中文引用格式： 张慧，韩政，王治华，等. 面向多时空场景的电网调度AI算法可信度测试方法[J]. 电子技术应用，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
电网调度作为电力系统运行的核心环节，其目标是确保电力供应与需求的实时平衡，避免电网超载、黑启动等风险。随着电力系统复杂性和规模的增加，传统的人工调度方法已无法应对多变的电力需求和调度难题。近年来，AI技术，尤其是深度学习和机器学习算法，广泛应用于电网调度任务中，其中以LSTM等模型最为常见。LSTM凭借其对时间序列数据的优异处理能力，能够在电网负荷预测、需求响应管理以及故障预测等方面提供可靠的解决方案。此外，AI算法还能帮助优化电网资源的配置，提升电力系统的整体效率[1]。然而，尽管电网调度AI算法在智能化调度中展现了显著优势，但其在复杂多变场景中的可靠性和安全性尚未得到充分验证[2]。
电网作为关乎社会运行的基础设施，其安全性和可靠性至关重要。AI算法虽然能够在电网调度中发挥作用，但其在实际应用中可能面临多种不确定性。例如，数据噪声、突发性负荷变化、设备故障等不可控因素都可能导致AI算法在某些情况下失效，甚至引发调度错误[3]。因此，评估电网调度AI算法的可信度，确保其在多种场景下的稳定运行是极为重要的[4]。通过可信度分析，可以识别算法在不同情况下的表现差异，提前发现潜在风险，并为系统运行提供预警和改进方向，保证电网调度的安全性和稳定性。
电网调度AI算法在多场景中的应用已成为未来智能电网发展的关键。电网运行场景高度复杂，不仅需要面对不同时间尺度（如小时级、日级、月级的负荷预测与调度），还涉及不同地理区域、设备状态和电力市场条件[5-6]。此外，气候变化、自然灾害和突发事故等不可控因素也会造成电网运行环境的剧烈波动。这种情况下，AI算法必须具备良好的适应性与鲁棒性，能够应对这些多变场景中的挑战。通过在多场景下进行可信度测试，能够确保AI算法在不同场景下表现一致，避免算法在某些特殊场景下失效，从而提高电网调度系统的可靠性。
为了提升调度系统的可信决策能力，近年来引入 知识图谱（Knowledge Graph, KG）技术将调度逻辑、设备状态、历史案例及风险关联结构化成为图模型，以辅助调度优化、风险预警与故障决策。已有研究概述了基于知识图谱构建的多层次调度图结构，可结合拓扑关系与实时运行状态辅助优化决策[7]；在应急响应调度中融合文本预处理、KG 构建与案例推理机制，实现快速生成可靠调度方案[8]；在区域电网中构建知识属性图，有助于业务知识可视化与容错故障分析[9]；通过术语抽取与知识实体嵌入，实现电网调度信息的高效智能检索[10]；另外，KG 技术还支撑调度故障自动诊断与应急决策系统的推理与知识检索[11]。
本文详细内容请下载：
http://www.chinaaet.com/resource/share/2000007065
作者信息：
张慧1，韩政2，王治华2，陈宏福2，费思源2，胡友琳2
（1.南京信息工程大学 自动化学院，江苏 南京 210044；
2.国网上海市电力公司，上海 200122）
