在碳達峰、碳中和目標的大背景下，以高滲透率的可再生能源、高比例的電力電子設備、高速增長的直流負荷“三高”為主要特征的新型電力系統(tǒng)正在逐步形成。新型電力系統(tǒng)的開放性、不確定性和復雜性使其對電力系統(tǒng)的規(guī)劃、調控、運行、分析提出了新的挑戰(zhàn)。通過人工智能技術與電力核心生產應用的深度耦合，針對新型電力系統(tǒng)的運行特點，運用數據挖掘、深度學習、智能算法等通用人工智能技術，可有效提高新型電力系統(tǒng)的分析決策速度，提升可再生能源消納比例。

為展示人工智能技術在新型電力系統(tǒng)中的分析、診斷和控制研究領域的最新成果以及相關新技術、新應用，《電力工程技術》編輯部開設了“人工智能技術在新型電力系統(tǒng)中的分析、診斷和控制研究”專題，本人有幸受邀擔任專題主編。專題收到大量具備理論創(chuàng)新與工程指導性的優(yōu)質稿件，經同行評議、專家評定，最終選出5篇論文組成專題。

在用電負荷的精準化預測方面，中國電科院何桂雄等提出一種改進領域自適應神經網絡(DaNN)負荷預測模型，可有效提高綜合能源多能負荷預測精度；中國礦業(yè)大學董新偉等提出一種基于VMD-LSTMQR的負荷滾動概率區(qū)間預測方法，相較于傳統(tǒng)區(qū)間預測模型，所提方法在預測精度、區(qū)間寬度等方面有明顯改善。在電力設備狀態(tài)評價與運維決策方面，大連理工大學武天府等針對傳統(tǒng)變壓器故障診斷方法在處理樣本不平衡數據時的局限性,提出一種基于Focal損失棧式稀疏降噪自編碼器(SSDAE)的變壓器故障診斷方法,提升了變壓器故障診斷的準確率。在基于智能算法的配電網用電行為分析方面，華中科技大學蔡云芹等提出一種基于強化學習的異常用電判決方法，創(chuàng)新性地利用強化學習模型生成動態(tài)閾值，以適應差異較大的不同數據集；南方電網深圳供電公司裘星等提出基于V-I軌跡矩陣、功率及高次諧波多特征融合的負荷辨識方法，可準確區(qū)分功率特征相似但高次諧波含量不同的負荷。

本專題旨在展示人工智能技術在新型電力系統(tǒng)中的分析、診斷和控制研究領域的最新成果和進展，由于專題論文數量限制以及發(fā)表時間的安排,很多有價值的論文未能在專題中收錄,希望能夠得到所有作者和廣大讀者的理解。

衷心感謝有關專家學者對本專題的大力支持，衷心感謝《電力工程技術》編輯部為本專題的策劃、組織和出版所做的大量且細致的工作，最后也衷心希望本專題能夠為相關領域的專家學者提供交流的平臺，為人工智能技術在新型電力系統(tǒng)中的分析、診斷和控制等方面的研究與發(fā)展提供有益的參考。