интеллектуальных сетей и энергетического интернета
Publication Details
Publication Date
2019-01-09
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest