基于人工智能的電網(wǎng)規(guī)劃及可研關鍵技術研究

王宇懷

（廣西電網(wǎng)有限責任公司桂林興安供電局， 廣西 興安 541300）

0 引言

隨著環(huán)境容量日益縮減，傳統(tǒng)電網(wǎng)規(guī)劃手段難以滿足新形勢的需要[1]。為此，項目針對上述難題進行研究：一是探索建立新的收資渠道，實現(xiàn)規(guī)劃數(shù)據(jù)及時穩(wěn)定供給[2]；二是研究新的變電站規(guī)劃方法，在變電站布點過程中同步考慮電氣與環(huán)境因素，在源頭建立生態(tài)工作模型；三是改變重規(guī)劃輕落地的局面，加強變電站站址及線路路徑規(guī)劃深度，在規(guī)劃方案設計過程中同步工程規(guī)劃落地可行性，減少環(huán)境問題等顛覆性因素的發(fā)生概率，實現(xiàn)站址線路自動優(yōu)選；四是打破規(guī)劃各自為政的狀態(tài)，統(tǒng)籌電網(wǎng)規(guī)劃各階段工作，建立全過程、多專業(yè)協(xié)同工作模式[3]。

經(jīng)過多年探索與創(chuàng)新，本研究大力開展自主創(chuàng)新，對基于人工智能的電網(wǎng)規(guī)劃及可研關鍵技術進行研究與應用，在規(guī)劃數(shù)據(jù)智能提取、智能布點規(guī)劃及選址、系統(tǒng)接入方案智能設計、路徑智能規(guī)劃優(yōu)選等方面取得全面突破。建立了縱向一體、橫向協(xié)同、內(nèi)部融合的電網(wǎng)規(guī)劃數(shù)字化新模式，打造電網(wǎng)綠色規(guī)劃全業(yè)務技術支撐體系，實現(xiàn)了省域電網(wǎng)規(guī)劃的可視化、智能化，進一步提升了規(guī)劃科學性和準確性。

1 可研關鍵技術

1.1 遙感影像自動分類及提取電力工程環(huán)境敏感點的方法研究

建立了基于小樣本進行遷移學習訓練及檢測模型，實現(xiàn)從高分辨率衛(wèi)星影像上自動識別提取居民區(qū)和環(huán)境敏感區(qū)域，開創(chuàng)了新的規(guī)劃收資渠道，提高了規(guī)劃數(shù)據(jù)采集效率、及時性。居民區(qū)和環(huán)境敏感區(qū)作為重要的基礎數(shù)據(jù)，在電力線選線和變電站選站等電網(wǎng)規(guī)劃過程中，起到了非常重要的作用。通過衛(wèi)星遙感影像解譯來獲取基礎地理數(shù)據(jù)是一種快速高效的手段，因此需要研究針對電網(wǎng)層面、提取效率較高且能計算識別深層次特征的影像分類算法[4]。

采用遷移學習訓練樣本，提高檢測模型的精度，完成對遙感影像的場景分類和目標檢測任務，并率先在業(yè)界采用CNN（卷積神經(jīng)網(wǎng)絡）識別影像中的障礙物和環(huán)境敏感點信息，實現(xiàn)對居民區(qū)、工廠、自然保護區(qū)等特征目標的智能識別和提取，居民區(qū)識別結(jié)果如圖1 所示，項目利用人工智能技術創(chuàng)新了規(guī)劃信息獲取渠道，解決數(shù)據(jù)來源問題，具有覆蓋整個電力工作區(qū)域、影像深層特征精度高、適用性強、速度快等創(chuàng)新性特點，有力地保障了規(guī)劃信息的準確性和及時性。

圖1 居民區(qū)識別結(jié)果

1.2 基于改進加權(quán)Voronoi（泰森多邊形）圖的高壓變電站規(guī)劃方法研究

該方法實現(xiàn)了高壓變電站定容及供電范圍的智能環(huán)保設計，疊加新建站接入方案智能優(yōu)選評價技術，使變電站布點更加科學合理環(huán)保。在電網(wǎng)發(fā)展規(guī)劃中，確定高壓變電站的位置與容量是一個非常重要的環(huán)節(jié)，其結(jié)果直接影響著未來電網(wǎng)的網(wǎng)架結(jié)構(gòu)、投資及運行經(jīng)濟性、供電可靠性[5]。高壓變電站具有供電半徑大、投資大、高輻射等特點，需要構(gòu)建一套智能、高效的變電站選址定容、布點規(guī)劃、接入分析方法[6]。

基于深度學習的人工智能手段，構(gòu)建高壓變電站選址模型。同時針對大電網(wǎng)高壓變電站規(guī)劃的特點，采用基于Voronoi 圖理論的變電站優(yōu)化規(guī)劃方法。根據(jù)Voronoi 圖的空圓特性，有效考慮到采用最大空心圓定位策略時空心圓內(nèi)負荷分布不均勻的情況，使高壓變電站在合理分布、電網(wǎng)構(gòu)架趨于合理的同時更能提高變電站的有效利用率。在考慮居民區(qū)、水源、保護區(qū)等地理信息條件因素對變電站合理選址的基礎上，實現(xiàn)對高壓變電站定容及供電范圍進行優(yōu)化規(guī)劃，使高壓變電站供電區(qū)域更加合理。改進加權(quán)Voronoi 圖算法圖解如圖2 所示。

圖2 改進加權(quán)Voronoi 圖算法圖解

改進加權(quán)Voronoi 圖算法求解步驟：

1）首先根據(jù)網(wǎng)供負荷最大削減量和周圍的負荷密度確定電源B 的最大供電半徑；

2）以變電站為起點向電源的供電范圍所代表的圓做切線，交于變電站供電范圍與兩點M、N；

3）在A 與B 連接線上確定點C，以C 為圓心，以CM 長度為半徑r 畫圓弧l，使弓形s′ 的面積和圓B的面積相等。

經(jīng)過以上方法形成的最外層邊界即為采用考慮網(wǎng)供負荷特性互補的方向性改進加權(quán)Voronoi 圖算法得到的變電站A 的供電范圍，具體措施就是基于層次性加權(quán)Voronoi 圖算法對變電站供電范圍劃分過程中的權(quán)值進行了一定的調(diào)整。

得到結(jié)果后，同步考慮多重因素，構(gòu)建多方案比選多目標優(yōu)化一張圖，實現(xiàn)基于工程數(shù)據(jù)的智能推薦最優(yōu)接入方案，同時對站點分布進一步優(yōu)化，大大提高了設計深度與效率。基于多站之間線路走向、變電站間隔、線路長度、運行信息、項目投資、線路損耗、跨自然保護區(qū)距離、終點變電站的可聯(lián)絡線條數(shù)等影響因子，結(jié)合對歷史工程數(shù)據(jù)深度挖掘和分析優(yōu)化調(diào)整各影響因子的權(quán)重作為接入評價基準，構(gòu)建了變電站智能接入模型，實現(xiàn)了變電站接入的實時分析計算，通過可視化方式展現(xiàn)接入方案成果以及方案評價，輔助推薦最優(yōu)接入方案，并進一步優(yōu)化變電站布局。

1.3 變電站站址方案智能選擇方法及AI 選線策略自適應選擇方法研究

通過建立影響因素指標體系及空間多尺度評價模型，實現(xiàn)了智能化自動選站選線，將電網(wǎng)規(guī)劃與可研無縫銜接起來，能夠“一鍵式”達到預可研深度。變電站選址及路徑選線是電網(wǎng)規(guī)劃業(yè)務中的一步重要環(huán)節(jié)，目前選站選線規(guī)劃優(yōu)化的算法都存在著智能水平不高、精確度低等缺陷，導致它們的選擇結(jié)果主要針對宏觀尺度，不能直接用于電網(wǎng)建設的地址選擇，因此需要對智能選站選線進行研究[7]。

對變電站選址影響因素進行指標體系建立，在一定的區(qū)域內(nèi)利用GIS 空間分析與選址知識進行區(qū)域判斷，進一步利用深度學習尋找初步滿足要求的候選區(qū)；得到結(jié)果后，還可利用空間多尺度評價模型對選區(qū)進行修正，將涉及的否決區(qū)、控制區(qū)、經(jīng)濟區(qū)等指標進行智能綜合判斷；最后基于粒子群優(yōu)化算法對候選區(qū)的交通、地形、地震帶、污區(qū)等地理環(huán)境因素進行量化評估，自動生成可行站址，輔助解決選站難題。該方法是關注于環(huán)境保護、地形地貌、自然資源、人文條件、交通便利度、抗災等級、建設成本等具體與建設變電站成本相關因素進行的智能選址，選址結(jié)果可直接用于評估建站，智能選站技術路線如圖3 所示。選址模型靈活，影響因子具有可擴展性，大大提升了變電站規(guī)劃的智能化水平。

圖3 智能選站技術路線

根據(jù)電力選線策略，對基于深度學習智能生成的省域范圍的海量數(shù)據(jù)和收集到的多數(shù)據(jù)源選線影響因子，進行高性能的自動化批量處理，為智能選線提供數(shù)據(jù)基礎；基于多維多源的海量數(shù)據(jù)，構(gòu)建選線區(qū)域內(nèi)的成本表面模型，進行連續(xù)空間的成本距離分析，統(tǒng)籌考慮多重影響因子和選線策略，生成一條或多條規(guī)劃路徑；利用AI 領域的啟發(fā)式搜索方法和深度學習方法，對選線策略進行建模，實現(xiàn)在路徑優(yōu)化過程中，全線統(tǒng)籌考慮，在優(yōu)化選線過程中嘗試根據(jù)不同的區(qū)域條件自適應匹配不同的選線策略對線路進行優(yōu)化，進一步提高選線可行性；與此同時，在優(yōu)化線路時，采用顧及空間關系的矢量壓縮算法和交叉跨越糾正算法，對規(guī)劃路徑進行再優(yōu)化，進一步提升路徑的合理性；最后，在規(guī)劃路徑的同時能根據(jù)已有起訖點，智能地推薦潛在的更優(yōu)起止點，從而為選出更優(yōu)的路徑提供了更多的選擇和更大的可能性。在規(guī)劃方案基礎上，利用豐富的電網(wǎng)數(shù)據(jù)，實現(xiàn)地理信息智能識別、敏感點智能避讓、路徑智能分析，對規(guī)劃方案中的線路路徑進行自動細化和優(yōu)化，在規(guī)劃和可研階段之間創(chuàng)新智能化工作方法，并保證電網(wǎng)規(guī)劃方案向前期有序過渡。其智能選線過程如圖4 所示。

圖4 智能選線過程

1.4 電網(wǎng)規(guī)劃業(yè)務全流程控制技術研究

基于電網(wǎng)一張圖建立了全業(yè)務協(xié)同的智能規(guī)劃工作體系，實現(xiàn)了規(guī)劃業(yè)務一體化線上作業(yè)模式。開展電網(wǎng)規(guī)劃工作需要的基礎數(shù)據(jù)具有數(shù)據(jù)量大、種類多、來源多的特點，但長期以來業(yè)務基礎支撐薄弱，數(shù)據(jù)多頭管理、精細化不足，電網(wǎng)規(guī)劃工作缺乏全景管控手段，圖－數(shù)－表信息割裂，無法全局把控業(yè)務重點，規(guī)劃理念難以落地，亟待構(gòu)建統(tǒng)一的信息獲取及應用平臺，在地圖可視化作業(yè)及全息電網(wǎng)一張圖等方面積累實踐經(jīng)驗[8]。

在統(tǒng)一平臺下，圍繞數(shù)據(jù)價值創(chuàng)造，進行規(guī)劃各環(huán)節(jié)信息的廣泛收集和精準匹配，建立統(tǒng)一、權(quán)威的規(guī)劃大數(shù)據(jù)，形成多維電網(wǎng)一張圖，通過不同角度、不同維度對數(shù)據(jù)進行直觀展現(xiàn)多源網(wǎng)架并從中發(fā)現(xiàn)問題，為圖上作業(yè)提供支撐。實現(xiàn)現(xiàn)狀電網(wǎng)分析、規(guī)劃邊界條件確定“一站式”服務，全面提升電網(wǎng)規(guī)劃信息的獲取及分析能力。研發(fā)業(yè)務流模型，將規(guī)劃流程中的關鍵工作環(huán)節(jié)有機銜接起來，基于規(guī)劃大數(shù)據(jù)實現(xiàn)規(guī)劃信息流無縫交互和流轉(zhuǎn)，實現(xiàn)現(xiàn)狀電網(wǎng)分析、負荷預測計算、規(guī)劃布點決策、接入系統(tǒng)方案設計、電氣計算、規(guī)劃落地（智能選站選線）及工程直觀展示發(fā)布（多環(huán)節(jié)一體化操作），最后形成前期項目儲備庫及電網(wǎng)布局規(guī)劃圖的全流程閉環(huán)管理，提高工作協(xié)同度，將規(guī)劃向設計深度縱深推進，實現(xiàn)各專業(yè)融通發(fā)展，建立協(xié)同高效的智能規(guī)劃工作體系，打造網(wǎng)上規(guī)劃、網(wǎng)上設計、網(wǎng)上評審、實時追溯等規(guī)劃業(yè)務一體化線上作業(yè)模式。

2 應用情況

通過綜合應用相關技術，使得在電網(wǎng)規(guī)劃源頭自動同步考慮環(huán)境因素成為可能與必然；將規(guī)劃收資及處理工作由原來數(shù)周甚至數(shù)月縮短為短短幾天，同時大幅減少了現(xiàn)場勘探工作量，大大降低了工程開支；為站址和路徑選擇這一電網(wǎng)規(guī)劃最核心業(yè)務提供了全業(yè)務鏈技術支撐，將原來花費數(shù)天甚至數(shù)周的站址及路徑規(guī)劃工作，縮短為“分分鐘鐘”的事情，將規(guī)劃人員從繁重的資料收集、大量的原始方案設計中解放出來，使其能夠更加專注于規(guī)劃方案的優(yōu)化與打磨。

本研究成果已在多個電網(wǎng)企業(yè)進行推廣應用，在規(guī)劃方案設計、工程選址選線、數(shù)字模擬、項目評審中發(fā)揮了關鍵支撐作用，高效、便捷、直觀地完成了電網(wǎng)規(guī)劃與選址選線工作，節(jié)約了工程建設成本、提升了項目生態(tài)效益，有效推動了工程順利落地。

3 結(jié)語

本研究基于項目成果創(chuàng)新建立的線上規(guī)劃新模式，構(gòu)建起電網(wǎng)企業(yè)數(shù)字化核心能力，建成了省域“全息數(shù)字電網(wǎng)”，使得電網(wǎng)企業(yè)具備能夠利用數(shù)字化手段獨立開展電網(wǎng)規(guī)劃方案設計及預可研技術的能力，為“數(shù)字電網(wǎng)”和“智慧電網(wǎng)”的構(gòu)建奠定了堅實基礎。展望未來，本項目需要進一步加強構(gòu)建基于人工智能的新型負荷預測模型，綜合考慮重大突發(fā)事件、國家新的能源規(guī)劃戰(zhàn)略、用電新業(yè)態(tài)等因素，進一步提升電網(wǎng)規(guī)劃的前瞻性和操作性，為構(gòu)建以新能源為主體的新型電力系統(tǒng)做好技術服務。