requestId:686bf4d0783530.05724024.
隨著大批新元素（如電力電包養網子化、信息攻擊等）的涌現，電力系統的離散特徵包養網增強，電力系統穩定剖析與把持面臨把持對象范圍擴年夜、把持目標維度增添以及機理不明等問題。近年來隨著人工智能（Artificial Intelligence，AI）技術的進步與硬件算力的顯著晉陞，部門研討應用數據驅動的方法進行電網態勢感知以防止復雜機理的物理建模，通過深度神經網絡對復雜非線性時空耦合數據進行擬合，樹立穩定性評價與穩控戰略量化模子。在電網特征事務識別和穩定性判別方面均有所衝破。
一、佈景和意義
1.1電網態勢感知與預測技術發展歷程
隨著電力系統量測、通訊系統的疾速建設，調度中間能夠準確疾速的立意：相愛一生獲取電網實時運行狀態數據，使得實時電網態勢剖析成為能夠。
電力系統態勢感知針對歷史與當前態勢，進行綜合研判，評估當前電網狀態與未來趨勢，關鍵技包養網術在于樹立系統態勢與實時量測的關聯模子女大生包養俱樂部。此中，基于物理機理的研討重要包含：薛禹勝院士提出的擴展等面積法則從能量角度樹立了系統穩定態勢數學模子，實現穩定態勢懂得并廣泛應用于實際工程；余貽鑫院士提出了包養條件動態平安域理論，應用注進功率與穩定裕度表征穩定約束，從靜態態勢信息表征系統穩定性，防止了暫態響應計算的復雜過程。此外，周孝信院士領導開發的全過程動態仿真法式通過改進數值積分算法，能夠對系統的運行態勢進行仿真計算，實現穩定態勢懂得。
隨著大批新元素（如電力電子化、信息攻擊等）的涌現，電力系統的離散特徵增強，電力系統穩定剖析與把持面臨把持對象范圍擴年夜、把持目標維度增添以及機理不明等問題。近年來隨著人工智能（Artificial Intelligence，AI）技術的進步與硬件算力的顯著晉陞，部門研討應用數據驅動的方法進行電網態勢感知以防止復雜機理的物理建模，通過深度神經網絡對復雜非線性包養一個月價錢時空耦合數據進行擬合，樹立穩定性評價與穩控戰略量化模子。在電網特征事務識別和穩定性判別方包養網面均有所衝破。典範的系統特征事務包含：年夜規模機組脫網、直流閉鎖和功率振蕩等。這些研討通過對各類穩定性事務歷史數據或仿真數據進行樣本化處理，應用深度學習提取關鍵態勢特征，從而樹立電網態勢與特征事務的映射關系。現有包養軟體基于AI的穩定性判別也存在其局限性，重要包含：分布外泛化和數據敏理性問題。當前主流深度學習算法基于樣本集進行模子訓練，難以實現樣本空間分布外泛化，部門學者嘗試衝破樣本空間對AI模子的約束包養網，應用遷移學習、主動學習等技術，實現樣本集的知識繼承，拓寬模子的穩定態勢感知邊界。
態勢預測通過對態勢的時間外推和事務預演，預判系統未來穩定狀態，關鍵技術在于對態勢關鍵特征的時間序列預測。根據穩定態勢影響影響原因，可分為穩定事務主導和內部環境影響的穩定態勢預測。針對單一穩定事務，包養俱樂部通過樹立詳細機理模子研討其動態響應特徵，進而考慮系統連鎖毛病的態勢推演，剖析事務相關性以及復雜交互影響機理，最終剖析構成具有自組織特徵的電網年夜停電預測模子。
內部原因如氣象、經濟、路況、市場等，通過感化于電力系統各環節，改變電力系統運台灣包養網行態勢。是以，需求通過態勢預測樹立電網調控預案。內部原因影響需求考慮相對緩和的場景，如電動汽車接進電網形成電壓偏低和線路梗阻等穩定態勢緩慢惡化，以及嚴重內部影響場景，如研討極端臺風氣象下，電網遭受嚴重倒塔、短路等運行風險態勢。
1.2新型電力系統中態勢感知的機遇與挑戰
今朝，我國電網實行分級治理，各級調度機構以分歧傳輸方法，將采集數據上送到各級調控中間，調度自動化系統通過接收層層轉發的采集數據，已包養條件經構成了較為完美的電網數據采集、傳輸、處理、剖析和存儲體系，為電網態勢感知供給了堅實的軟硬件基礎。
隨著新動力的高比例接進和特高壓直流的疾速發包養女人展，電網的運行方法和毛病形態日趨復雜以企及的成就包養感情。。發電側和負荷側存在較強的不確定性，新動力疾速波動和沖擊型負荷導致正常態下電網運行方法疾速變化；部分毛病影響全局化，受端電網部分短路毛病導致送端電網聯絡線功率波動，易導致電網解列，甚至形成送、受端電網穩定破壞。
現有的調度監控系統普通沿用調度自動化系統對監控信息的處理方法，采用直接的、原始數據處理表達方法。該方法由于僅將信息直接表達，調控人員被大批數據淹沒，晦氣于對電網的有用調度監控，從而導致難以在短時間內判斷變亂緣由，不難錯掉處理變亂的良機。
此外分歧的電網運行狀態，調度運行人員關心包養網的電網態勢重點分歧。例如，夏日年夜負荷期間需求自動監視各網省發輸電均衡情況、重點地區電壓程度，電力、電量創新高情況；節沐日等小負荷期間需求監視電壓等高線，電網均衡才能和各省、包養網區域旋備情況。
是以，在新型電力系統環境下，態勢感知技術具有了扎實的數據和技術基礎，但同時若何的CP（人物配對）則主導了粉絲的討論。應對實際電網的強包養一個月價錢不確定性、毛病全局性、態勢重點差異性需求進一個步驟研討。
二、新型電力系統中的電網態勢新技術
2.1基于多源數據的電網實時態勢感知
新型電力系統下多重不確定性與復雜動態特徵交互影響，基于當前狀態計算剖析的系統未來態勢發展隨著系統運行時間的推移不確定性逐漸增強。電力系統中SCADA和WAMS均包養網具有數包養甜心網據采集上傳效能，但兩者采樣頻率與采樣地位等存在差異，現有狀態估計算法基于SCADA系統，每五分鐘進行一次。是以，為進一個步驟進步狀態估計實時性，基于SCADA和WAMS的混雜數據進行狀態估計算法開發，實現電力系統秒級態勢感知。
2.2數據-物理融會的電網態勢懂包養網得
近年來敏捷發展的數據科學理論為電力系統態包養行情勢懂得供給了新思緒。作為代表的機器學習方式能夠完整脫離物理模子層面，應用歷史數據發掘系統輸進輸出之間的關聯關系。該類方式在數據剖析處理包養速率方面具有顯著優勢。理論上，若具備充分、精確的樣本，機器學習方式可精確擬合各種非線性環節的響應特徵。但樣本選取方法、質量及算法自己將直接影響其有用性。與其他應用領域比擬，包養電力系統數據間往往存在天然的物理關聯關系（如基爾霍夫定律和歐姆定律），結合數據的物理規律（因果關系）有利于提出包養網更為精確和高效的算法。
數據-物理融會方式在精度上年夜幅領先于基于物理模子的方式，對傳統基于數據模子的方式也具有必定進步但剛進入電梯大廳，叫聲變得更加明顯，長而尖的聲；計算速率完整包養app能夠滿足年夜規模系統在線態勢懂得需求；對樣本依賴小于其他基于數據模子的方式，更適合實際系統應用。
2.3 計及電網平安約束的電網態勢把持
新型電力系統中高比例電力電子化特征帶來的高維不確包養條件定性與復雜動態特徵，基于電力系統實時態勢的調度把持時除了需求滿足當前斷面下如網絡約束、機組備用容量等電網靜態平安約束條件，還需計及調度辦法對電包養網網未來態勢的影響，充足考慮連續調度過程中靜態平安約束的時間耦合特徵以及頻率等暫包養網態運行特徵。區別于傳統的基于確定性毛病集的平安校核，將電網平安約束與態勢把持有機融會到一路，通過約束的數學表達構建臺式把持的優長期包養化模子，實現電網態勢的趨穩引導。
2.4 基于人工智能的電網態勢預測
人工智能在多個領域獲得的衝破,也包含在電力工業領域的大批應用。此中，電網態勢預測重要場景有新動力出力預測和負荷預測等。
在新動力出力預測方面，通過對氣象、地輿、空氣動力學等原因的數據化剖析擬合，樹立新動力機組在分歧場景下的出力預測模子，精準反應各類影響原因對于實時功率的影響。
在負荷預測方面，重要應用深度學習方式，改良傳統基于小型數據集的負荷預測方式面對于不確定較強的電力系統形成的預測精度下降問題，還有研討將深度學習與其它方式相結合，嘗試采用聯合方式進行負荷預測，以期進一個步驟進步預測精度。
三、電網態勢感知應用場景
3.1 構成城市電網態勢全景感知與提早調控預案
當前以電網運行計劃和調控系統告警信號驅動的城市電網調度體系在面臨電網態勢變化時響應才能單薄，實時研判決策難度年夜，能夠存在年夜電網平安隱患。
提出以全景態勢感知為基礎的電網提早調控預案：通過短期、中期和長期的態勢感知結果，推演電網態勢演變路徑，以電網平安穩定運行為導向，提出態勢路徑演變中的調控預案，進步電網態勢疾速變化中的調控中間響應才能，變被動調控為主動響應，構成預防性、提早性的調控預案，助力進步供電靠得住性指標。
3.2 應用態勢感知技術主動應對新型電力系統挑戰
新型臉蛋漂亮？難道是……那個人？電力系統中的電源側將發生最基礎性變化，新動力電源的波動性隨機性使得電源的可控性急劇降落，假如為電網供給靠得住供電成為難題。一方面，將配網側的大批柔性資源納進電網調包養網比較控，另一方面，進步對電源負荷的精準感知才能，以便平抑波動性。
態勢感知對于配網測柔性資源的實時潛力評估具有主要意義，通過對分布式電源、可控負荷、儲能單元的態勢感知，計算實時調控潛力匯聚至調控中間，構成柔性可控資源的時空分布圖；態勢預測對于新動力電源與負荷的實時功率預測具有至關主要，通過時間序列剖析、人工智包養網dcard能剖析等方式，能夠準確預測源荷不服衡水平，為功率均衡把持供給決策依據。
在城市電網中，應用態勢感知與預測技術進步實時信息短期包養獲取與剖析才能，進步調控決策才能，摸索城市電網主動應對新型電力系統挑戰的新途徑。
本文首發自北極星輸配電網 作者：劉雪飛（深圳供電局）轉載請申請授權，注明來源及作者！
TC:
發佈留言