含新能源電力系統狀態估計的人工智能學習解決方案

陳博 袁心怡 王若華 陳偉

摘要：在現如今的電力系統的調整過程當中，其中也融入了很多新能源類的智能方案，并且對電力系統也來了一定程度的原因，但是對于狀態估計上面還需要做更加深入的研究，這樣才能更好保證電力系統的穩定性以及安全性。此次主要對含新能源電力系統狀態估計的現狀進行研究分析，另外還對電力系統狀態估計的技術進行了分析研究。

關鍵詞：新能源;電力系統;狀態評估;現狀;人工智能

當前為了能夠更好的實施促進可持續性發展戰略，這就需要我國科研人員不斷的對新能源上的應用和研究力度進行提示，并且還要融入一些人工智能部分。現如今通過當前的發展狀況來看，新能源電力還沒有辦法去滿足當前提出的要求，其中的要求主要就是把新能源電力與傳統的電力系統進行有效并網，這樣才能夠正常的去輸送給大眾。但是由于當前在并網的過程當中，對原來就具備的一些電力系統提出了更新的挑戰，為了能夠讓電力系統得的高效的運轉，就必須要對電力系統展開狀態評估，以及人工智能的影響，并且對電力系統的實時狀態進行有效分析[1]。

一、含新能源電力系統狀態平臺研究現狀

現在對于含新能源電力系統狀態上面的評估研究已經取得了很大的進步以及經驗，但還是因為對此方向上面的研究時間相對較短，所以當中還會存有很多問題，主要的問題可以體現在一下幾個方向：（1）首先在應用的基礎加權最小二乘法上面的受到了很大的限制，這就需要對測量數據上面要能夠滿足正態分布，這樣能夠更好地保證測量數據的準確，但是當前在實際電網當中的應用，所測量數據的差值很小所呈現出正態分布的情況，所以在對此狀態估計方法在進行實際應用時起到作用相對較小，在準確性上面也想對較低。（2）在應用量側變換技術進行狀態估計上面也存有很大的限制，并且對于測量配置上面要求也相對獨特，往往需要采用獨特的處理才能夠起到有效的運用，這也會對電力系統狀態估計的合理性帶來影響[2]。（3）另外在電力系統中三相不平衡產生的相間角度問題上面要重點進行考慮，所以這個問題不能找到很大的解決方法，并且在狀態估計的難度上面也會得到很大的提升，嚴重時還會影響到最終狀態估計的準確性。

二、含新能源電力系統狀態估計技術探討

當前在含新能源電力系統狀態評估的過程當中，往往會運用到一些建模仿真技術、多目標優化算法等，因為通過這些技術的運用能夠很大程度的促進含新能源電力系統狀態估計工作的進行。具體開展措施如下：（1）建模仿真技術：現在把新能源并入電力系統以后，在對于模型的建立以及仿真研究上面會發生很大轉變，也正是此原因的出現所以要在該方面技術的研究工作上要不斷加大力度。在加大對電力網絡拓撲結構的研究當中，要對原來就已經存在的模型進行合理的優化，才能夠是的構建模型以及拓撲結構能夠更加融洽。其次，就是在針對并網模型的研究上面，新能源在和傳統能源進行并網以后，在對電力系統在發展上面往往都是由單項式轉變為多項式的供電，正也是因為這樣也對以往使用的并網模型上面也發生了很大的改變，所以在建模仿真工作上還需要構建出更符合實際的模型[3]。（2）多目標優化算法：含新能源系統狀態估計工作當中需要進行了很多的運算，這樣才能夠從中找到最準確的結果，也正是因為如此在進行狀態估計的過程當中還需要運用更加科學更加合理的計算方法。在新能源電力成功并入到電力系統網絡中以后，并且在原來的電力系統網絡上面也進行了一定規模以及結構的拓展，同時也會讓原本就有的電力系統變得更復雜化，所以運用以往的計算方法不能適應當前的這種改變。正是因為這些原因需要結合前期的模型建設，要通過多目標優化算法運用，要對運行約束、結構約束以及經濟代價等諸多方面的影響進行綜合的考慮，從而才能讓計算方法更加具有科學性。（3）新型數據檢測法：在通過新能源電力并入到傳統電力系統以后，使整體電力系統的規模得到了一定程度的擴大，隨著規模的擴大在對數據信息的產生上面也隨著跟著變大，當前由于信息數據的變多在這些信息數據當中肯定會有一些不良數據的產生，其中肯定會有一部分不良信息數據和傳統電力系統一樣，還會有一部分發生在并網以后。在狀態估計的過程當中才能夠對這些信息數據進行有效的評估，才能夠給未來的估計進行更好的開展。

三、人工智能在新能源電力系統狀態評估應用

人工智能在新能源電力系統狀態估計當中已經有了初步的應用，并且還得到了很好的發展，然而在我國人工智能技術在電力系統中的應用研究還是在正處于剛剛起步的狀態。隨著我國電力系統的不斷地發展，電力系統數據總量也在不斷增加，在管理上復雜程度也隨著增加，并且在市場當中的競爭力也不斷增強，為人工智能技術在電力系統的應用提供了更好的發展前景[4]。

3.1人工智能的應用概述在中國電力系統的主要應用研究方向

人工智能，又稱機器智能，是指人工制造系統展現的智能，是通過普通計算學習、推理、計劃、交流、操縱物體，實現人工智能的方式有很多種，主要包括引領三大高潮的專家系統，人工神經網絡，深度學習和持續推動學科發展中的模糊邏輯和遺傳算法、機器學習、多智能體系統、博弈論等。

電力系統是一個由發電、輸電、變電、配電、用電等各種功能的生產和消耗各個環節所綜合組成的系統，電力系統的技術水平已經逐漸成為衡量一個國家社會經濟進步的標準，智能化的電網對于電力系統的影響運行方式提出了新要求，也為人工智能技術在電力系統中的應用指明了方向[5]。目前，人工智能并網技術在現代我國并網電力系統建設中的廣泛應用逐步從單一的工業技術手段轉變發展到多種應用領域，涵蓋了電力大功率和小型可再生清潔能源綜合發電、微電網、需求側能源管理、電網安全穩定、網絡安全、設備質量管理等多個應用領域，每個主要應用開發場景企業都會對其應用進行多個領域研究。人工聰慧智能感覺技術在目前我國智能電力系統建設中的主要應用范圍可以大致地被概括地分為三種感覺類型：自然感覺和不可預見，管理監督和安全保障。

3.2人工智能技術應用用電力系統感知預測

感知性的預測主要目標是指通過對環境中各種因素的認識和對當前情境的了解進行分析和了解，以及對未來情境的認識和預測，電力系統中的感知性預測主要內容包括：負荷預測、可再生能源的風力發電量預測、穩定充裕裕度的預測、電壓和諧波的預測以及風力發電機頻率的預測。自從我國現代電力系統這一概念在我國開始流行以來，負荷預測問題已經普遍認為是一個最重要的課題，也已成為其他領域正在進行相關電力學科課題研究的重要基礎。通過對電網規模的進一步擴充和分布式電網架構的建立，可以推動和促進我國電網的發展，對再生能源的發電量預計逐漸提高。

3.3再生能源發電預測

高比例可再生能源已經逐漸成為未來幾年我國智能化電網建設與應用發展的一個重點關鍵，其中風電、光伏突出的優勢之一便是目前我國所知的相對比較成熟的可再生能源發電技術，它們都在市場上具有很大的波動性和隨機性[6]。對于風電、光伏發電早期進行預測的主要原因是由于依靠基本科學理論，隨著現代科學研究的不斷深入，小波變換、人工神經網絡、支撐向量機等一系列新技術已經逐步得到了應用與融入。在地形復雜，風向或者是光線隨機分散的條件下，進行了初步的研究。

類似于負荷預測的原理，LSTM 也是有效地將它們運用到了風電、光伏等發電系統的功率預測中，此外應用他的深度機器人學習技術在可再生能源和風力發電等新技術領域也具備了許多優點和嘗試。深度置信網絡能夠有效地提取復雜風速和光伏發電量的數據序列非線性結構和可逆不變特點，可廣泛應用于分析風力和光伏發電量的預測;利用先進的深度卷積神經網絡，用于分析和提取各種光照圖像數據的特點，提高光照圖像預測的準確性和計算速度;通過稀疏自動編碼器將粗糙的神經網絡采用深度學習模型預測不確定風速，提高模型的魯棒性和預測精度。

3.4研究展望

目前，基于人工智能技術的電力系統調度已經得到了研究為該領域的研究奠定了基礎。今后可從以下幾個方面進一步開展研究工作：電網的智能化發展將伴隨著運行方式調度問題的維數增加，約束的條件增加了，種類繁多，負荷和運行方式不確定性提升以及變量的離散化形式，它對算法的要求也越來越高，現有的人工智能技術在電力系統中的應用存在著非實時、非閉環、人的參與和人工智能輔助的特點，如何有效快速地收斂到全局最優解、實現實時、閉環和自動控制是一個需要進一步解決的問題。基于三類人工智能技術的特點和局限性，綜合了各種人工智能技術的優勢，發展混合人工智能算法成為人工智能技術在外科領域的重要發展方向之一。同時，對于復雜的調度問題也要注意近似優化方法。

隨著分布式能源的滲透比的增加，如光伏發電和隨機接入電網的電動汽車等，和集中式方法對比，人工智能技術具有改善網絡安全的功能，必要的通信基礎設施成本更少，解決方案的速度等優勢變得越來越重要。包括分布式問題解決，并行人工智能，以及需要考慮智能體內部狀態之間的協調，以及智能體之間協調的多智能技術等內容的分布式人工智能技術的應用應進行更深入的討論。

結合大數據、云計算、深度學習等技術所進行的復雜大規模電力系統運行特征分析和預測也需要進行更為深入的研究.

3.5人工智能技術和電力系統規劃

電力系統規劃的主要目標在于未來的電力波動、符合曲線和電力分布情況實施預測前提下，對供電和輸電線路的動態和負荷曲線以及功率分布進行預測。結合各種人工智能技術的特點，在電力系統規劃中的應用主要體現在供電規劃、電網規劃、源網協調規劃等方面。

總結：綜合以上所訴內容可以看出，雖然我們國家當前已經開始了對新能源電力中應用人工智能的研究，也成功的將其與傳統電力系統進行了有效并網，但是由于受到技術以及經濟的限制，我國在新能源方面的發展以及實際應用還是會受很大程度受限，使得在規模上面無法進行快打，并且在電力系統之中往往只能起到輔助性電力的作用。所以在未來的發展過程當中，也為含新能源電力系統狀態估計中人工智能的運用還需要持續的研究。

參考文獻：

[1]朱罡，王茂春.含新能源發電的電力系統狀態估計研究[J].電網與清潔能源，2020，36（04）：32-40+47.

[2]陳國強，韓延龍，李國強，魏大慶.含新能源電力系統狀態估計研究現狀和展望研究[J].科技風，2018（25）：174.

[3]趙俊博，張葛祥，黃彥全.含新能源電力系統狀態估計研究現狀和展望[J].電力自動化設備，2014，34（05）：7-20+34.

[4]徐國輝，吳俊佚，劉濤，武剛，葛宏澤.智能電網在電力技術及電力系統規劃中的應用研究[J].中國管理信息化，2021，24（02）：131-132.

[5]謝彥祥，肖漢，李嘉逸，李小雨.電力系統暫態穩定評估方法研究現狀及展望[J].電工電氣，2020（11）：1-9+27.

[6]姜文立，王凱，王虹富，邊宏宇，呂鵬.新一代離線仿真數據平臺及其在華中電網的應用[J].江西電力，2019，43（12）：2-6.

[7]張晨宇，王慧芳，葉曉君.基于XGBoost算法的電力系統暫態穩定評估[J].電力自動化設備，2019，39（03）：77-83+89.

[8]文云峰，趙榮臻，肖友強，劉禎斌.基于多層極限學習機的電力系統頻率安全評估方法[J].電力系統自動化，2019，43（01）： 133-140.

[9]王亞俊，王波，唐飛，陳得治，王靜，王乙斐，周雨田.基于響應軌跡和核心向量機的電力系統在線暫態穩定評估[J].中國電機工程學報，2014，34（19）：3178-3186.

作者簡介：

陳博，男，上海，漢族 ，1980年10月，本科 ，電力營銷 ，國網上海市電力公司市區供電公司 ，工程師。