随着全球进入数字化时代，传统的技术体系已经无法满足数字电网、智慧电网的建设需要，如何充分利用大数据、人工智能等新一代信息通信技术，精准“刻画”电力系统运行的复杂规律，建立从数据到知识、从知识到决策的电力系统学习模型，保障电力系统安全、可靠、绿色、高效、智能运行，成为电力行业探索的重点。
传统“知识表达”难以满足新型电力系统建设需要
随着以新能源为主体的新型电力系统加快构建，大规模新能源并网和电力市场开放后，电力系统形态将发生重大变化，电力网络、信息网络和社会网络之间的耦合关联性显著增强，新型电力系统呈现出非线性、强随机、快时变的复杂巨系统特点。在这种情况下，单纯离线建模和仿真技术难以满足复杂电网实时运行分析与精准前瞻调控的要求，同时直接运用传统的调控模型与算法体系也面临海量电力系统中资源分散分离和构成功能耦合及最优快速决策等挑战。
因此，构建新型电力系统在源网荷储等环节均面临一些急需解决的问题。其中，在源侧，需提供更加灵活的接入技术和接口方法，保障大比例新能源消纳；在网侧，需建设更加快速的计算能力和调控手段，适应电力系统高比例电力电子化的趋势；在荷侧，需挖掘更加柔性的互动技术和沟通渠道，充分调动需求侧参与系统调节的积极性；在储侧，需实现更加高效的动态平衡和优化调剂，提高电力系统稳定控制水平。
面对上述挑战，融合多重“知识表达”的数字电网将提供较核心的技术途径，并使电网作为资源配置平台和电碳经济服务平台的作用将更加突出。
数字电网支撑构建新型电力系统作用初显
数字电网支撑构建新型电力系统的作用主要体现在以下三个方面：
第一，数据及其测量。万物互联时代，无数据不决策、无数据不运营，充分进行数据采集和处理，是保障大规模新能源并网和消纳的基本条件。其中，数据成为确保电力系统“可观、可测、可控”的首要要素，也是电网指挥体系和决策中枢的关键基础。
因此，要实现新型电力系统全面可观，必须建立在充足和有效的测量基础上，而数字电网具备广泛的数据获取和处理能力。通过在电力系统中部署的海量传感器，可以准确掌握电力系统的物理结构，从而洞悉各组成单元及整体的性能、运行方式、实时状态、运行效率、健康状态和环保水平。
第二，智能算法及算力的综合应用。面向特定领域的有效智能算法与强大异构算力的有机融合，是适应电网新形态，满足规划、运行、管理新要求的重要手段。
新型电力系统动态行为更加复杂，对计算的准确性和快速性要求更高。其中，以新能源为主体意味着双高（高比例、高电力电子装备）特点明显，由于状态改变时序短、序列信号频域分布广、影响动态过程变量混杂，采用传统以固定参数为核心的静态模型对系统进行描述和求解比较困难，需建立适应大规模强随机性系统的高性能仿真计算能力。
第三，快速协同。新型电力系统对快速协同能力提出了较高要求，随着电网上下游主体互动加强，电网管理工作内容和形式将发生频繁变化，需把握数据主线，通过提升企业数字化运营系统的灵活性和开放性，实现规划建设、物资供应、安全生产、资产财务等全链条感知和全面贯通，提升业务效率，进而促进管理变革。
在常年观测归纳和演绎的基础上，电力行业积累了丰富经验、规则和知识，可描述电力基础设施外形结构、系统电气量状态变化、拓扑连接关系等，将这些知识融入人工智能算法模型，形成数据驱动、知识引导和物理建模的新型智能算法，并用“知识表达”来刻画数据所蕴含的规律，进而形成“人机协同”模式，这取决于构建涵盖电力系统海量多源数据、算法、应用的完整“知识体系”。
数字电网“知识表达”体系
新型电力系统高维、动态、不确定性给电网安全稳定运行带来巨大挑战，传统方法难以精准完整刻画和实时掌控庞大的电力系统，相比之下，数字电网的多重知识表达，将推动新型电力系统“可观、可测、可控”成为现实。
通过数字电网的多重“知识表达”，可提取物理电网的特征规律，精准描述物理电网设备的形态、系统运行的趋势、人-机-物三元空间的关联关系，实现对物理电网最优的决策控制。
在中国工程院院士潘云鹤提出的AI 2.0知识三种表达（知识的形象表达、知识的语言表达、知识的深度神经网络表达）的基础上，面向数字电网支撑的新型电力系统进行具象化丰富，多重“知识表达”主要有四种形式：数字电网知识的形象表达主要应用于描述物理电网设备的形态；数字电网知识的函数表达主要应用于描述电力系统电气量、非电气量各类数据的时序变化物理规律；数字电网知识的语言表达主要应用于描述电力系统人机物环的关联关系；数字电网知识的深度神经网络表达则作为一种有效的数据驱动工具，对上述三类应用实现补充和支撑，这样即可形成“数据驱动、知识引导和物理建模”相互统一的人工智能模型。
