上海交大李然在IEEE TPWRS发表“预测-决策一体化”综述论文

近日，上海交通大学电气工程学院李然联合多国学者在国际电力系统领域顶级期刊 IEEE Transactions on Power Systems（T-PWRS）发表综述论文《Decision-Focused Learning for Power System Decision-Making Under Uncertainty》，系统阐述在新型电力系统不确定性环境下“预测‑决策一体化”的新范式与方法路径。

T-PWRS是国际电力能源系统领域公认的顶级期刊，以发表高质量原创技术论文著称，综述类论文比例极低，仅接收对当前重要研究领域并对未来研究方向进行分析的综述论文。据统计，近两年该刊共发表约1200篇论文，其中综述仅9篇，占比约0.75%。

研究背景

随着“双碳”战略的推进，以风、光为代表的可再生能源正以前所未有的规模并入电网。其固有的波动性与不确定性，给电力系统的规划、调度与控制带来了巨大挑战。传统“先预测、后决策”的开环模式难以兼顾运行的经济性、安全性与可靠性，常出现“统计精度更高、决策却未必更优”的错配：预测误差对经济性与安全性的影响呈现非对称、非线性、非单调特征。在此背景下，“预测‑决策一体化”作为从统计预测走向决策闭环的新兴研究范式，近年来在IEEE Transactions PES系列期刊已发表相关论文30余篇，逐渐成为关注热点。

本文汇聚以上技术论文的作者，联合法国巴黎高科、英国帝国理工学院、浙江大学、西班牙马拉加大学等四国六所机构的该领域知名学者共同撰写，体现了上海交通大学在“预测‑决策一体化”交叉前沿方向的国际影响力。论文于2025年8月在线发表后，已受到国际同行关注，在Google Scholar中被引用15次，并启发多项后续研究。

创新成果

该综述论文系统化地阐释了DFL的基础原理与应用，同时在四个层面做出了贡献。

1、“预测-决策一体化”的理论框架与方法分类

论文首先通过电力系统中的典型算例，直观揭示了传统预测精度与最终决策质量之间的非对称、非线性与非单调关系。在此基础上，构建了一套完整的DFL方法学分类体系：根据决策集成机制，将现有方法分为间接法与直接法；根据梯度传播策略，进一步细分为基于梯度与无梯度两大技术路径。

2、电力系统应用梳理

论文对“预测-决策一体化”在电力系统各领域的应用进行了全面回顾，涵盖了机组组合、经济调度、市场交易、储能优化等关键决策场景。通过对已有文献的量化分析，论文揭示了DFL的核心优势：以可接受的预测精度损失，换取显著的决策效益提升。

3、“预测-决策一体化”开源基准测试平台与量化对比

团队开发并发布了首个面向电力系统的DFL开源基准测试平台。该平台不仅为新算法的开发提供了可复现的比较基准，更通过系统的量化评估，直观地揭示了“预测-决策一体化”范式的核心优势。平台对不同方法的计算效率、模型特性、模型透明度、可定制性、可移植性等维度进行了评估，为不同场景下的模型选择提供了全面的参考。开源平台降低了研究人员的入门门槛，团队欢迎全球学者共同使用和贡献，以推动社区的协同发展。

GitHub链接:https://github.com/Taojy/Decision-Focused-Learning-Benchmarks

4、清晰的挑战与未来路线图

论文指出DFL在电力系统落地应用中面临的深层次挑战，并提出了清晰的未来研究路线图。研究方向包括：如何处理多阶段决策的误差传播、如何应对数据隐私与安全问题、如何将DFL拓展至概率性预测与不确定性优化框架，以及如何设计新的决策导向型预测评估指标等。

基金支持：本研究工作得到了国家自然科学基金项目“面向新型电力系统调度的‘预测-决策’一体化理论与技术”（批准号：52477111）的资助支持。

论文链接：https://ieeexplore.ieee.org/document/11122623

作者： 李然 供稿单位： 电气工程学院