电力脑初探:一种多模态自适应学习系统

作     者：尚宇炜 郭剑波 吴文传 马钊 赵丽娟 赵东方 韩路波 SHANG Yuwei;GUO Jianbo;WU Wenchuan;MA Zhao;ZHAO Lijuan;ZHAO Dongfang;HAN Lubo

作者机构：电力系统及发电设备控制和仿真国家重点实验室(清华大学) 中国电力科学研究院有限公司 华北电力大学 北京航空航天大学 普渡大学 

出 版 物：《中国电机工程学报》 (Proceedings of the CSEE)

年 卷 期：2018年第38卷第11期

页      面：3133-3143页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：电力系统 电力脑 人工智能 机器学习 引导学习 深度学习 强化学习 迁移学习 

摘      要：机器学习的进步正推动人工智能蓬勃发展。电力系统运行具有随机性、时变非线性和部分可观测性等特征,导致相关研究面临数据饥饿、状态弥散、目标复杂等综合挑战。为此,该文提出研究一种多模态自适应学习系统——电力脑。首先,探讨电力脑的研究背景、概念及主要特征。其次,分析电力脑研究面临的挑战,提出多模态学习机制及其数学实现,以建立电力脑认知计算的理论基础。然后,借鉴认知神经科学等前沿研究,提出自上而下的电力脑认知计算结构,交互反馈的自适应学习模式,以及深度引导强化学习相结合的基础学习单元。该构架的核心特征在于用领域知识保证结果可行,用数据驱动提升其精度与性能。最后,探讨电力脑的实际应用,提出相应的学习算法结构,并展望需要进一步研究的问题。