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

刁瑞盛博士面向新型电力系统的智能规划与决策技术面向新型电力系统的智能规划与决策技术研究工作1:多时空维度功率预测技术研究工作2:电网运行关键特征提取与解析研发了基于集成机器学习模型的针对交直流混联新型电力系统多时间、空间维度功率预测技术，运行风险，建立机电-电磁混应用场景包括生活负荷、工商业合仿真模型，研发了基于人工园区负荷、新能源发电、充电场智能的电网运行关键特征自动站等，落地应用于多个电力公司。解析技术，形成软件系统。2口高比例可再生能源并网口高比例电力电子设备化口储能设备大量接入口负荷侧响应资源口电力市场新规则效果(过度乐观或保守)Q33(situationalawarenes◆仿真速度受限机器学习AVCAGC事件化自巡航NNNN1实时决策●●机器人游戏人工智能●●技能获取55无监督学习无监督学习半监督学习监督学习强化学习监督学习强化学习开发的制066监督式学习Alabelertotrainour强化学习7应用1:多时间维度功率预测应用1:多时间维度功率预测核心功能模块多时间维度15分钟前多时间维度15分钟前4小时前24小时前光伏、风场发电整试电动汽车充电试9标幺化验证集训练集滚动预测24小时数据更测试集配网日前光伏预测Time(1daya应用2:基于无监督式学习的负荷聚类分析应用2:基于无监督式学习的负荷聚类分析mcz.Shen,L.Ling,L.Zhang,S.ShenY.Huang,S.Fu,R.Diao*,andH.Li,“IntelientClusteringandTreDistribution,"inProceedingsof交直流混联电网复杂故障后稳定特性解析交直流混联电网复杂故障后稳定特性解析机受98故障模型序号王之伟，黄俊辉，孙文涛，孙方圆，兰图，刁瑞盛，“含嵌入式直流的受端电网动态响应智能分析方法”,电力工程技术，2024.114★技术优势：逻辑推演、优化、运行与控制+actipn通过“左右手互博”方式进行自主学习通过“左右手互博”方式进行自主学习),评估测试并反馈其“智力”水平。决常材度电网眼(高性能计算)十可在不断与电网环境交互的过程中学习有效的控制策略，并最终掌握该项调控应用。NetworkNetwork基本原理基本原理电网运行/仿真环境电网运行/仿真环境深度强化学习agentvJ1zv.Qu.ov,M10)ViotationzoneNegativeDivergedsolution的控制冲预期控制电网脑的控制冲预期控制电网脑FinalReward=Z”_,Reward,/n训练过程ReinforcementLeaning,”inP型，覆盖江苏全网(QS文件)状态空间·线路潮流(有功、无功),约100条线路动作空间·5个发电厂(共12台机组)的电压设定值，奖励值设计·惩罚线路功率越限部署于江苏省电力公司调控中心交流潮流求解程序019年11月22日311571个断面越(下决19年11目29日19年11目29日面奖励值随断面变化过程有239个断面越(解决奖励值随断面变化过程断面个数在测试阶段，经过D5000系统的验证，所有潮流断面均得到求解。智能体调控性能总结(江苏张家港分区)多多SAC智能体·4个离线训练·1个在线更新·1个实时应用·性能总结·平均网损降低约3.6412%·1,019个断面潮流出现电压问余5个得到有效缓解R.Diao*,D.Shi,B.Zhang,J.Duan,D.Shi,R.Diao,Z.Wang,D.Bian"DeepControlforGridOperatio2019/12/03-15:11:38.#ofVoltViolationresolved:0.delta(LineLoss):-0.1996年北美西部电网停电事故-->模型质量问题1996年北美西部电网停电事故-->模型质量问题Remaindorof33基于强化学习的调参方法：训练智能体自动搜索高维模型参数空间，使得模型响应与实测数据匹配ameteiClibrahanameteiClibrahan4ZJUI最优参数自动搜索(综合考虑多event数据)ZJUI智能体奖励值(-1*模型偏差)-220智能体调参过程(5个关键参数)有功调参智能体训练效果无功o同时适配多事件数据事件1事件2s.Wang,R.Dio,C.Xo,D.Sh,Z.Wang,“OnMaliEvenCo-CalirationofDyamicModelPS.Wang,R.Diao,etal,"ADRL-AdedMumiLayerStabltyModelCalitrationPatformConsideringMaultY.Zhou,W.Lee,R.Diao,D.Shi,"DeepReinforcement80%90%ConsideringUncertainties,”JournalofModernPowerSystemsandCleanEnergy.July202Y.Zhou,B.Zhang.C.Xu,I.Lan,R.Diao,D.Shi.Z.Wang,W.Lee,CleanEnergySpecialIssueonAIinPowerSjstems,vol.8,no.6,Oct.2020.(BestPaperAward)★技术优勇：模式识别、建模分类、预测+深度学习挖掘电网运行方式内在特征；强化学习负责自动生成满足安全要求的运行方式。电月伤A体体理离拔调发电机型在线应月页荷控机智发电机型在线应月页荷控机智体变化x.Shang,J.Yang,B.Zhu,L.Ye,J.Zhang,J.xu,Q.Lye,R.Diao*,"Multi-stageTransmissionLineFlowConDecentalizedReinforcementLearningAgents"inProceedingsoftheConferenceonNeuralInformationProcesingSystemsNeuriPS)2020.ZJUI应用5:分布式资源管理与控制与传统电厂区别：与传统电厂区别：务方面，更具优势。功能作用：构建新型电网，助力双碳目标>为电网提供容量服务、辅助服务，提高电力系统的>优化阻塞区可调资源，缓解电网局部阻塞储能息虚拟电厂家居智能管控平台蓄热式(用户资产)配网变压器微型气象站分布式资源管理平台能源机器人实现了用户侧光伏、储能等设备与电网配电线路B相电压控制效果vmin_before_2vma×before_2222___电压调节器B相变比调节指令tvrr2Ivrr_2beforeo20o电池调度日前计划调节后有效降低了系统的最大负荷和对变压器容量的需求——有效帮助客户节省初始投资和空载损耗。%b)发电机组54个，其中新能源18个，火力35个，发电和负荷功平曲线图峰谷差降低峰值降低谷值增加峰谷差降低峰值降低谷值增加峰谷窗口差降低整体标准差降低移动窗口标准差降低1年的仿真数据，5分钟·每288个连续时间点(1天)划分为1个场景储能充放电最大功率总和85MW(每5分钟)储能充放电最大功率总和85MW(每5分钟)·所有场景都降低了峰谷窗口差，场景整体标准差·所有场景都降低了峰谷窗口差，场景整体标准差5.3智能拓扑控制(浙江绍兴)MaximizetheremainingpowertrStep_single_line_margin=Max(0,1-FloStep_single_line_score=1-(1-Step_singTransferCapabiityofAlScenarios:ffT.Lan,J.Duan,B.Zhang,D.Shi,Z.Wang,R.Diao*,XZhang,“AI-BasedAutonomousTopologyConTransferCapabilitiesConsideringUncertainties,”inProceedingsofthe2020IEEEPESGene(1)从历史测量数据或潮流(4)超参数整定；iiNakvokap用于VM和VA估计的DNN模型结构假设一定比例的随机缺失测量值，包括5%,1假设一定比例的随机缺失测量值，包括5%,10%和15%,制了图。可以看出，用缺失5%和10