Review of AI-driven augmented planning methods for distribution systems
针对"双碳"转型下主网-配网-微网协同、一次设备-二次系统融合、多元柔性资源互动互联等新型配电系统特征, 传统"物理建模+人工统筹"规划方法在复杂机理建模、高维不确定性解析及多模态数据融合等方面凸显三大核心矛盾: 机理模型对源-网-荷-储动态交互的表征能力不足、人工经验对高维时空关联的决策支撑有限、确定性方法对新能源随机波动的适应性薄弱. 本文聚焦人工智能技术与配电系统规划的深度融合与双向增强, 系统性综述其赋能方法: 首先解构新型配电系统主配微一体、一二次协同、分布式资源互动融合等特征. 其次, 从方法论维度剖析人工智能技术对传统规划范式的突破路径, 如深度神经网络对复杂机理的替代建模、强化学习对动态博弈决策的优化增强、知识图谱对多源异构数据的融合解析, 进而构建"物理约束嵌入-数据特征驱动-智能决策迭代"的人机混合增强智能框架. 该框架旨在融合人工智能的数据驱动能力与传统机理模型的物理可解释性优势, 而非简单替代, 实现规划决策效能的系统性提升. 最后提出面向规划全流程的人工智能辅助增强研究设想. 本文通过系统梳理人工智能技术与配电系统规划需求的匹配逻辑, 为解决高不确定环境下规划方案适应性不足、跨层级协同困难等难题提供理论框架与方法论支撑.
Authors
- K.R. Shao (ORCID: https://orcid.org/0000-0002-4101-1617)
- Zhengbo Li (ORCID: https://orcid.org/0000-0002-1243-8355)
- Xianyong Xiao (ORCID: https://orcid.org/0000-0001-5926-4068)
- Yongqiao Li (ORCID: https://orcid.org/0000-0003-3810-2689)
- Yunjie Yang (ORCID: https://orcid.org/0000-0002-5797-9753)
- Zhiyuan Tang (ORCID: https://orcid.org/0000-0002-2023-757X)
- Zuogang Guo
- Zhihong Liang (ORCID: https://orcid.org/0000-0001-8118-753X)
- Yue Xiang (ORCID: https://orcid.org/0000-0003-0953-161X)
- Junyong Liu
- Pingliang Ceng
Publication Details
- Journal
- Scientia Sinica Technologica
- Published
- 2025-12-09
- DOI
- https://doi.org/10.1360/sst-2025-0162
- Primary Topic
- Optimal Power Flow Distribution
- Type
- article
- Field-Weighted Citation Impact
- 0.00