摘要：该文以配电网健康指数综合分析与诊断为例，探讨如何将引导学习用于科学研究和实践应用。首先，对配电网健康指数的研究背景做了简要讨论。其次，提出了一种内嵌专业知识与经验的引导学习算法。该算法以Softmax Regression为基准学习模型，通过建立知识函数，在学习目标中融入专业知识和经验，并应用Symbiotic Organisms Search算法对非凸非连续的学习目标进行优化，以获得最佳学习参数。然后，根据训练样本是否标记、是否包含噪声数据、是否为均衡样本等构建4种典型应用场景，测试并对比分析引导学习算法的性能。结果表明，所提方法具有较高的鲁棒性和安全性，可适用于诸如电力系统等具有开放、随机环境的复杂学习任务，是一种面向安全人工智能的有益探索。最后，探讨了机器学习软件／平台的发展趋势，并结合电力系统应用的特点，提出一种“单元化”机器学习系统的架构设计方案。

关键词：引导学习 知识 经验 机器学习 人工智能 

单位：电力系统及发电设备控制和仿真国家重点实验室(清华大学电机系); 北京市海淀区100084; 中国电力科学研究院; 北京市海淀区100192; 华北电力大学; 河北省保定市071003