1. <bdo id="1cra8"><optgroup id="1cra8"><thead id="1cra8"></thead></optgroup></bdo>
      <tbody id="1cra8"></tbody>
      <track id="1cra8"></track>
      <nobr id="1cra8"><optgroup id="1cra8"></optgroup></nobr>

      <option id="1cra8"></option>
      <track id="1cra8"><span id="1cra8"><td id="1cra8"></td></span></track>

      1. <track id="1cra8"><div id="1cra8"></div></track>
            1. <nobr id="1cra8"></nobr>

              咨詢服務熱線:0351-7780379

              您的位置:首頁技術規范如何準確刻畫新型電力系統?

              如何準確刻畫新型電力系統?

              2023-03-09

              電力系統是現代社會更重要、更龐大、更復雜的人造系統之一,它將風、光、水、煤、核、石油和生物質能等一次能源轉換為便于使用的電能,支撐人類生產生活用能需求。長期以來,電力系統的運行規律可視為構筑在一系列物理機理的基礎上,即采用微分代數方程組等函數將一種物質轉換為另外一種物質且進行優化傳輸,這是一種知識的函數表達和映射過程。

               

              隨著全球進入數字化時代,以及構建新型電力系統的要求,傳統的知識函數表達和映射難以準確、充分刻畫電力系統運行的復雜規律。近幾年,基于數據驅動的機器學習方法在電力系統運營維護中發揮了**作用,但也存在局限,缺乏數據驅動和知識引導相結合的人工智能模型,致使難以利用電力系統知識增強機器的學習能力。因此,需構建電力系統多重知識表達體系,刻畫不同側面屬性及其關聯,有機協調“知識指導的演繹”“數據驅動的歸納”“物理建模的規劃”等理論模型和方法,建立從數據到知識、決策的電力系統學習模型,保障電力系統可靠、綠色、智能運行。

               

              傳統的知識表達難以滿足

               

              新型電力系統分析、調控等要求

               

              隨著以新能源為主體的新型電力系統加快構建,大規模新能源并網和電力市場開放后,電力系統形態將發生變化,電力網絡、信息網絡和社會網絡間的耦合關聯性將顯著增強,同時呈現非線性、強隨機、快時變的復雜巨系統特點。在這種情況下,單純的離線建模和仿真難以滿足復雜電網實時運行分析與準確前瞻調控的要求,同時直接運用傳統的調控模型與算法體系也面臨電力系統海量資源的分散分離和構成功能耦合及更好快速決策等挑戰。

               

              因此,構建新型電力系統在源、網、荷、儲等環節均面臨一些亟需解決的問題。其中,在源側,需提供更靈活的接入技術和接口方法,保障高比例新能源消納;在網側,需建設更快速的計算能力和調控手段,適應電力系統高比例電力電子化趨勢;在荷側,需挖掘更柔性的互動技術和溝通渠道,充分調動需求側參與電力系統調節的自主性;在儲側,需實現更效率的動態平衡和優化調劑,提高電力系統穩定控制水平。

               

              面對上述挑戰,融合多重知識表達的數字電網可提供核心的技術路徑,并進一步發揮電網資源配置平臺和電碳經濟服務平臺的作用。

               

              數字電網的數據量測、智能算法

               

              及算力等助建新型電力系統

               

              數字電網支撐構建新型電力系統的作用主要體現在以下方面:

               

              數據及其量測。在萬物互聯時代,無數據不決策、無數據不運營,充分進行數據采集和處理,是保障大規模新能源并網和消納的基本條件。也就是說,數據成為確保電力系統可觀、可測、可控的首要因素,也是電網指揮體系和決策的關鍵組成。

               

              因此,新型電力系統可觀須建立在充足和有效的量測基礎上,而數字電網具備廣泛的數據獲取和處理能力,通過海量傳感器可以準確掌握電力系統的物理結構,洞悉各組成單元及整體的性能、運行方式、實時狀態、運行效率、健康狀態和環保水平。

               

              智能算法及算力的綜合應用。面向特定領域的智能算法與異構算力的有機融合,是電網適應新形態和滿足規劃、運行、管理新要求的重要手段。

               

              相比傳統的電力系統,新型電力系統的動態行為更加復雜,對計算的準確性和快速性要求更高。其中,以新能源為主體意味著雙高(高比例新能源、高電力電子設備)特點明顯,由于狀態改變時序短、序列信號頻域分布廣、影響動態過程變量混雜,用傳統的以固定參數為核心的靜態模型進行描述和求解較困難。因此,需建立適應大規模、強隨機性系統的高性能仿真計算能力。

               

              同時,新型電力系統節點規模和可控變量的數量急劇加大,對仿真計算的規?;芰σ蟾?。因此,需總結梳理電力系統仿真方法,應用大數據、人工智能等新技術,尋求適應電力系統新形態下的有效、準確的計算理論、方法。

               

              快速協同。新型電力系統對快速協同能力提出了更高要求,隨著電網上下游主體互動加強,電網管理內容和形式將發生變化。因此,需把握數據主線,通過提升數字化運營系統的靈活性和開放性,實現規劃建設、物資供應、資產財務等全鏈條感知和多面貫通,提升業務效率,促進管理變革。

               

              目前,數字電網已具備海量多源數據獲取的能力和良好的量測體系等基礎。近幾年,數字電網建設基于數據,運用神經網絡等數據驅動算法工具,并通過算法和應用創新實現對新型電力系統的初步探索,并在一些點上取得進展。但是,電力系統運行規律難以依靠單純的數據驅動方法進行描述或解釋,同時擁有數據、算力、算法的人工智能模型也難以支撐科學決策,迫切需要領域知識進行指引。

               

              在常年觀測、歸納和演繹的基礎上,電力行業積累了豐富的經驗、規則和知識,能夠描述電力基礎設施外形結構、系統電氣量狀態變化、拓撲連接關系等??蓪⑦@些知識融入人工智能算法模型,形成數據驅動、知識引導和物理建模的新型智能算法,并用知識表達來刻畫數據蘊含的規律,進而形成人機協同模式。

               

              數字電網知識表達包括

               

              形象、函數、語言、深度神經網絡

               

              如前所述,新型電力系統的高維、動態、不確定性給電網穩定運行帶來了巨大挑戰,傳統方法難以準確、完整刻畫和實時掌控,而數字電網的多重知識表達能實現新型電力系統可觀、可測、可控。

               

              通過數字電網的多重知識表達,可提取物理電網的特征規律,準確描述物理電網的設備形態、系統運行的發展趨勢及人、機、物的關聯關系,實現對物理電網更優的決策控制。具體而言,可在中國工程院院士潘云鶴提出的AI 2.0知識三種表達(知識的形象表達、知識的言語表達、知識的深度神經網絡表達)的基礎上,面向數字電網支撐的新型電力系統進行具象化豐富。因此,新型電力系統多重知識表達主要涵蓋以下內容:

               

              數字電網知識的形象表達。電力系統擁有源、網、荷、儲等多個環節龐大的基礎設施,可對電力基礎設施和設備部件進行三維數字化描述,再利用電網場景分布的海量多源、多模態感知數據(包括視覺、電氣量、非電氣量等數據),實現傳感器在電網場景的時空刻畫,支撐數字電網智能化展示、呈現、引導和互動,推動構建新型電力系統。

               

              數字電網知識的函數表達。傳統電力系統的物理機理分析需要**的數學理論體系驗證與表達,即嚴密的物理建模手段,如基于發電、負荷、參數等信息進行電力系統的穩態和暫態計算、準確校核、穩定性分析及電力市場建設等。

               

              數字電網知識的語言表達。電力系統運行的規范、標準、步驟等業務邏輯需要語言文字及建立在其上的知識圖譜進行表達,如電力行業的政策要求、電力系統的調度規程、電網設備的運維手冊、電力營銷的業務流程等。

               

              數字電網知識的深度神經網絡表達。針對電力系統隨機性高、場景復雜、物理機理難以描述等問題,需要通過數據驅動訓練學習得到的深度神經網鏈接權重和鏈接線路進行表達,如新能源出力預測、設備缺陷識別等。

               

              其中,數字電網知識的形象表達主要應用于描述物理電網的設備形態;數字電網知識的函數表達主要應用于描述電力系統電氣量、非電氣量等數據時序變化的物理規律;數字電網知識的語言表達主要應用于描述電力系統人、機、物的關聯關系;數字電網知識的深度神經網絡表達是一種有效的數據驅動工具,對上述三類應用實現補充和支撐,進而形成數據驅動、知識引導和物理建模相統一的人工智能模型。

               

              (黃文琦系南網數字電網研究院人工智能與智能軟件團隊負責人;孫凌云系浙江大學計算機學院副院長;吳飛系浙江大學計算機學院教授)

               

              (責任編輯:李顯杰 )

              部分圖文轉載自網絡,版權歸原作者所有,如有侵權請聯系我們刪除

              上一篇
              下一篇
              人妻熟妇乱又伦精品视频|国产午夜理论不卡电影院888|无码十免费十国产在线91一
              1. <bdo id="1cra8"><optgroup id="1cra8"><thead id="1cra8"></thead></optgroup></bdo>
                <tbody id="1cra8"></tbody>
                <track id="1cra8"></track>
                <nobr id="1cra8"><optgroup id="1cra8"></optgroup></nobr>

                <option id="1cra8"></option>
                <track id="1cra8"><span id="1cra8"><td id="1cra8"></td></span></track>

                1. <track id="1cra8"><div id="1cra8"></div></track>
                      1. <nobr id="1cra8"></nobr>