薛禹胜院士：电力系统科技创新需升级“作战地图”

2004年，薛禹胜院士提出电网广域监测分析保护控制系统（Wide Area Monitoring Analysis Protection-control，WARMAP，也被称为“作战地图”），发展了我国老一代电力工作者提出的“三道防线”概念，成为世界首个大电网停电预警系统。目前已应用于我国90%以上的省级电网，为中国电网超长期安全纪录作出重大贡献。

（来源：微信公众号“能源评论•首席能源观”）

薛禹胜创新欲望强烈，每月与团队开例会分享创新灵感，并经常以惊人的勤奋昼夜连续工作。他和团队终日乾乾，取得了集理论范式、优化技术、决策支撑平台于一体的全面创新，他心心念念的“自适应停电防御系统”，正为电力保供、新能源消纳立下新功。

人工智能浪潮席卷全球，让人难以无视其巨大红利。尽管大企业们大多作出了“规模化推进人工智能”的决策，但业内仍有“漫无目标”的困扰，“垂直领域”的大门背后还有很多神秘——有人说：“专门研究人工智能的不懂电力系统，但基于行业大模型构建‘电力专业智能体’又异常复杂。”所以，人们的焦虑在于：大电网安全防御领域，是在概念化地“使用”人工智能，还是真正地“重用”它？其风险、成本和收益需要科学评估——这份“作战地图”里的目标、策略该如何权衡？

《能源评论》好奇于薛禹胜的真实态度。他的“双碳”路径复杂决策模型，涉及技术、经济、社会、模型、算力……他正以广博的知识去把握这些“动态复杂性”。所以，即使有媒体同行提醒我们“薛院士并不是人工智能专家”，我们直觉：“也许，他是大电网安全防御领域最能驾驭人工智能的专家。”问出好问题，就接近了答案。

薛禹胜凌晨三点回复了我们的邮件，他说：“感谢你们对问题的构思，以及对这个连我们团队成员都头疼的内容的理解……我期待读者会对它们高度关注。”

科技“无人区”，亦在灯火阑珊处。

“作战地图”需要改进“风险”理念

《能源评论》：“作战地图”是您基于对电网运行风险定性定量分析而成的一个创新性技术模型，今天，我们用它来指代您眼中的能源科技创新路线图。可否介绍一下，“作战地图”所遵循的理念？

薛禹胜：“作战地图”是对针对可靠性要求非常高的电力系统防御突发事件和外部灾难事件、从全面且多元的视角看待当前威胁电力系统安全运行的风险、保证系统正常运行的一个决策平台。它在定量分析电力系统所处的风险后，进行干预性指导、决策，回馈到电力系统的规划、运行和控制等方面，从而形成一个完整的信息闭环。专家或者运行人员可以根据从系统中获取的数据，掌握分析对象的实际状态，了解当前状态离安全运行的边界条件有多远，从而作出决策，保障电网安全运行。“作战地图”提供协同的对策，在故障还没有发生前，根据对风险的分析，判断是否需要采用预防性的控制措施。为应对极端天气事件对电网造成的颠覆性破坏，团队建立起外部自然灾害下电网风险评估和防控体系，将停电防御体系从电力系统内部拓展到台风、雷电、山火、覆冰等外部灾害，将电网防御自然灾害的理念由“事后被动防御”提升为“提前主动防御”，相关成果成功应用于我国多个省级及以上电网。

《能源评论》：请您介绍一下“自适应停电防御系统”，应该如何理解它的自适应能力？

薛禹胜：为了进一步提高“作战地图”应对极端灾害的自适应能力，我们正在自主开发高效的字符串模型，它可以在线识别多个高风险的潜在故障。我们从可靠的气象及电力负荷预警渠道获得各种灾害未来强度及支路潮流的时空分布，并与各电气设备的地理位置及故障退出后的影响程度进行对照，将各设备的故障概率及潜在的故障损失分别划为若干个级别。再用各设备的故障概率级别与潜在损失级别的乘积来反映各设备的风险级别，按其级别的高低对各设备进行排序，从而将一个强不确定性的故障排序问题，转换为一个按关注度排序的确定性事件的列表。这样就可以有效利用有限的算力，高效地实现严格的因果预分析，进而达到自适应的预防控制。

《能源评论》：您强调了“风险”这个概念，可否介绍一下电力系统是如何尽量控制“风险”最小化的？

薛禹胜：买车时除了要考虑车价、运行费、维修费，还要考虑安全性问题，也即考虑需要购买的保险费用。大电网的规划与运行也是一样的，但一般都将安全问题作为约束条件来校核，这样就会遇到要将多大概率的故障纳入校核，例如“百年一遇的小概率、高损失的故障要不要考虑”等困惑。“作战地图”坚持按风险而非按概率的概念来优化决策，凡是风险损失大于控制代价的故障，都应该被干预。因此，必须以统一的视角看待电力系统的安全性和经济性。换句话说，在反映经济性的目标函数中，需要在建设、运行、维修费用之外，增加“风险成本”项，以包括风险成本在内的总成本最小为优化的目标函数。这样反映安全性及充裕性的不等式就不再需要出现在约束条件中了。

《能源评论》：也就是说，对于“风险”的概念，我们可以从预防控制扩展到整个“三道防线”的范畴？

薛禹胜：是的。

优化“双碳”路径模型重在“交互”

《能源评论》：在您的研究中，电力系统在实现“双碳”目标的过程中扮演着怎样的角色？

薛禹胜：新型电力系统密切连接一次能源和二次能源，既是能源链的核心环节，也是新型能源体系的枢纽。而新型能源体系在支撑社会经济发展的同时，也是实现“双碳”目标过程中的主要责任环节。电力系统是典型的复杂巨系统。过去研究电力系统，很少考虑与非电力领域的交互影响。随着新型能源体系加快构建，新型电力系统中的信息、物理、社会元素交互复杂，孤立研究的模式不再适用，迫切需要新的理论和分析方法。基于这些考虑，也为支撑清洁低碳、安全高效的现代能源体系的建设，我提出了优化能源转型与“双碳”路径的框架——能源的信息物理社会系统（Cyber-physical-social System in Energy，CPSSE），将研究视角从电力系统拓展至能源低碳转型、自然环境及自然灾害、电力市场、碳市场等领域，开创了多学科交叉融合的能源安全研究新范式，提出电网主动支撑能源转型的整体解决方案。CPSSE搭建了跨领域跨学科的研究框架，研究范畴为整个能源链，计入碳排、碳汇等非能源的广义物理元素，以及政府政策、市场、人的行为等社会元素，解决了高维、时变、非线性的时-空-领域复杂交互问题的认知与分析难题，实现信息与物理、社会等不同时空尺度元素的深度融合。

《能源评论》：您和团队的上述研究策略，在电力系统的规划、运行和管理等环节中有哪些具体应用？

薛禹胜：经过近20年对电力系统及其外部系统间交互与融合问题的探索，由信息物理系统、电力领域的信息物理系统发展而来的能源的信息物理社会系统已成为兼容数学模型、多代理、实验经济学的混合仿真分析与决策支持平台，根据大数据采集及知识提取，支撑跨领域混合沙盘推演与决策。它通过自主开发的各种核心算法，对多领域、多时间尺度、高维时变非线性复杂巨系统进行研究与决策，为规划中的不同路径提供沙盘推演与分析优化。为支撑“双碳”目标，我们完善了大能源系统动态仿真系统，打造融合分析平台，致力于实现指定环境下电力主动支撑“双碳”目标的“自动化”及“交互式”分析，满足能源电力领域融合研究和工程应用需求。我们团队提出了能源转型目标与路径两层优化的新算法，以及电力系统主动支撑能源转型路径优化方法，在国家能源转型、地区能源转型以及能源企业转型等方面得到应用。2016年，研究成果应用于中国工程院首个考虑碳约束的能源结构转型重大咨询项目，为我国能源发展战略制定提供了基于量化分析的科学决策参考；为青海省提出了2020～2050年实现100%清洁能源供电目标的最佳路径及其电网支撑方案，纳入国网青海电力“十四五”及中长期发展规划，支撑了多次绿电实践活动；为湖南省开展煤电与新能源发电协调发展等问题的量化分析提供支持等。基于CPSSE研发的产品在电网运行决策支撑中得到广泛应用。例如，为解决新能源出力不确定性引发的功率平衡问题，电网运行备用决策支撑系统在广东、甘肃等多省省调中得到应用，提升了电网统筹防控保供与消纳风险的能力；自然灾害下电网运行风险评估系统在浙江、云南等多个省地电网应用，有效降低了自然灾害引发的电网运行风险，提升了极端灾害下电网的应急保供能力；国内首获国际权威机构TÜV南德认证的电力行业碳管理系统，支撑提升电力碳排放的可测与可控水平，助力“双碳”目标落地。当前，碳减排和碳增汇路径协同优化、碳排放市场与碳抵消市场当量协同、拓展新型电力系统安全稳定性与充裕性的风险分析与控制等一系列重大课题正在攻关中。

《能源评论》：在我们看来，实现“双碳”是复杂的社会系统工程，您和团队将如何实现“路径优化”这一理想？

薛禹胜：“双碳”目标的实现不仅涉及能源电力的低碳转型，更是一场深刻的经济社会的系统性变革。要以现实状态为初始点，以目标状态为终点，两点之间有无数条变革的路径。要实现路径优化，就必须定量化描述和评估不同路径，需统筹“双碳”变革路径与能源安全、经济安全等关键“边界条件”之间的关系，以及研究电力系统对“双碳”变革的主动支撑。将定性研究提升为针对模型、参数、场景等的量化讨论与分析，可以大大提高决策的科学性。我们设想建立一个足够强大的模型，为整个经济社会实现“双碳”目标计算出一条最优路径，以及最佳的电网主动支撑方案。因此，我们也一直在关注研究将“战略思维”“系统观念”“循序渐进”等指导思想转变为定量化的具体落地举措。

人工智能在电网安全防御中的“行”与“不行”

《能源评论》：人工智能带来的未知因素太多了，人们担心它在本应最靠谱的领域忽然“不靠谱”，但又害怕错失巨大的技术红利，甚至是科技战略机遇。具体到大电网安全防御领域，您是否已经形成明确观点？

薛禹胜：应该秉持开放的态度去探究。大数据和人工智能技术，特别是语言大模型，已经在一些缺乏因果模型的领域中得到广泛应用，并取得巨大成果。然而对于电力系统的安全分析与控制领域而言，如何真正发挥这些新技术的价值还是值得探索的问题。大数据思维提倡的不只是共享，还包括科学研究范式之间的协同。在以因果分析为主导的电力系统中，应用大数据能够辅助传统的模型驱动方法。而电力系统本身已经具有相当成熟的数学模型和算法。它的安全稳定性问题极其复杂，对于决策责任的界定必须具有充分的说服力。这是目前人工智能难以解决的难题，但也不能武断地认为，这是人工智能的本质缺陷。人工智能在处理不确定性问题上也有其长处，我认为，要运用大语言模型的思维方式。而为了克服当前人工神经网络只能输出唯一结果的问题，我提出了南瑞自主的符号串模型。因果思维与 AI思维之间双向赋能的框架

《能源评论》：对于确定性的复杂问题，如因果驱动的量化分析难题已经得以较好的解决，那么人工智能的助力究竟是什么呢？如果给错了决策建议，又无法溯源其责任，又该如何应对？难道调度员在复盘时要写“是人工智能让我这么做的”？

薛禹胜：我们不会让这种情况出现。自然界的问题本来是不确定的，决策建立在风险之上。人工智能确实不能告诉你确切的结论，但可以在风险方面为你提供建议。在电力系统稳定性这类问题中，人工智能除了可以加快计算效率，更重要的是，可以将一个高维不确定性问题转换为一系列确定性问题，再通过因果驱动的研究范式逐个“预决策”。当实际情况发生时，调度员或计算机系统就可以按图索骥，快速予以决策支持。为此，我提出了两层决策框架。下层仅针对确定工况与确定场景下的因果分析，调度员接触到的算法与决策方式与以前完全相同，透明且可解释。而上层则是依靠符号串模型，将高维不确定性问题转换为多个（极为有限个）工况与场景下的确定性问题，并为此设计了两层之间协同工作的接口。

《能源评论》：您的意思是，让人工智能降低信息熵，给出尽可能精简、明确的小数量级的“预决策集”，并提供给调度员，届时“临机出牌”？

薛禹胜：是的。这是一种思维方式的变化，长期以来，研究范式要么单独采用人工智能，要么单独采用因果分析，但在我看来，这些都不足以应对不确定性的复杂系统。当前我们的思路是，由数据驱动减少计算量，由因果驱动保证决策的可靠性，二者各取所长、互补其短，或许，这就是我们“作战地图”的升级之道。