|
课程培训
|
人工智能与能源电网交叉领域热点课程
课程一：AI驱动的电力系统负荷预测与新能源消纳 随着新能源渗透率持续提升，传统基于物理模型的负荷预测方法已无法满足调度精度要求。本课程系统讲授深度学习（LSTM、Transformer、GNN）在超短期/短期负荷预测中的应用，重点涵盖风光出力不确定性建模、概率预测与区间估计、以及预测结果如何直接嵌入日前调度决策。课程还涉及"东数西算"背景下数据中心负荷特性的新型预测范式，以及AI预测在电力现货市场中的交易策略优化。学生将通过真实电网SCADA数据完成完整的预测建模项目，掌握从数据清洗到模型部署的全流程工程实践能力。 • 核心内容：LSTM/Transformer时序预测、GNN空间负荷预测、概率预测、新能源出力建模 • 热度来源：国家电网2024年负荷预测AI化改造全面推进，年市场规模超50亿元 • 适用对象：电力系统及其自动化、人工智能、能源经济专业研究生
课程二：算力基础设施接入电网的风险评估与韧性规划 数据中心和智算中心作为新型高密度负荷，其接入对城市配电网的安全运行提出了严峻挑战。本课程以Copula-EVT-Sobol风险分析框架为核心，讲授如何在考虑多源不确定性（负荷波动、新能源出力、设备故障）和相关性的条件下，系统评估算力集群接入引发的电网过载风险和电压越限风险。课程涵盖Copula理论（高斯Copula、t-Copula、阿基米德Copula）在空间负荷相关性建模中的应用、极值理论（EVT）对尾部风险的量化方法、以及Sobol全局敏感性分析在投资优先级排序中的决策支持。学生将使用IEEE标准算例和真实城市电网数据完成完整的风险评估项目。 • 核心内容：Copula相关性建模、EVT极值理论、Sobol敏感性分析、N-1安全校核、VaR/CVaR投资决策 • 热度来源：2025年"算电协同"纳入国家新基建战略，智算中心总功率超30GW • 适用对象：电力系统、风险管理、工业工程、金融工程（交叉方向）研究生
课程三：大模型与生成式AI在电网调度控制中的应用 大语言模型（LLM）和生成式AI正在重塑电网的运行范式。本课程系统介绍LLM在调度操作票自动生成、故障诊断报告撰写、电力市场报价策略生成等场景的应用架构，重点解决由幻觉和领域知识缺失引发的可靠性问题。课程涵盖RAG（检索增强生成）技术在电力规程知识库中的应用、多模态大模型对变电站图像和红外测温数据的理解能力、以及基于强化学习的电网拓扑优化决策。课程包含LLM微调实操和电网调度仿真平台训练两个核心实践环节，采用南方电网和国网真实调度场景作为教学案例。 • 核心内容：LLM/RAG架构、调度操作票生成、强化学习拓扑控制、多模态电网感知 • 热度来源：南方电网率先部署电力大模型，调度效率提升40% • 适用对象：人工智能、电力系统自动化、计算机科学专业研究生/高年级本科生
课程四：数据中心集群的灵活性资源聚合与电网辅助服务 大型数据中心具有显著的电力灵活性潜力——GPU负载可调度、UPS储能可调用、制冷系统可调节。本课程讲授如何将数据中心集群作为虚拟电厂（VPP）资源纳入电网调频、调峰和备用市场。核心内容包括：数据中心工作负载的时空迁移模型、GPU功耗动态建模、UPS和备用柴发的可用容量评估、以及多数据中心聚合参与日前和实时电力市场的竞价策略。课程还将讨论"算电协同"政策框架下的商业模式创新和数据中心碳中和路径，并从技术经济角度分析灵活性资源聚合的经济可行性。 • 核心内容：VPP建模、负载迁移优化、UPS储能调度、电力市场竞价、算电协同 • 热度来源：2026年国家发改委推进算力+电力协同调度试点，首批10个城市入选 • 适用对象：电力市场、能源互联网、计算机系统、运筹学专业研究生
课程五：AI赋能的电力设备状态监测与预测性维护 电力变压器、GIS开关、电缆接头等关键设备的故障可能引发大面积停电。本课程讲授基于多源传感数据（油中溶解气体DGA、局部放电UHF信号、红外热像、振动信号）的AI故障诊断与剩余寿命预测技术。重点涵盖：1D-CNN和Transformer在时序传感信号特征提取中的应用、联邦学习在跨变电站数据共享中的隐私保护方案、数字孪生技术在设备全生命周期管理中的集成框架、以及基于因果推断的设备故障根因分析方法。学生将在变压器DGA公开数据集上完成端到端的故障诊断模型训练与部署，并学习如何将AI诊断结果转化为可执行的运维建议。 • 核心内容：1D-CNN/Transformer故障诊断、联邦学习、数字孪生、剩余寿命预测 • 热度来源：国家电网物联管理平台已接入超800万台在线监测设备，AI诊断需求爆发 • 适用对象：高电压与绝缘技术、信号处理、工业AI、物联网专业研究生
课程六：面向新型电力系统的AI安全与对抗防御 随着AI在电网中的深度嵌入，AI自身的安全问题成为新的系统性风险。本课程首次系统讲授电力AI面临的安全威胁与防御体系：包括对抗样本攻击如何使负荷预测模型产生系统性偏差、数据投毒攻击如何在长期运行中缓慢破坏调度决策、大模型提示注入如何绕过安全约束生成危险操作指令、以及联邦学习中的梯度泄露和拜占庭攻击问题。课程将构建一个"电力AI红蓝对抗"沙盒平台，学生分组扮演攻击方和防御方，在真实的电网AI场景中进行攻防演练。该课程同时涉及AI伦理、算法公平性和AI治理框架在关键基础设施中的落地实践。 • 核心内容：对抗样本攻击/防御、数据投毒检测、LLM安全对齐、联邦学习安全、AI治理 • 热度来源：2025年国家能源局发布《电力监控系统AI安全防护导则》，AI安全强制合规 • 适用对象：网络安全、AI安全、电力系统自动化、信息安全专业研究生
如果您想学习本课程，请预约报名
如果没找到合适的课程或有特殊培训需求，请订制培训 除培训外，同时提供相关技术咨询与技术支持服务，有需求请发需求表到邮箱soft@info-soft.cn,或致电4007991916 技术服务需求表点击在线申请 服务特点： 海量专家资源，精准匹配相关行业，相关项目专家，针对实际需求，顾问式咨询，互动式授课，案例教学，小班授课，实际项目演示，快捷高效，省时省力省钱。 专家力量： 中国科学院软件研究所，计算研究所高级研究人员 oracle,微软，vmware，MSC,Ansys，candence,Altium,达索等大型公司高级工程师，项目经理，技术支持专家 中科信软培训中心，资深专家或讲师 大多名牌大学，硕士以上学历，相关技术专业，理论素养丰富 多年实际项目经历，大型项目实战案例，热情，乐于技术分享 针对客户实际需求，案例教学，互动式沟通，学有所获 |
|
