特約主編寄語新能源大規模并網給電力系統帶來了較強的不確定性，電力電子化設備的廣泛接入提升了系統運行的靈活性，分布式電源、儲能、電動汽車的滲透增加了末端配電網分析與控制的復雜性，這些因素都給現代電力系統帶來了新的挑戰。隨著能源互聯網技術的不斷發展，先進的數據量測、傳輸與存儲技術為數據驅動的分析奠定了良好的基礎，現代電力系統正在進入“數據密集”時代。數據驅動方法為電力系統研究提供了新的思路，可以分析電力系統中弱規律問題、復雜機理問題以及機理尚未清晰的問題，并能夠從海量的電網廣域信息數據里挖掘出系統內在的內稟知識，為運行人員提供較為透明、可理解的控制規則或決策支持，進一步增強系統運行人員的應急能力，在電力系統中得到了廣泛的研究和關注。但是數據驅動方法在實際應用的場景中，其模型的輸入可能出現測量噪聲、數據丟包、通信延時等不良情況，因此需要研究具有抗干擾能力的數據庫生成及訓練策略，使得研究結果對于這些不利因素具有較強的容錯性。近年來，深度增強學習技術在優化決策和最優控制領域得到了廣泛的關注，并已經被應用在電網調頻、調壓、最優潮流計算等領域，未來可重點研究基于深度增強學習的電網穩定控制方法。

為展示國內外該領域最新研究進展和發展趨勢，共享最新學術和技術成果，《電力系統自動化》編輯部策劃組織了“面向現代電力系統的數據驅動方法”為主題的專輯。自2022年9月發出征文通知后，引起了學術界和工業界的廣泛關注，國內外學者投稿踴躍，經同行評審收錄的稿件將陸續見刊。本期將首先刊登16篇論文，內容涉及數據驅動方法在電力系統優化運行與規劃、穩定分析與控制、系統辨識與監測以及用電側管理與分析等方面的應用成果。

數據驅動方法作為相對于模型驅動而言的新范式，為電力系統研究提供了新的手段。長沙理工大學蘇盛等對數據驅動竊電檢測方法在國內外實踐中的工程應用進行了總結，并對其潛在問題和應用前景進行了分析。東南大學湯奕等在總結電力系統數據方法與物理方法各自特點的基礎上，提出了一種基于數據-物理融合模型的電力系統并聯模式性能分析方法，為并聯模式下的數據-物理融合模型的構建提供了理論支撐。

在數據驅動信息能源系統異常檢測與辨識方面，華北電力大學畢天姝等基于局部離群因子算法，提出了一種在線數據驅動的同步相量測量單元連續壞數據檢測方法，提高了連續壞數據的辨識和檢測效率。河海大學吳英俊等針對電力系統網絡攻擊問題，提出了一種基于集員濾波的自動發電控制系統虛假數據注入攻擊檢測方法，能夠準確估計系統運行狀態以檢測虛假數據注入攻擊的存在。華中科技大學苗世洪等提出一種配電物聯網異常辨識方法，利用三維卷積神經網絡提取電氣量、通信量與配電物聯網異常狀態之間的映射關系，實現配電物聯網異常類型和異動源位置的統一辨識。

在數據驅動電力系統優化運行方面，清華大學張寧等針對高比例可再生能源并網下電力系統安全穩定運行問題，提出了內嵌安全穩定約束的電力系統優化運行框架，利用斜回歸樹及其集成算法提取安全穩定規則，具有良好的可解釋性、較強的表示能力與較高的集成效率。新加坡南洋理工大學徐巖等針對系統級拓撲結構優化難以求解的問題，提出了一種結合異步優勢Actor-Critic（A3C）深度強化學習與電力系統領域知識的運行優化方法，將在線優化的計算負擔轉移至離線智能體訓練階段，實現電力系統運行拓撲結構優化的快速計算，提高電力系統運行的安全性。國家電網有限公司西北分部任沖等針對高比例新能源電網運行方式復雜多變和安全裕度過大的問題，提出了新能源接入電網的斷面傳輸方式聚類分析方法，依據聚類劃分結果對各級斷面輸電限額進行優化，進一步提升了電網的輸送能力。重慶大學楊知方等研究了數據驅動潮流分析方法中誤差異常處理問題，提出了基于深度神經網絡的數據驅動潮流計算異常誤差改進策略，通過驗證集的絕對學習誤差、越限誤判率及誤差統計指標，確定各潮流變量的學習權重，有效降低了數據驅動潮流計算的異常誤差。

在數據驅動電力系統穩定性分析方面，華南理工大學朱林等研究了深度學習算法在電力系統暫態穩定評估中的應用，提出了一種面向暫態電壓穩定評估的卷積神經網絡輸入特征構建方法，兼顧了穩態特征量和多維度故障信息的輸入特征，對模型精度與效率有顯著的提升效果。東北電力大學蔡國偉等針對電力系統隨機響應數據辨識問題，提出了隨機數據驅動下基于子空間最優模式分解的小干擾特征參數在線辨識算法，通過引入正交投影的矩陣線性變換方法以及共軛梯度優化算法，準確反映了系統運行狀態，便于系統振蕩模式的在線監測。

在數據驅動配電網優化運行方面，河海大學衛志農等針對交直流配電網實時量測配置不足、量測誤差分布無法確定的問題，提出了基于深度神經網絡偽量測建模的交直流配電網區間狀態估計方法，利用深度學習技術輔助交直流配電網進行區間狀態估計，在保證估計區間包含真值的同時顯著降低了估計區間的保守性。

在數據驅動用電管理方面，東南大學葉宇劍等針對傳統方法在模型精準構建和應對多重不確定性等方面的局限性，提出了一種基于深度強化學習的居民實時自治最優能量管理策略，在最小化用電成本的同時提升能量管理策略的魯棒性。上海交通大學何光宇等研究了空調負荷模型參數辨識問題，提出了一種數據驅動的變頻空調負荷模型參數在線辨識方法，在較少的計算量下，進一步提高了參數辨識的準確性。浙江大學林振智等基于用電信息采集系統的量測數據，提出了一種基于改進局部離群因子算法的用戶用電隱患檢測方法，通過多局部離群因子模型組合優化，提高了低壓用戶用電隱患檢測泛化能力與準確率。

在數據驅動電能質量管理方面，華北電力大學齊林海等提出了一種基于改進生成對抗網絡的諧波狀態估計方法，通過生成網絡充分擬合監測節點與目標節點間的耦合關系，實現了對目標節點諧波電流、諧波電壓的準確估算。

上述論文為發掘數據驅動方法在現代電力系統中的應用提供了思路，進而為現代電力系統的安