電力系統(tǒng)科學(xué)智能應(yīng)用和展望-陸繼翔

CONTENTS3電網(wǎng)科學(xué)智能研究探索2中國電機(jī)工程學(xué)會中國電機(jī)工程學(xué)會高比例新能源、高比例電力電子設(shè)備給新型電力系統(tǒng)計(jì)算、分析與決策帶來了強(qiáng)不確定性、源荷雙向不確定性導(dǎo)致電力系統(tǒng)運(yùn)行方式更加多樣化，電新型電力系統(tǒng)變量數(shù)量眾多、網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，使得系統(tǒng)狀新能源隨機(jī)性特征以及電力電子設(shè)備的開關(guān)特性，電力系統(tǒng)的運(yùn)行特征呈現(xiàn)出明顯的非凸非線性。DSAclDSDSAclDSAclDSAclDCAd王2F8規(guī)?；痆座規(guī)?；痆座Dc集中大型火(水)88流與柔性多喘置流輸出微網(wǎng)流與柔性多喘置流輸出微網(wǎng)態(tài)嬰蜜盆態(tài)嬰蜜盆DdDd電力電子變壓器分布式電源樓字與民用電源分布式電源直流負(fù)荷3調(diào)度等電網(wǎng)運(yùn)行核心業(yè)務(wù)環(huán)節(jié)。電網(wǎng)運(yùn)行科學(xué)計(jì)算多維因素?cái)?shù)學(xué)建模與預(yù)測偏微分方程組高效求解海量方式組合分析混合整數(shù)電網(wǎng)運(yùn)行科學(xué)計(jì)算多維因素?cái)?shù)學(xué)建模與預(yù)測偏微分方程組高效求解海量方式組合分析混合整數(shù)非線性優(yōu)化2仿真求解：大量電力電子設(shè)備并網(wǎng)，使電網(wǎng)呈現(xiàn)強(qiáng)不確定性、低慣量等復(fù)雜特征，對仿真計(jì)算提出更高要求。23方式分析：運(yùn)行方式不確定性增強(qiáng)，各類安穩(wěn)問題耦合，仿真計(jì)算及專家經(jīng)驗(yàn)不堪重負(fù)，安穩(wěn)邊界刻畫問題凸顯。34優(yōu)化調(diào)度：新型電力系統(tǒng)隨機(jī)性和不確定性顯著增加，需提升調(diào)度優(yōu)化決策能力，實(shí)現(xiàn)多級協(xié)同控制。4501科學(xué)智能概念讓人工智能利用自身強(qiáng)大的數(shù)據(jù)歸納和分析能力學(xué)習(xí)科學(xué)規(guī)律和原理，從而得到科學(xué)模型，解決實(shí)際的科研問題，大大加速了科研探索的進(jìn)程，并獲得僅使用傳統(tǒng)科學(xué)方法可能無法獲得的底層邏輯擬合機(jī)理模型，加速科學(xué)計(jì)算底層邏輯擬合機(jī)理模型，加速科學(xué)計(jì)算洞察數(shù)據(jù)模式，實(shí)現(xiàn)精準(zhǔn)預(yù)測探索因果規(guī)律，揭示科學(xué)機(jī)理生物生物氣象科學(xué)智能DeePMD:科學(xué)智能DeepMind:可控核聚變盤古、GraphCast:中期天氣預(yù)報甲中國電機(jī)工程學(xué)會02科學(xué)智能典型案例解析一：蛋白質(zhì)折疊中國電機(jī)工程學(xué)會2024年，AlphaFold3基于15萬高質(zhì)量數(shù)據(jù)，融合三角不等式約束物理知識Pairformer機(jī)理計(jì)算時間從數(shù)年縮減到數(shù)分鐘，突破耗時長實(shí)驗(yàn)測定模式?！栴}描述：蛋白質(zhì)折疊問題的本質(zhì)就是根據(jù)氨基酸序列分析推演蛋白質(zhì)的精確三維結(jié)構(gòu)，屬于模式判別問題?！るy點(diǎn)與挑戰(zhàn)：蛋白質(zhì)空間結(jié)構(gòu)上的排列方式多、序列與結(jié)構(gòu)之間的復(fù)雜關(guān)系、實(shí)驗(yàn)技術(shù)的局限性等因素，導(dǎo)致推演判別蛋白質(zhì)的三維結(jié)構(gòu)非常困難?！し椒ǎ篈lphaFold3將PairFormer模塊替換EvoFormer模塊，更專注于處理蛋白質(zhì)的基本結(jié)構(gòu)和相互作用，提高準(zhǔn)確性的同時簡化模型架構(gòu)；利用擴(kuò)散(Diffusion)模塊取代結(jié)構(gòu)模塊，直接預(yù)測每個原子的三維坐標(biāo)，使得模型能夠更準(zhǔn)確地捕捉生物分子及其復(fù)合物的三維結(jié)構(gòu)細(xì)節(jié)。s回收機(jī)制Jumper,J.etalHighlyaccurateproteinstructurepredpo*po*2023年，華為發(fā)布盤古氣象大模型，融合地球?qū)Ｓ梦恢闷畹鹊乩硪?guī)律，機(jī)理+數(shù)據(jù)融合設(shè)計(jì)三維神經(jīng)網(wǎng)絡(luò)模型，預(yù)測速度比數(shù)值預(yù)報快1萬倍，突破數(shù)值預(yù)報算不快的問題。pA24x10天的氣象指標(biāo)，屬于時序預(yù)測問題。用解析解，而海量大氣數(shù)據(jù)導(dǎo)致了數(shù)值模擬計(jì)算非常困難。報間隔時間的模型(分別為1h、3h、6h和24h),減少預(yù)性。盤古氣象大模型使用單張V100預(yù)報24小時全球氣象僅用時1.4秒。中國電機(jī)工程學(xué)會Le02科學(xué)智能典型案例解析三：分子勢能計(jì)算中國電機(jī)工程學(xué)會Le速度提升五個數(shù)量級，突破分子動力學(xué)算不快的問題。計(jì)澤結(jié)果三·問題描述：分子勢能計(jì)算案例主要通過深度神經(jīng)網(wǎng)絡(luò)擬合分子勢能函數(shù)求解，屬于加快科學(xué)計(jì)算速度，解決微分方程求·難點(diǎn)與挑戰(zhàn)：傳統(tǒng)分子動力學(xué)計(jì)算分子勢能主要運(yùn)用從頭算分子動力學(xué)(AIMD),該方法基于密度泛函理論(DFT)·方法：該策略借助大模型理論，訓(xùn)練分子動力學(xué)勢能函數(shù)預(yù)。9秒時間內(nèi)實(shí)現(xiàn)對等離子體的自主優(yōu)化控制，突破物理方程算不快的問題?！ぁ栴}描述：通過控制托卡馬克裝置上的19個線圈來操控磁場，實(shí)現(xiàn)等離子體的穩(wěn)定反應(yīng)，量控制等特性，實(shí)驗(yàn)投入昂貴，實(shí)驗(yàn)機(jī)會難通過與托卡馬克模擬器的互動學(xué)習(xí)，并將安全邊界條件嵌入獎懲函數(shù)，使得模型能夠自主生成精確的線圈電壓控制策略。bSurrubSurruyparansterswnmpokioypokioyUrt中國電機(jī)工程學(xué)會中國電機(jī)工程學(xué)會四中國電機(jī)工程學(xué)會02科學(xué)智能典型案例解析五：自動駕駛中國電機(jī)工程學(xué)會2023年，TeslaFSDV12將感知、預(yù)測、規(guī)劃結(jié)合到統(tǒng)一端到端模型中，直接輸出規(guī)劃和控制動作，突破傳統(tǒng)模塊化設(shè)計(jì)方法，實(shí)現(xiàn)自動駕駛技術(shù)的顛覆性發(fā)展，解決復(fù)雜環(huán)境下的實(shí)時決策問題?！ぁ栴}描述：自動駕駛是一種在沒有駕駛員干預(yù)的情況下，通過識別外部環(huán)境來控制車輛到達(dá)目的地的技術(shù)?！るy點(diǎn)與挑戰(zhàn)：準(zhǔn)確理解、感知環(huán)境，實(shí)時數(shù)據(jù)處理、動作決策和路徑規(guī)劃，駕駛場景復(fù)雜多變。將感知、預(yù)測和規(guī)劃結(jié)合到一個單一框架中，以原始傳感器數(shù)據(jù)為輸入，以規(guī)劃和控制動作作為輸出。Tesla引入了視頻預(yù)訓(xùn)練基礎(chǔ)模型，用于實(shí)時處理車載攝像頭數(shù)據(jù)、識別環(huán)境物體和移動速度。Tesla拋棄了所有人工編寫的規(guī)則，而使用人類駕駛視頻數(shù)據(jù)訓(xùn)練模型，數(shù)據(jù)量超50億公里并包含多種異常場景數(shù)據(jù)。傳感鑿感知決策規(guī)劃控制執(zhí)行么輛狀態(tài)中國電機(jī)工程學(xué)會中國電機(jī)工程學(xué)會成功因素成功因素以AlphaFold為代表的人工智能技術(shù)能夠在生物、氣象、物理等科學(xué)領(lǐng)域中取得巨大成功，歸納起來主要有三方面的原因：從CNN到Transformer到擴(kuò)散模型從CNN到ResNet到多層圖神經(jīng)網(wǎng)絡(luò)提取相似的蛋白質(zhì)的結(jié)構(gòu)信息作為特征輸入模型提取了高空大氣變量、地表變量、太陽輻射等時序信息、靜態(tài)地理特征輸入模型根據(jù)蛋白質(zhì)空間結(jié)構(gòu)的領(lǐng)域知識簡化神經(jīng)網(wǎng)絡(luò)模型根據(jù)地球氣壓層級的不同來定制網(wǎng)絡(luò)精度使用原子間的距離、夾角等物理特性約束地表氣象預(yù)測的精度比大氣高層的精度更重?fù)p失函數(shù)要40年高分辨率全球氣象數(shù)據(jù)3電網(wǎng)科學(xué)智能研究探索計(jì)算機(jī)技術(shù)對電力系統(tǒng)運(yùn)行狀態(tài)進(jìn)行模擬、預(yù)測、全、可靠和經(jīng)濟(jì)運(yùn)行。電網(wǎng)運(yùn)行科學(xué)智能是將人工智能技術(shù)融入電性和決策優(yōu)化，實(shí)現(xiàn)電力系統(tǒng)的智能化計(jì)算。狹義：狀態(tài)估計(jì)、潮流分析、仿真建模、暫態(tài)穩(wěn)定分析、短路計(jì)算、電壓控制、最優(yōu)調(diào)度和風(fēng)險評估等涉及數(shù)學(xué)計(jì)算的功能。廣義：包含認(rèn)知計(jì)算的智能系統(tǒng)，如構(gòu)建Al系統(tǒng)實(shí)現(xiàn)電網(wǎng)的自主協(xié)調(diào)和優(yōu)化。等行數(shù)賢網(wǎng)安全箱定時回臺修數(shù)惱計(jì)算加速電網(wǎng)運(yùn)行時序預(yù)測@李生電網(wǎng)李生電網(wǎng)科服體電力行業(yè)大模型奧校數(shù)高效計(jì)算警前反優(yōu)化刀化京題甲中國電機(jī)工程學(xué)會02電網(wǎng)運(yùn)行科學(xué)智能探索中國電機(jī)工程學(xué)會①負(fù)荷預(yù)測I②潮流分析③穩(wěn)定評估④機(jī)組組合1)問題描述負(fù)荷預(yù)測的本質(zhì)問題是建立歷史負(fù)荷及氣象等輸入因素與未來負(fù)荷之間的映射關(guān)系。當(dāng)前存在負(fù)荷特性難以精準(zhǔn)刻畫、節(jié)假日、極端天氣等小(零)樣本場景預(yù)測精度難以提升等挑戰(zhàn)。溫控負(fù)荷預(yù)測其他負(fù)荷預(yù)測模型氣象數(shù)據(jù)異常檢測與歷史負(fù)數(shù)據(jù)模型評估與調(diào)優(yōu)其他負(fù)荷分量數(shù)據(jù)預(yù)處理特征工程負(fù)荷分解溫控運(yùn)行經(jīng)驗(yàn)專業(yè)知識等相似日選取回歸分析結(jié)果預(yù)測修正天氣類型最高/低溫度平均溫度等相似度林政策變化墮①負(fù)荷預(yù)測I②潮流分析③穩(wěn)定評估2)技術(shù)路線不同省、地市歷史負(fù)荷、氣象、設(shè)備運(yùn)行狀態(tài)數(shù)據(jù)負(fù)荷特性、對用電行為的影響力確定性預(yù)測、概率預(yù)測具備優(yōu)勢通用性強(qiáng)準(zhǔn)確率高02電網(wǎng)運(yùn)行科學(xué)智能探索中國電機(jī)工程學(xué)會①負(fù)荷預(yù)測I②潮流分析③穩(wěn)定評估④機(jī)組組合3)實(shí)驗(yàn)驗(yàn)證在某省級系統(tǒng)負(fù)荷數(shù)據(jù)上開展日前預(yù)測實(shí)驗(yàn)：基于預(yù)訓(xùn)練的時序大模型零樣本預(yù)測準(zhǔn)確度達(dá)95.7%,并通過微調(diào)預(yù)訓(xùn)練模型將零樣本推斷準(zhǔn)確度提高到97.8%。2024-11-192024-11-212022024-11-132024-11-152024-11-192024-11-2120202電網(wǎng)運(yùn)行科學(xué)智能探索中國電機(jī)工程學(xué)會1)問題描述電力系統(tǒng)規(guī)劃和運(yùn)行面臨海量場景和海量計(jì)算帶來的維數(shù)災(zāi)難問題，通過人工智能方法進(jìn)行潮流計(jì)算、N-k靜態(tài)安全分析、拓?fù)浔孀R和參數(shù)辨識等研究，有望解決高比例新能源電力系統(tǒng)仿真分析計(jì)算難題。人工智能算法機(jī)理模型驅(qū)動人工智能算法機(jī)理模型驅(qū)動原始網(wǎng)絡(luò)拓?fù)涔β势胶夥匠淘季W(wǎng)絡(luò)拓?fù)鋚po分解法牛頓拉弗遜法A02電網(wǎng)運(yùn)行科學(xué)智能探索中國電機(jī)工程學(xué)會①負(fù)荷預(yù)測!②潮流分析③穩(wěn)定評估④機(jī)組組合2)模型設(shè)計(jì)綜合運(yùn)用圖神經(jīng)網(wǎng)絡(luò)、注意力機(jī)制及物理信息嵌入神經(jīng)網(wǎng)絡(luò)等技術(shù)，結(jié)合電網(wǎng)歷史數(shù)據(jù)，動態(tài)提取時空特征，實(shí)現(xiàn)潮流計(jì)算等非線性方程組的快速精確求解。下游任務(wù)包括量測補(bǔ)全、狀態(tài)估計(jì)、N-k靜態(tài)安全分析、參數(shù)估計(jì)和拓?fù)浔孀R等潮流分析任務(wù)。預(yù)訓(xùn)練模型編碼器處理模塊編碼器處理模塊掩碼輸入圖數(shù)據(jù)N-k靜態(tài)安全輸入圖數(shù)據(jù)N-k靜態(tài)安全分析參數(shù)分析狀態(tài)估計(jì)量測補(bǔ)全量測補(bǔ)全拓?fù)浞治鲋袊姍C(jī)工程學(xué)會02電網(wǎng)運(yùn)行科學(xué)智能探索中國電機(jī)工程學(xué)會3)實(shí)驗(yàn)驗(yàn)證構(gòu)建118節(jié)點(diǎn)和300節(jié)點(diǎn)拓?fù)漕A(yù)訓(xùn)練模型，基于10萬斷面樣本訓(xùn)練集，驗(yàn)證預(yù)訓(xùn)練模型的求解VθVθQVθQ91.1%圖神經(jīng)網(wǎng)絡(luò)94.1%89.1%①負(fù)荷預(yù)測|②潮流分析③穩(wěn)定評估④機(jī)組組合1)問題描述在新型電力系統(tǒng)“雙高”背景下，機(jī)電暫態(tài)仿真難以準(zhǔn)確刻畫系統(tǒng)的動態(tài)過程，而機(jī)電-電磁、全電磁暫態(tài)仿真計(jì)算耗時長，難以滿足暫態(tài)穩(wěn)定在線評估的要求。因此，開發(fā)基于人工智能的在線仿真加速技術(shù)，成為實(shí)現(xiàn)電力系統(tǒng)暫態(tài)穩(wěn)定快速評估的切實(shí)需求。新能源網(wǎng)架拓新能源網(wǎng)架拓電力市場負(fù)荷需求1萬+節(jié)點(diǎn)省級電網(wǎng)運(yùn)行方式組合1億+預(yù)想故障場景機(jī)電仿真不準(zhǔn)電磁仿真不快電壓神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)來源：·實(shí)測數(shù)據(jù)(不均衡)·仿真場景(不完整)系統(tǒng)(僅限于研究)圖卷積神經(jīng)網(wǎng)絡(luò)1輸編解碼甲02電網(wǎng)運(yùn)行科學(xué)智能探索①負(fù)荷預(yù)測!②潮流分析③穩(wěn)定評估l④機(jī)組組合2)工作內(nèi)容研究基于特征工程、機(jī)理約束、機(jī)理引導(dǎo)的新型電力系統(tǒng)暫態(tài)穩(wěn)定評估方法，實(shí)現(xiàn)對電力系統(tǒng)實(shí)時運(yùn)行場景暫態(tài)穩(wěn)定裕度的快速評估。輸入基礎(chǔ)潮流場景數(shù)據(jù)中國電機(jī)工程學(xué)會*擴(kuò)充負(fù)荷、新能源數(shù)據(jù)生成最優(yōu)潮流計(jì)算中國電機(jī)工程學(xué)會*樣本生成模型訓(xùn)練樣本生成模型訓(xùn)練預(yù)測結(jié)果數(shù)據(jù)樣本預(yù)測結(jié)果數(shù)據(jù)樣本甲中國電機(jī)工程學(xué)會n3)實(shí)驗(yàn)驗(yàn)證法優(yōu)化等方法來進(jìn)一步提升效果。r根多平*方Nng為5ampleIndex1)問題描述問題：在機(jī)組組合優(yōu)化中，面臨著規(guī)模龐大、復(fù)雜度高的挑戰(zhàn)，同時電力市場對優(yōu)化算法的實(shí)時性要求高；在實(shí)際應(yīng)用中，電網(wǎng)拓?fù)?、機(jī)組參數(shù)及線路安全等約束條件多保持穩(wěn)定，使得優(yōu)化求解過程存在歷史數(shù)據(jù)利用不足的問題。實(shí)際調(diào)度問題調(diào)度方案歷史數(shù)據(jù)集映射調(diào)度方案歷史數(shù)據(jù)集映射代入輸出新能源等數(shù)據(jù)多目標(biāo)規(guī)模(省級電網(wǎng))約束機(jī)組數(shù)量網(wǎng)絡(luò)稠密約束上干個130萬+拓?fù)涔?jié)點(diǎn)