場景一：電力系統仿真分析
基于環境識別、復雜內外部條件認知，以數據為基礎，通過深度學習自動提取電網穩定特征，實現對電網穩定運行方式和有效措施的快速判斷。

場景二：故障識別及智能控制
通過深度強化學習生成控制規則和控制策略，通過分布自治和集中協調的模式實現運行控制的智能化。

場景三：基于人工智能的調控輔助決策系統
通過知識建模和深度學習建立調控行為與電網運行狀態的內在關聯關系，為調控人員智能定制信息并自動推送畫面，引導和幫助調控人員主動、快速、全面、準確的掌控當前電網狀態和發展趨勢，為調控運行提供相應的輔助決策。

場景四：無人機和機器人的自動巡檢
基于導航圖像的知識積累和深度學習，通過空間導航和智能巡檢規劃，優化巡檢路徑和重點排查區域，利用無人機和機器人的光、聲、熱等檢測手段，實現對輸電線路和變電站設備狀態的診斷評估。

場景五：主要災害預警預報
電網主要災害的成災機理非常復雜，無法用傳統的方法建立考慮全部影響因素的物理和數學模型，結合已有電網主要災害事故記錄，基于小樣本學習技術解決目前災害預報預警精度不足的難題。