【浙江大学】2024基于机理与人工智能混合驱动的新型电力系统智能分析与调控策略研究报告_35页_9mb

基于机理与人工智能混合驱动的新型电力系统智能分析与调控策略研究总结

核心内容

本研究围绕新型电力系统面临的高不确定性、强随机性等挑战，提出基于机理模型与人工智能技术相结合的智能分析与调控策略，旨在提升电网运行的安全性、经济性和可靠性，支持“碳达峰、碳中和”目标的实现。研究内容涵盖多时空维度功率预测、电网运行关键特征提取与解析、数字孪生建模与参数智能辨识、以及基于深度强化学习的智能调控技术。

主要观点

1. 新型电力系统主要特征

   • 高比例可再生能源并网
   • 高比例电力电子设备化
   • 储能设备大量接入
   • 负荷侧响应资源
   • 电力市场新规则

2. 主要挑战

   • 电网运行的动态性、随机性、不确定性显著增强
   • 传统基于有限经验与模型仿真的策略难以达到最优效果（过度乐观或保守）
   • 缺乏应对电网强不确定性、强随机性的有效分析手段
   • 多数调度策略依赖离线制定，缺乏数据驱动的实时控制系统

3. 核心技术需求

   • 快速准确的在线安全评估方法以提升“态势感知”
   • 有效的在线安全智能调度控制方法
   • 提升模型质量和参数辨识能力，以提高仿真精度和速度

关键信息

研究工作1: 多时空维度功率预测技术

• 应用场景：生活负荷、工商业园区负荷、新能源发电、充电场站等
• 技术手段：基于集成机器学习模型
• 落地应用：多个电力公司已采用该技术
• 预测效果：通过多时间、多空间维度预测，提升电网运行的预见性和调控精度

研究工作2: 电网运行关键特征提取与解析

• 技术手段：建立机电-电磁混合仿真模型，结合人工智能技术
• 成果：形成软件系统，用于识别电网运行中的关键特征与风险
• 应用场景：交直流混联新型电力系统运行风险分析

研究工作3: 电力系统规划与调度智能决策

• 技术手段：基于深度强化学习（DRL）的智能决策技术
• 功能模块：
  • 电力设备优化配置方案
  • 无功电压、有功、网损、拓扑控制
  • 典型运行方式自动生成
• 应用案例：部署于江苏省电力公司调控中心，解决电压越限、网损、潮流收敛等问题

研究工作4: 数字孪生建模与参数智能辨识

• 技术手段：建立数字孪生模型，结合AI技术实现关键参数的智能识别
• 模型类型：
  • 传统发电机组模型
  • 直流、风电等电力电子设备模型
  • 复合负荷模型
• 应用：通过AI自动识别模型参数，提高仿真精度与效率

深度强化学习（DRL）在电网调控中的应用

• 思路：通过“左右手互博”方式进行自主学习，AI智能体通过解题提升调控能力
• 智能体设计：
  • 控制目标：确保传输走廊/联络线功率不越限，考虑稳定限额和检修计划
  • 状态空间：母线电压、线路功率、发电机功率、负荷功率
  • 动作空间：发电机有功出力、变电站负荷转移
  • 奖励值设计：结合基态控制、潮流收敛、稳定限额等，鼓励降低网损，惩罚越限和潮流发散
• 训练过程：
  • 使用BPA交流潮流计算程序，结合历史、未来运行方式文件
  • 通过5分钟间隔的样本数据进行训练，200多个断面训练后模型收敛，持续优化
• 应用案例：
  • 浙江绍兴充电场站负荷聚类分析：通过Kmeans++、关联规则、拉普拉斯特征映射等技术，实现负荷分类与趋势分析
  • 宁波灵峰和前湾园区负荷峰谷差控制：通过储能设备优化，显著降低峰谷差与整体波动
  • 浙江绍兴智能拓扑控制：通过节点分裂/合并与线路开关操作，实现最优拓扑调整，提升系统稳定性
  • 主动配电网潮流评估：使用DNN模型进行潮流估计，应对测量值缺失问题，误差率控制在合理范围内

人工智能方法简介

• 监督式学习：基于历史数据训练模型，生成符合要求的输出
• 强化学习：通过奖励机制，实现动态系统的逻辑推演、优化与控制
• 深度学习：具备强大的非线性表征学习能力，用于模式识别、建模分类和预测
• 深度强化学习：结合深度学习的表征能力与强化学习的决策能力，实现电网的智能调控

虚拟电厂

• 定义：将分布式可再生发电、储能及负荷等子系统聚合成一个虚拟实体，参与电力市场交易
• 功能作用：
  • 提高电网经济性和可靠性
  • 促进新能源消纳和高效利用
  • 实现用户侧智能调控，解决新能源并网难题
• 与传统电厂区别：
  • 能源利用率更高，经济性更好
  • 支持更精细化的调控
  • 优化阻塞区可调资源，缓解局部阻塞

性能总结

• 训练数据：7,249个EMS断面潮流文件（2019.12.03-2020.1.13）
• 控制效果：
  • 99.41%的断面得到有效指令
  • 平均网损降低约3.6412%
  • 在线运行中解决239个断面越界问题
• 应用案例：
  • 浙江绍兴充电场站：实现负荷聚类与趋势分析
  • 宁波园区：降低峰谷差和波动水平
  • 绍兴拓扑控制：实现多拓扑配置优化，提升系统安全性

智能调控平台

• 平台功能：
  • 电力系统建模与仿真
  • 人工智能算法应用
  • 多目标仿真、校验与控制
• 应用方向：
  • 暂态稳定模型参数校验
  • 关键走廊传输极限预测
  • 电网潮流预测
  • 在线安全稳定性预测
  • 电网工况自动生成

总结

本研究通过结合机理模型与人工智能技术，构建了新型电力系统的智能分析与调控框架。深度强化学习在电网运行中的应用显著提升了系统的动态响应能力与在线控制效果，解决了传统方法在应对不确定性与随机性方面的不足。通过多场景应用与优化，实现了电网运行的智能化、高效化和安全化，为构建高比例可再生能源接入的新型电力系统提供了有力支撑。