大数据和先进人工智能方法及电力系统应用

HUST大数据和先进人工智能方法及电力系统应用彭小圣华中科技大学电气与电子工程学院HUST二彭小圣个人简介HUST二●英国工学博士，副教授，博士生导师，国际电工委员会IEC工作组专家，中国电工技术学会人工智能与电气应用●2006和2009分别获华中科技大学本科、硕士学位；2009-2012在英国EPSRC全额奖学金资助下攻读博士学位；2012-2013在EDFEnergy资助下开展博士后研究；●在英国期间主研了EPSRC、BritishEnergy、EDFEnergy等高水平科研项目5项；●入职华中科技大学以来，主持了国家自然科学基金(3项)、Rolls-Royce国际合作项目1项、国家重点研发计划子课题1项、500万级企业重大合作项目3项；●作为主要完成人编写了IEC在可再生能源功率预测领域的首个国际标准IEC63043;●研究方向：基于先进人工智能方法的电力设备状态监测、新能源功率预测。工技术学会新媒体平台发布Dr.XiaoshengPeng@SEEE@HUSTHUST代表性成果1HUST提出了基于时空资源动态自适应选择的多时空尺度新能源功率预测方法IEC63043TR标准制定新能源发电功率预测技术专著标准及专著IEC63043,于2020年全球成员国投票通过，本标准发布之后，美国国家标准学会(ANSI)、欧洲标准化委员(CEN)等直接将本标准作为其参用标准；◆以副主编身份参与编写中国电机工程学会专著1部；●在舒印彪院士牵头的国家重点研发计划1.3“促进可再生能源消纳的风电/光伏系统的研究了新能源短期、超短期功率预测技术国家重点研发计划1.3国家重点研发计划1.32/36基于先进人工智能方法，提出了基于数据挖掘的样本自适应选择、多空间尺度集群动态划分、高维特征构建与自适应选择、深度学习模型自适应选择、多模型集成学习等方法，优化了新能源功率预测的样本选择、特征选择、预测建模等核心环节，实现了高精度的短期、超短期功率预测，并可推广至样本不足的新建新能源场站的研制了高压电力设备局部放电智能检测与智能识别系统系统简介：该高压电力设备局放自动检测识别系统，融合英国和中国20余个高水平项目的成果精华，通过自适应第二代小波去噪、决策树信号分类、基于聚类分析的自动相位图谱识别、局放传播边际效应、基于先进人工智能方法的模式识别等先进方法的组合，成功突破了局放检测与识别的难点，通过工业现场大量监测数据的演应用案例：该高压电力设备局放自动检测识别系统能检测高压电力设备潜在故障、中国电工技术学会新媒体平台发布Dr.XiaoshengPeng@SEEE@HUSTHUST一、大数据及人工智能背景介绍三、基于先进人工智能方法的电力设备状态监测四、总结与讨论HUST一EEE大数据及人工智能背景介绍HUST一EEE>人工智能简介Al的“两落三起”人工智能四个阶段人工智能五大技术●自然语言处理●语音识别2000s-至今机器学习四个方法深度学习典型模型*T大数据及人工智能背景介绍>人工智能典型案例案例1—“深蓝”深蓝是美国IBM公司生产的一台超级国际象棋电脑“深蓝”拥有32颗CPU,所以被称为超级计算机。根据IBM公布的性能数据，它每秒可进行约113亿次 到来”,是认知计算系统的杰出代表，全新的计算模式，它包含信息分析，自然语言处理和机器学习领域的大量技术创新，能够助力决策者从大量非结构化WastonWaston本质上是IBM制造的电脑问答(Q&A)系统案例3—“AlphaGo”-案例4—"FaceNet"的准确率也超过86%。Facenet在LFWHUST二大数据及人工智能背景介绍HUST二这些人工智能的案例能够给我们什么样的启示呢?如何将大数据人工智能与电力系统相结合呢?“人工智能是新一代的电力”——吴恩达博士，谷歌大脑创始人，计算机科学家中国电工技术学会新媒体平台发布Dr.XiaoshengPeng@SEEE@HUST7/36S大数据及人工智能背景介绍预期效果预期效果数据层：数据层：新能源功率预测核心表征特征特征层：核心表征特征有效特征构建与选择电力系统稳定性分析高精度的智能算法方法层：高精度的智能算法先进人工智能算法应用层：结合工业应用应用层：结合工业应用电力物联网HUIST一、大数据及人工智能背景介绍二、基于数据挖掘与深度学习的新能源功率预测三、基于先进人工智能方法的电力设备状态监测HUST一-功率预测的重要性：现阶段——促消纳未来——保供电、保安全近年来我国风电、光伏装机容量及发电量均居世界前列，且一直保持较高的增长率。◆到2021年底，全国风电累计装机3.28亿千瓦，其中陆上风电累计装机3.02亿千瓦、海上风电累计装机2639万千瓦。◆2021年，全国风电发电量6526亿千瓦时，同比增长40.5%,全国风电平均利用率96.9%,同比提升0.4个百分点。m者w◆风电/光伏出力具有随机性、波动性的特点，大规模接入对电网的安全稳定运行带来了冲击。◆2050年，全国风电装机容量将达14.4亿千瓦，光伏装机容量将达21.6亿千瓦，新能源在发电装机中的占比将达70%。◆风电、光伏出力的日最大波动量也将急剧增长。◆以新能源为主体之后，精细化预测、极端事件的预测、概率预测、高精度预测等显得更为重要。02019年2030年2050年0《郭剑波院士：高比例新能源电力系统的挑战及关键技术》htpy/ucn/2020-08/21/139307781.htmwwc.neagov.an/2021-01/30/c_139708580.hthttp/HUST一基于数据挖掘与深度学习的新能源功率预测团队在国家重点研发计划、国网总部、国网总调、中国电科院、IEC工作组10多个项目的支持下开展了持续的研究。中国电科院方法研究2017年预测IEC标准2018年学会专著(副主编)术2019年研究2021年2020年化调度方法研究8研究2022年NORME工技术学会新媒体平台发布Dr.XiaoshengPeng@SEEE@HUST11/36功率预测的现状口新能源预测误差随着空间尺度的增加而减少，例如省级新能源集群日前预测的RMSE比单个新能源电场的误差低3-5%。口我国新能源功率预测系统与欧洲国家相比仍存在差距，德国单个风电场的日前功率预测RMSE为10-20%,整个德国风电场集群的日前功率预测RMSE可以降低至5-6.5%。丹麦对全国所有新能源的日前功率预测的RMSE在3~4%左右。口但需要强调的是，最终预测误差是新能源资源可预报性和预测技术的综合体现，针对同一预测对象时间特点应用范围采用B/S结构，可以跨中国电力科学研究院有限公时间特点应用范围采用B/S结构，可以跨中国电力科学研究院有限公司吉林、江苏江等全国23个省区果用BS结构，针对单行独立分折患换北京国能日新系统控制技术有限公司风电场可根据当地实际情况选择一种效果好的算法摸型务中心湖北九言山风电场等系统果用SVM、ANN,自适应量小二乘法等中国气象局公共服务中心北京、南京时间特点应用范围采用高分辨率有限区域换型.预测时间范围为3-35小时发展适用内陆和海上的凤能预报系统美国、丹夏、德国、法国对气象部门提供的NWP结果进行空间德国SateWino重点对极端天气预报，功率预测的难点质量参差不齐。三1小7吐1小7吐自坂：73时旧只(L风电功率的波动性二问题问题创新方法-数据范围：2014.01.01-12.31历史数据：前240天的数据；验证数据：后120天的数据；输入数据：风速、风向、历输出数据：集群出力0鲈0鲈是=09993CADA最筑娟本集时间衰减因子λ预测精度随变化不大，最优值为0.999防0时，预测精度最高；防1时，预则精度最低d序Z3张警取度教性电本妆业和警与累加法、欧盟的ANEMOS统计升尺度法相比，精度有显著的提升。…23多参数空间相似度匹配法：为待预测样本匹配高度相近的历史样本，定制化构建最优训练集。该方法发表在IEEETransactions23多参数空间相似度匹配法：为待预测样本匹配高度相近的历史样本，定制化构建最优训练集。EE-创新方法创新方法如何从海量的特征中选取与新能源功率高度相关的特征?阶段1;基于阶段1;基于SFFS的特征选择analysiscfseleded阶段2:基于BLSTM的风电集群功率预测_Hnberofglctedfedts_.featuresandfeaturreverifrafion题0.126构建了超过30万个特征，采用浮动搜索法(SFFS)创新效果创新效果集超以下特征可以提升预测精度：√风力机轮毂高度风速集超以下特征可以提升预测精度：√风力机轮毂高度风速√新能源场群整体的统计特征√频域分解特征中的低频特征。4◎集给!虹野2集西3空野4612it22642拍3460材72治59046数自零16%厂6%体上好于现有GA、mRMR算法。BLSTM模型的预测效果在总体上优于LSTMHUSTEEE基于数据挖掘与深度学习的新能源功率预测创新效果创新效果问问题-b卷层全连接层池化层卷积层创新方法基于多莎数组合匹配法的历史相似风过程匹配实功率以参数形式表示4基于深度学习模型自适应选择的短期功率预测民测慎1MAE1思油功率须测慎2萝数空间风速功率须31模型1取最优模型，HUST-方创新方法创新方法住住00算例证明，集成预测、多重集成均能有效提升预测精度，5重集成提训练集→18,480测试集→7728时间步长→训练集→18,480测试集→7728时间步长→1h常规集成模型常规集成模型●多重集成方法0●多重集成方法07M5dmdù60.2148,相比单次集成下降了0.0095,下降4.23%→HUST一-三问题问题创新方法如何对历史数据不足的新建风电场进行功率预测?创新方法如何对历史数据不足的新建风电场进行功率预测?n段一福样本的选取和分类(工工I1井计算相关性步骤1:使用目标风电场样本细练神经阳络结论：格工所提方法的预测功率更接近实际值；格工一对照组1---对照组2一对所组3率预测，预测精度与数据充足新能源场站处于同一水平。HUSTEEEHUSTEEE预期成果预期成果气象集气象集数据极端天气过程气象数据及电力电量数据问题解问题解题思路极端天气事件样本极端天气事件样本本电场电力电场电力电量电量演化规律与走取与走取多尺度化特征多尺度多尺度可精准感知事态的新能源功率预测人工智能黑箱uu准预测天气新能源汉结果特征特征特征构造HUST核心方法总结口提出了基于数据挖掘的样本自适应选择、多空间尺度集群动态划分、高维特征构建与自适应选择、深度学习模型自适应选择、多模型集成学习、迁移学习等先进人工智能方法，优化了新能源功率预测的样本选择、特征选择、预测建模等核心环节，实现了高精度的短期、超短期新能源功率预测，并可推广至样本不足的新建风电场。口构建大风脱网、低温寒潮、极热无风、日食无光等小样本极端事件下的功率预测方案；口研究以新能源为主体的新型电力系统对新能源功率预测的要求；无光等小样本极端事件下的功率预测方案；口研究以新能源为主体的新型电力系统对新能源功率预测的要求；0服务于调度平台的智能化集成预测系统。01高精度的预测即为人工智能，第二层感知智能——展望2060年的新能源功率预测系统当前每天能预测2次；2060年能否每小时预测2次?当前每天能预测2次；2060年能否每小时预测2次?当前场站日前精度85%;2060年能否到95%?当前场站日前精度85%;2060年能否到95%?工技术学会新媒体平台发布Dr.XiaoshengPeng@SEEE@HUSTHUIST一、大数据及人工智能背景介绍二、基于数据挖掘与深度学习的新能源功率预测三、基于先进人工智能方法的电力设备状态监测四、总结与讨论SHUSTEEE状态监测的目的在于及时发现设备的各种劣化过程的发展，以求在可能出现故障或性能下降到影响正常工作之前，及时维修、更换，避免发生危及安全的事故。建设了67根电缆、130多个传感器监测系统，发现数据庞大。三峡机组，单机容量70万干瓦一台机组，并列，带负荷，点亮一座城!挑战2:如何实现状态监测中100%识别精度?挑战2:如何实现状态监测中100%识别精度?挑战1:如何处理状态监测每天产生的高达10000G的大数据?传感器DAQ不间断的状态监测会产生大量的原始监测数据，是一假设已达到99%识别精度，67根电缆每假设已达到99%识别精度，67根电缆每误报警的次数：6*24*67*1%=96次/天状态监测系统通过对信号分析、识别，对电力设备进行状态评估便本限量扫故地像HUSTEEE局部放电(PartialDischarge):局放监测的难点与挑战，需要100%的识别精度!大的难点，也是制约其大范围应用的最重要因素。关键问题之一。故障率启动阶段Smoothend-期最终HUSTEEE团队在英国和中国20多个项目的支持下针对局放监测问题开展了十余年的研究。Systemof重项目lectrik1300万项目509万项目东方电机电在线保量4东方电机电在线保量4Torn55NuclearPowe目大财据在电力目大财据在电力能技术中心500万金S基于先进人工智能方法的电力设备状态监测-数据层——海量局放样本的获取问问题获取有效局放样本?创新方法创新方法Z,全模块化系统全模块化系统电源滤皮器屏蔽门D77IIm0当区2获取大量局放数据和干扰数据电缆绝缘诊断的判据之一：局放脉冲幅值的快速下降；局放重现率的快速上升。统计学分析，得到五类局放信号的特性.77531k-特征层——局放特征构建与优选问题问题第1阶段创新方法创新方法第2阶段创新效果创新效果通过构建局放多维特征，共得到1235个特征参数，其中一维特征有34个，二维特征有119个，三维特征有1082个。……组别编号越高，特征重要性越高寻优后的特征能够很好地刻画干扰信号的特征，组别编号越高，特征重要性越高菱帝宽5菱帝宽50-方法层—局放模式识别问题问题创新方法识别带来了困难!创新方法局放数据加压试芳取的原始不同网络层不同激活函不同网络层优221曼面0维度16030局放类型1■局放类型2■局放类型3局放类型4■局放类型5类型1类型3ET基于先进人工智能方法的电力设备状态监测-方法层——局放模式识别大型发电机局放监测，如何对大型发电机局放监测，如何对高相似局放类型进行模式识别?芦略属平数毕架鼻度明自效方性伏□教到比本到比识别结果第同案出公暗及度胸PRPD疲据山a2创新方法创新方法创新效果创新效果与“大国重器的制造者”东方电机合作，构建发电机典型缺陷内部放电、栖部放电、端部放电以及相间放电等。不同放电类型的危险程度不同，例如出栖口放电，需要马上停机检修。获取局放原始数据样本(a)道电60:路实“111000惟放电20anFRPD圈背23s00自2000口.0%基于先进人工智能方法的电力设备状态监测应用层——局部放电的工业应用开发了局放监测的软件和硬件系统。该局放检测系统能检测高压电力设备潜在故障、提升供电HUST-PDDoctor-1HUST-PDDoctor-1局部放电在线监测系统HUST-PDExpert-1