日前，IEEE旗舰杂志IEEE Power and Energy Magazine刊出了由清华大学康重庆教授等联合组织的“人工智能与电网 (Artificial Intelligence and the Power Grid)”专刊（Special Issue）。

专刊汇聚了中国、美国、英国、加拿大、韩国等多国顶尖学府、科研机构及工业界工程技术人员的研究成果，共收录了10篇论文。江行智能《Towards AI-Empowered Smarter Power Grid: Forecasting, Dispatch and Control》（迈向AI赋能的更智能电网：预测、调度与控制）成功入选。

文中，江行智能联合其他企业机构专家，深度分析AI在电网预测、调度与控制三个关键领域的应用，充分展示AI技术在现代电力系统的巨大潜力。

随着可再生能源广泛接入、电网规模不断扩大、网络运行状态日益复杂，传统电网正面临前所未有的挑战。AI技术的引入，为实现更智能化的电网解决方案提供了可能。

针对可再生能源带来的不确定性，准确的负荷预测有助于减少能源浪费，降低运营成本。文章系统性评估了基于循环神经网络（RNN），Transformer、时空图神经网络等多种前沿的负荷预测算法，揭示了AI在处理多时间尺度电力数据方面的性能差异。

以江行智能提出的负荷预测框架为例，其核心技术包括一个采用局部和全局信息处理策略的Transformer网络，能够精确感知长短期负荷波动，在优化模型处理能力的同时，还可降低系统的运行成本。

此外，由于时空图神经网络（STGNN）可以对跨地理区域的时空互动进行捕捉，其在识别区域间影响方面具有独特优势，应用领域涵盖视频分析、三维形状识别、动作识别和气象预报等。

然而，仅依靠负荷预测算法无法满足现代电力系统日益复杂的调度和控制需求。因此，文章进一步探究了深度强化学习（Deep Reinforcement Learning）技术在迭代、经验驱动学习等方面的优势，并提出知识融合的深度强化学习算法（KI-DRL），将先验知识与深度强化学习相结合，引入安全层设定，考虑了系统的动态安全约束，确保模型的行动符合电力系统安全标准。

该算法有效解决了传统强化学习方法在关键系统应用中对安全性的担忧，增强人工智能驱动决策的稳健性和可靠性。