电网调控领域人工智能技术框架与应用展望

电网调控领域人工智能技术框架与应用展望

詹雷 ,曹佑军,王升杰

国网湖北省电力有限公司咸宁供电公司，湖北省 咸宁市 437100

摘要：近年来，国内电网的规模持续扩大。采用人工智能技术对电网进行管理，有利于电网大幅度提高管理效率。人工智能技术与电力网络的有机结合，促进了电力企业的发展，同时对推动国家智能电网战略的发展具有重要意义。因此，通过研究智能化电网的特征，结合人工智能技术的特点，在电网设计、建设和运营的各环节中加强人工智能技术的深度融合，以发挥其最大优势。

关键词：人工智能；智能电网；神经网络

1电网调控领域人工智能应用技术框架

基于大数据和人工智能的大电网智能控制系统框架英文名称为sgds，属于现代物理信息系统范畴，是一个综合体，不仅包括电网物理系统，还包括信息系统和仿真系统。基于大数据和人工智能的大电网智能调控系统框架，是在传统电网智能调度的基础上，将大数据和人工智能技术时代深深融入电网调度，这样不仅可以对数据进行准确的分析，提高大电网智能调控系统的分析能力，而且可以洞察数据中更多的信息，保证大电网智能控制系统的稳定安全运行。

   遵循“需求驱动、问题导向”原则，以服务“清洁低碳、安全高效”能源体系为目标，深入分析电网调控业务需求与人工智能技术的结合点，有效借鉴前期探索和实践经验，充分发挥调控数据资源优势，引入先进、适用的人工智能技术，引领调控领域智能化发展，支撑全社会清洁经济用能和大电网安全高效运行。一是依托现有技术体系开展人工智能研究与应用。依托现有技术体系中仿真计算平台、调度自动化系统、调控云等技术装备的数据、算力和业务场景资源，夯实人工智能应用基础，探寻明确人工智能应用领域，运用人工智能的创新驱动力，推动现有技术体系升级。二是充分吸收借鉴已有研究和实践成果。巩固调度运行智能助手、监控信号智能分析、人机智能交互等前期探索成果，以点带面、触类旁通，带动调控领域人工智能技术应用的深化与拓展。三是利用人工智能技术助力调度自动化系统升级换代。抓住新一代调度自动化系统研发的历史机遇，运用调控云带来的大数据优势，紧扣负荷调度控制、新能源消纳、气象环境影响分析等新应用的研发需求，服务于在线精准分析、运行智能安排、市场自动出清等技术难题的攻关，大胆研发应用人工智能新技术，实现技术跨代创新。

2 电网调度控制面临的挑战

    一是大电网安全管控难度加大。国家电网已发展成为以跨区直流大规模送电为典型特征的交直流混联电网。跨区大规模送电成为影响电力平衡的重要因素，电力平衡协调难度增加。系统故障形态复杂，大功率直流冲击下导致的新能源大规模脱网、大范围潮流转移、同送同受多回直流同时换相失败等连锁反应成为新特征，影响范围扩大，事故处置与恢复难度加大。交直流故障引发大范围连锁反应、密集输电通道遭受严重灾害、安控装置拒/误动等事件均可诱发大面积停电事故，安全风险管控难度增大。二是电力市场化改革任务重。市场化改革需要妥善处理市场电与计划电衔接、中长期与现货市场衔接、省间与省内市场协调、市场化生产组织与一体化安全管控相协调的难题，需要优化重构年度、月度、日前、日内调度业务流程以及国分省地四级调度纵向协同流程，需要全面提升调度计划和现货市场业务支撑能力。

3人工智能在电网调控运行中的应用

3.1在智能调度中的应用

在智能电网的调度中，AI 技术的应用主要体现在电网预测与辨识上。在此过程中，人们利用AI 技术中的人工算法，结合调度大数据技术，使 AI 模糊决策模型可以根据学习样本数据，来预测电网运行趋势， 然后对有可能出现的故障进行分析，最后根据分析结果，协调智能电网的运作，以准确规避各类运行风向，使其时刻保持良好的运行状态。此外，随着清洁能源开发利用的不断深入，人们逐步研发出了微电网， 以解决多种电源并网的问题。在微电网技术的背景下，智能电网转化为了一个由分布式电源、能量转换装置等结构组成的小型配电系统， 人们通过将AI 技术应用到该类型的智能电网中，可以构建一个深度递归神经网络，并利用该网络对微电网的运行状态特征进行提取，再基于此，调控微电网中的各个分布式发电单元，实现智能微电网的优化调度，同时，由于该调度模式完全是通过学习而形成的，所以无需预测建模，即可呈现出对微电网的良好自适应性，由此可见，AI 智能调度系统不仅能有效用于传统的智能电网结构中，而且在微电网模式的智能电网调度中，依然可以表现出优质的性能。

3.2电价预测

为了保证新一轮电改的顺利进行，对电力市场的相关研究也日渐兴起。而对电价进行准确的预测在市场化推进中至关重要。深度学习可以从样本数据中挖掘出历史电价、社会因素等内外在因素与电价间的关联关系，预测精度较高。预测类问题作为人工智能在电力系统最  早应用场景之一，从早期的 BP 神经网络、支持向量机到新一代的深度学习算法都有广泛的应用。可以总结这类问题的特点：①历史数据量大；②具备一定的容错性；③机理模型尚不明确；④任务要求单一。这类问题与人工智能方法自身特点是较为契合的，满足了深度学习模型训练所需的大量数据，同时，这类问题的无明确物理机理也使得深度学习的“黑箱”特性得到较大的包容度。

3.3 开展站址方案智能选择研究，实现选站智能化

平台针对微观选站，基于规划大数据，综合考虑各类影响因素， 对变电站选址影响因素进行指标体系建立，在一定的区域内利用 GIS 空间分析与选址知识进行区域判断，进一步利用多边形内接矩形匹配算法寻找满足面积要求的候选区，最终可自动计算出规划年主网变电站的选址结果。分析得到结果后，还可利用空间多尺度评价模型对选区进行指标统计分析，将涉及的地形起伏、用地约束、交通因素、河流因素、地质因素等指标进行智能综合判断，对候选站址进行综合评价，有效提升变电站选址的智能化水平。

结语

人工智能是电网调控领域的一项高新技术。它借助数据和模型优化了调控技术的质量和效率，突出了电网调控的现代化和智能化。因此，有必要探索人工智能在电网调控领域的技术框架，应用高速计算、故障分析、负荷预测等技术，明确系统建设的目标和思路，优化智能决策，从而满足电网调控的需要。

参考文献:

[1]吴小康，袁龙，范俊秋，等．人工智能在电网调控全业务链路中的探讨[J]．电子测试，2020(2):121-122,95．

[2]李明节，陶洪铸，许洪强，等．电网调控领域人工智能技术框架与应用展望[J]．电网技术，2020(2):393-400．

[3]范士雄，李立新，王松岩，等．人工智能技术在电网调控中的应用研究[J]．电网技术，2020(2):401-411．