一种支撑复杂电网断面发现的智能机器调度员软件技术
1. 痛点问题
随着电力系统的发展,电网运行方式时变性和复杂性日益增强,运行专家难以把握电网安全运行的特征和规律,极大的增加了电网运行风险和控制难度。在传统的调度机制中,一方面,运方人员人工选择典型的运行方式,通过离线电力系统分析程序,计算电网潮流,分析电网稳定性,制定电网安全运行边界,进而人工归纳形成“年度运行方式手册”,来长期指导电网运行;另一方面,调度员将上述运行规则作为安全边界(安全约束),输入能量管理系统(Energy Management System,EMS),进而对电网进行调度和控制,以求在安全边界内达到最优运行点。
然而传统的调度机制存在问题,近年来国内外频繁发生的大停电事故也说明了这一点。主要问题归纳如下:
第一,极端运行方式下不安全:电网运行方式多变,离线规则可能不满足极端运行方式的安全要求。
第二,常规运行方式下经济性差:受能力和时间所限,运方人员离线制定运行规则时,仅分析典型运行方式,规则形成后长期使用,相对粗放,缺乏精益化管控,导致电力网络资源利用率低。
第三,随着新能源的大规模并网、需求响应的逐步实现,运行边界频繁变化,不确定性增强。
第四,电力系统运行受到其他系统影响,电力系统安全已经演变成为一个多系统、多因素综合分析问题。以微气象系统为例,对于发电侧,微气象直接影响风电、光伏等新能源的出力;对于需求侧,微气象直接影响工业负荷、智能楼宇、电动汽车等的负荷功率。因此,微气象系统通过影响发电负荷水平,进而影响电力系统安全。因此,随着电力系统与其他系统的关系日益紧密,电力系统安全评估时需要考虑其他系统(例如微气象系统)的影响。
综上所述,传统的调度机制已经无法适应新的形势。因此,亟需研究支撑复杂电网断面发现的智能机器调度员软件的关键技术,通过人工智能、深度学习等信息领域与能源领域的交叉研究,突破支撑复杂电网断面发现的智能机器调度员的基础理论瓶颈,从实际电力系统出发(物理维),立足现有调度机制,基于在线运行方式,采用模型驱动的安全评估方法(模型驱动),形成海量电力系统安全评估仿真样本(数据维);再以这些样本为基础,通过机器学习训练数据驱动的电力系统在线安全评估模型(数据驱动),形成电力系统安全运行知识图谱(知识维),以代替运方的“年度运行方式手册”。
2. 解决方案
本成果提出了一种支撑复杂电网断面发现的智能机器调度员技术,包括可再生电源的数据驱动电压频率响应特性建模方法、用于暂态稳定预测的失稳样本主动生成方法、电力系统暂态稳定评估方法、结合深度学习和仿真计算的暂态稳定严重故障筛选方法、考虑运行约束的调整潮流生成方法等关键技术,开发了支撑复杂电网断面发现的智能机器调度员软件。该软件用“人工智能”代替“专家智能”,以电力系统安全评估产生的海量仿真数据为基础,以人工智能和机器学习为手段,构建电力系统安全运行知识图谱,从而将“专家智能”离线制定粗放运行规则的模式,变革为“人工智能”在线发现精细运行规则的模式,逐步代替运方的“年度运行方式手册”,保证复杂电网安全、稳定、经济运行。
3. 合作需求
寻求应用场景和资源对接,应用场景和业务能覆盖断面规模众多的大省如浙江、广东等,并且有与输电网断面发现的大中型企业有合作经验,同时具有一定的技术开发能力、市场推广资源和现场工程实施经验,能与现有团队形成合力,通过信息领域与能源领域的交叉研究,突破支撑复杂电网断面发现的智能机器调度员软硬件难题。为保障项目实施质量和进度要求,拟合作团队需通过ISO9001质量管理体系认证,且是国家高新技术企业。期望通过合作,全面开展产品和服务的推广销售。
清华大学
2023-03-03