基于可解释机制的极限传输能力计算知识表达模型

极限传输能力(TTC)受到运行点、潮流调整方式、极限边界的综合影响,故计算呈现多因素影响下的高维状态空间复杂性,传统方法难以在复杂环境中建模并快速计算。文中将TTC计算看作人工智能模型的知识学习问题,提出了一种基于可解释机制的TTC计算知识表达模型。首先,从安全域角度分析TTC影响因素。其次,构造由初始运行点、潮流调整方式、极限状态组成的样本集,训练XGBoost模型完成计算,并提取影响模型建立的关键特征作为全局知识。然后,引入沙普利加和解释机制完善单一状态下的结果分析和计算结果的可信度。最后,以IEEE 9节点系统和WECC 240节点系统进行算例验证,对比其他模型,所提方法具有较好的计算效果和一定的可信度。

论司法场景下构建算法可解释机制的思路与原则

目前,科技与司法的融合正如火如荼,作为智慧法院大厦基石的算法正深度参与司法活动。然而算法辅助决策过程与法官心证过程混同,算法黑箱特性与司法公开冲突,算法决策结果问责机制不明确等问题不容忽视。从司法领域应用需求出发,算法可解释性机制作为一种可能的解决方案被提出,制度构建有赖于总体思路和原则依循的准确、清晰界定。是以,算法可解释机制构建以树立场景化规制理念和形成可信任机制为总体思路,以公开性、辅助性、相对性、层次性为原则依循,构建科学合理的可解释性机制。