1） 应用算法层面

① 完备的频率响应样本库生成。

目前深度学习大数据为基础条件进行自主学习和智能决策，在小样本数据下参数变化有限，需要进一步脱离海量数据的束缚，解决在小样本数据学习技术上的问题。

② 合适的频率分析模型构建。

当前深度学习运算过程尚未摆脱黑盒形式，可解释性和可追溯性仍亟需提升。需充分融合物理–数据模型进行频率问题分析，提高深度学习计算方法的物理可解释性。

③ 灵活的智能算法有效结合。

针对含可再生能源的电力系统以及频率稳定与安全评估、态势感知、响应模式扰动辨识等不同问题的场景特点，需结合强化学习、迁移学习等多种智能技术，形成高级混合智能算法。

2）研究方向层面

① 频率动态行为分析。

需深入研究采用深度学习量化描述频率调节相关参数与频率动态特性之间的关系，探究不同调节手段对频率行为影响的机理。针对高比例电力电子化电网，需要依靠深度学习等智能方法，实现动态更新系统运行状态，研究多能系统频率特性在线评估方法。

② 频率稳定量化评估。

目前研究缺少考虑可再生能源和系统拓扑变化的相关影响因素，对频率稳定的评估也较为粗糙。需研究如何综合利用深度学习、大数据等技术，采用更精准的模型和更快速的方法对频率稳定进行量化评估。

③ 扰动事件快速辨识。

解决此类问题需要考虑运行方式的不确定性和系统拓扑结构，扰动位置和扰动类型的多样性且难以描述等因素，如何构建适用于时空分布特性的深层模型也是重点研究方向。

本文剖析了深度学习的内涵及特点，总结了五类典型深度学习方法基本原理，分析探讨了当前电力系统频率动态分析与控制的挑战及其针对深度学习的适用性，对深度学习应用于频率稳定分析与控制领域的国内外研究现状进行了全面的综述，总结了未来亟待探索的关键理论和技术问题。

山东大学张恒旭教授团队长期从事电力系统稳定分析与控制、电力系统监测等方面研究工作。近五年来主持国家重点研发计划课题、国家自然基金重大科研仪器专项课题共计重点项目2项，国家自然科学基金面向项目1项，横向项目十余项，发表二区及以上期刊发表SCI论文26篇，EI论文40余篇；获国家科技进步一等奖1项、中国电工技术学会科学技术一等奖1项，获国家发明专利19项。

张恒旭，男，教授，博士生导师，现任山东大学电气工程学院常务副院长、电网智能化调度与控制教育部重点实验室主任、电动汽车电网接入技术国家工程实验室主任、教育部电气类教学指导委员会委员，主要研究方向为电力系统稳定分析与控制、电力系统监测、电力系统数值仿真。

张怡，女，博士研究生，主要研究方向为电力系统分析与控制。

李常刚，男，博士，教授，主要研究方向为交直流混联大电网频率安全稳定控制，人工智能在电力系统中的应用。

蒲天骄，男，博士，教授级高级工程师，主要研究方向为电力系统自动控制、电力大数据与人工智能、智能电网仿真。

《 电网薪资揭秘第二波！电气毕业去哪儿，年薪有多少？ 》

《 要进国家电网，报考这些学校！国家电网2021年第一批录取数据分析 》

《 电气毕业去哪儿？某Top名校20届毕业生就业去向统计出炉！研究生越来越多，进电网的人也越来越多！ 》

《 电气专硕（能源动力）不能以电工类专业报考电网？最新官方回应来了！ 》

《 速看，最新电力行业平均工资出炉！对不起，年薪涨幅低于9.3%的可能拖后腿了 》 返回搜狐，查看更多