在“双碳”目标引领与能源结构转型加速的时代背景下，以新型电力系统为典型代表的能源领域变革，正在重塑整体的能源发展格局。新型电力系统展现出了更加丰富的多元性与灵活性同时，也面临着更为复杂的动态特性、更强的随机波动性和难以预测的非线性问题，传统分析与控制方法面临建模精度低、响应速度慢与自适应能力弱等多重挑战，而人工智能技术凭借其强大的特征提取、非线性建模与自主学习能力，为提升能源变革下的电力系统感知和决策能力提供了新手段，成为了推动新型电力系统高效、安全、绿色发展的关键驱动力。

《全球能源互联网》编辑部紧追学术前沿和研究热点，策划“人工智能赋能的新型电力系统建设”专题，围绕该领域的新理论、新技术和新实践等方面的研究，征集并发表相关专家的最新研究成果。

本专题共收录论文10篇，主要涵盖人工智能在新型电力系统不确定性分析与预测、电力装备智能运检等方面的应用。新型电力系统不确定性分析与预测方面，武汉大学查晓明等针对新能源渗透率不断提升背景下电力电子变流器并网系统稳定性分析与控制问题，概述了电力电子变流器并网系统失稳机理和控制原理，总结了当前方法在建模精度、稳定性分析和控制性能方面的局限，梳理了基于人工智能的变流器并网系统模和、稳定分析与高性能控制中的研究进展。北京理工大学王永真等针对多变量风速预测中存在的特征选择复杂、计算效率低及模型泛化能力不足等问题，提出了一种融合场景划分与最优Copula选择的自适应风速预测模型，在风速预测准确性上优于单一场景预测模型。上海电力大学成贵学等针对光伏发电功率预测方法预测精度不高，以及传统混合网络模型存在参数选择不确定性和收敛速度较慢的问题，提出了一种结合向量加权平均算法、卷积网络和双向长短期记忆网络的光伏发电功率预测方法，具有较高的预测精度。山东全球能源互联网研究院刘洪正等针对提升新能源外送水平的架空输电线路载流量预测问题，提出了一种基于组合深度学习与核密度估计的架空输电线路载流量概率预测方法，预测性能有较大提升。西安交通大学李更丰等面向新能源产业规模化下电力系统动态经济调度问题，提出了一种分布式多智能体强化学习算法，通过IEEE 39算例检验了所提算法的有效性和鲁棒性。浙江大学齐冬莲等针对虚假数据注入攻击对电力系统的安全、稳定、经济运行的影响问题，构建了一种考虑成本-效益平衡的混合虚假数据注入攻击模型，提出了一种基于贝叶斯优化-门控循环单元-极限学习机的电网虚假数据注入攻击定位检测方法，所提攻击定位检测算法在准确性、鲁棒性和泛化能力上具有优越性。电力装备智能运检方面，上海交通大学盛戈皞等针对新型电力系统电力设备状态感知技术的研究和应用现状，阐述了电力设备新型传感器、传感器可靠性保障、设备状态边缘计算和实时智能分析等设备状态感知关键技术的研究现状和发展趋势，探讨了相关技术在研究和应用中面临的主要问题并对相关技术的未来应用前景进行了展望。浙江大学欧阳旭东等针对智能电网快速发展衍生出的海量多模态、多源异构电力数据处理问题，提出了一种基于Federated Learning与模型剪枝的电力视觉语言大模型，该方法在电力场景多模态问答任务中的METEOR、BLEU和CIDEr等各项指标均表现优异。西安交通大学荣命哲等针对断路器机械特性异常诊断中的多源信号采集与分析问题，建立了LDA-GA-CatBoost的特征级融合方法与基于改进D-S证据理论的决策级融合方法，结果表明融合模型诊断率有显著提升。南方电网公司王典浪等针对断路器操动机构机械故障和电气回路故障，提出了一种基于电流及振动信号的多源特征融合断路器故障诊断方法，电流-振动多源特征融合诊断准确率达99.40%，该方法能够及时发现潜在的威胁，具有重要的工程应用价值。

上述研究成果不仅展现了人工智能技术在新型电力系统建设中的广阔应用前景，更体现了科研工作者们直面技术挑战、推动能源革命的责任与担当。当前，人工智能与电力系统的融合仍面临可解释性、实时性、安全性等关键问题，亟须学界与业界持续深化合作，共同探索技术突破路径。谨向为本专题供稿的各位作者、严谨评审的各位专家以及辛勤付出的编辑团队致以诚挚感谢！期待本专题的出版能为相关领域的研究与实践提供有益参考，凝聚行业共识，激发创新活力，助力构建安全、高效、清洁的新型电力系统。

2025年12月31日

于中国西部科技创新港