本课程研究机器学习的主要方法及其在电力行业中的具体应用。考虑了机器学习的以下部分和方法：分类和回归问题中的监督学习（线性模型，支持向量机，决策树，贝叶斯方法，最近邻，神经网络，集成算法），无监督学习（聚类算法），强化学习和优化方法（遗传和群），模糊逻辑，以及初步数据分析和处理方法。

本学科研究电力系统设施数据安全保障和网络威胁防护的基本原理，涵盖法律与组织问题、软件特性、数据保护技术和算法方法，这些措施用于威胁评估并模拟相应的保护措施。重点关注数据保护领域的现行法律框架和相关的工业标准。且深入了解需要保护的数据类型，电力系统设施的网络威胁分类，各种保护技术的操作原理和选型标准。

该学科研究城市电网的设计原理，详细考虑不同类型的电力消费者及其技术运行方式和电能质量要求。特别考虑了节能技术和可再生能源在现代电力系统中的应用。

该学科重点关注小型发电设施（分布式发电）的设计与运行问题，涵盖碳氢燃料发电与可再生能源发电类型，研究了分布式发电的技术经济性，分布式电源运行模式，并网技术及与主电力系统的并联运行策略。

本学科聚焦高压电力设备技术诊断理论，系统解析技术诊断有效实施的关键障碍（涵盖现有检测技术、工具及诊断监测系统构建方法），重点探讨以下内容：诊断系统设计基础，损检测方法应用，研究对象诊断参数选取原则。通过本学科学习，学生将深入理解电力设备运行物理机制、老化规律、外部环境因素与诊断参数间的关联性。

该学科致力于应用优化技术来解决电力工业的关键问题。由于该学科的任务导向性质，特别侧重于优化方法的应用，设置和解决优化问题的技能建设。电力系统控制任务的信息化支持受到了广泛的关注。详细研究了Matlab、MathCAD和PowerFactory在电力系统优化和负荷预测中的应用。同时，系统研究多重约束条件及外部干扰的建模与处理方法。