利用可解释人工智能探索电力系统中的监管变化

电力的稳定供应对我们社会的运转至关重要。因此，电网的运行以及能源与平衡市场受到严格监管。随着电网所面临的外部技术、经济或社会影响发生变化，这些监管也必须不断调整。然而，这些监管变化是否带来了预期效果并不容易评估。可解释人工智能（XAI）模型能否区分监管设置并帮助理解这些变化的影响？在本文中，我们探讨了德国 bulk 电力与备用电力能源市场中两个监管变化的例子。我们研究了德国-奥地利竞价区的拆分以及德国平衡能源市场定价方案的变化。我们发现，提升树模型和前馈神经网络在监管变化前后的参数化存在差异。利用 Shapley 加性解释，我们揭示了模型差异（例如在特征重要性方面），并识别了这些不同模型的关键特征。通过本研究，我们展示了如何应用 XAI 来调查电力系统中的系统变化。