研究围绕多时空维度功率预测、电网运行特征提取、电力系统规划与调度决策、数字孪生建模等方面，旨在应对高比例可再生能源并网、高比例电力电子设备化等带来的挑战。研究团队开发了集成机器学习模型，实现了多时间、空间维度功率预测技术，涉及生活负荷、工商业园区负荷、新能源发电等应用场景。提出了基于深度强化学习的智能决策技术，优化电力设备配置方案，显著提升了电网在线安全稳定性控制能力。报告还探讨了人工智能技术在电力系统中的应用，包括监督学习、无监督学习、半监督学习、强化学习等方法，并展示了多个成功案例，如江苏电网多目标在线安全控制、基于强化学习的稳定性模型自动调参等。这些技术的应用有效提升了电网运行的智能化水平，为实现碳达峰、碳中和目标提供了技术支撑。