人工智能在新型电力系统智能传感、通信与数据处理领域应用

新型电力系统以清洁能源为主体,借助海量数据和计算技术实现电源与负荷间的动态平衡,其核心特征是系统的可观、可测、可控。人工智能作为重要技术支撑,能够在能量流和信息流深度融合的基础上,提升电网智能感知水平,优化通信网资源利用和系统数据处理能力。该文主要介绍了新型电力系统的形态、特征和机理,强调了在新形势下的电网数字化转型迫切需求,并对人工智能技术在电力传感、电力通信和电力大数据处理领域的研究现状和应用情况进行梳理分析,探究其促进新型电力系统各环节电气量、状态量、环境量的全面感知、即时通信与数据分析,有力支撑电力高级应用。最后对人工智能技术在新型电力系统建设中面临的挑战进行了总结和技术发展展望。

三维随机断裂带的航空时域电磁响应数值模拟

传统的均匀分布异常体模型,不能准确描述地下介质的不规则性变化,采用随机介质进行替代,将使电导率这一物性参数更加接近于实际的电导率分布.本文结合地质结构中断裂带特征,采用Von Kármán函数建立三维随机介质模型,通过讨论Hurst指数与自相关长度对三维随机电导率模型建模产生的影响,进行参数优化建立所需的随机介质模型.利用一维傅里叶变换建立三维随机变化的条状断裂带异常体,三维傅里叶变换建立三维随机变化的背景围岩,准确地表征了油气藏断裂带特征.基于时域有限差分方法,实现了磁源激励下的三维随机介质航空时域电磁响应数值模拟.采用均匀半空间模型验证了数值模拟的正确性,分析了随机断裂带与均匀断裂带的电磁响应特征,结果表明随机断裂带可以准确描述地下介质的分布特征,而且与断裂带垂直方向的电磁响应特征清晰地描述了断裂带的倾向、走向与位置,为断裂带结构探测提供了理论依据和技术指导,三维随机断裂带模拟方法同样适用于其它三维随机介质的数值模拟.

浅层地温能监测系统设计

浅层地温能是南于地表下的岩土体温度与地表气温存在常年温差而形成的能量．是一种特殊的势能．具有开发利用价值。其主要蕴藏在地表以下一定深度（一般小于200m）范同内岩土体以及地下水和地表水中．温度通常低于25℃。

基于矩阵范数优化理论的用电数据质量提升算法

用电数据是智能电网大数据重要组成部分,也是基于人工智能方法进行负荷预测、需求响应以及台区线损治理和反窃电的基础样本数据来源。但用电信息采集设备工作环境复杂,用电数据缺失异常问题不可避免,严重影响数据驱动的效果。该文针对用电大数据存在的数据缺失、异常噪声等低质量问题,提出一种基于多范数优化的用电数据质量提升新算法,其中针对数据缺失和稀疏脉冲等多种现场采集噪声,采用核范数/1-范数/F-范数优化的低秩矩阵恢复模型和交替方向乘子算法求解,实现缺失数据恢复和异常噪声滤除,提高用电数据质量。所提方法具有不需要先验知识的训练,计算复杂度低的优势。算例结果表明,该文方法可以提高缺失数据恢复精度、改善数据质量,并且通过基于人工智能长短期记忆神经网络(long short term memory,LSTM)方法的短期负荷预测实验证明其可有效提高预测精度,对电力系统基于数据驱动的新兴高级应用具有良好的实际意义。

基于计算负荷时–空双维迁移的互联多数据中心碳中和调控方法研究

随着全球分布的数据中心大量部署和云计算服务需求激增,其高运行能耗和碳污染问题日益严重。针对这种新兴的高能耗负荷,如何缓和数据中心碳足迹的有害影响,实现碳达峰、碳中和"3060"目标成为一项重要挑战。该文基于数据中心计算负荷的灵活可控性和全球多区域可再生能源时空分布互补性,提出时–空双维度任务迁移机制实现互联多数据中心碳中和。通过延时容忍型任务,在多数据中心间的空间迁移,满足计算负荷与清洁能源出力在大时间尺度上匹配,并配合任务在单体数据中心的时域迁移,实时追踪可再生能源功率波动以最大化消纳可再生能源,从而以时空优化互补的方式实现多数据中心高运行能耗所造成碳排放的时空转移,实现碳中和。最后,使用真实的数据中心算例验证所提出的多数据中心碳中和调控策略的性能和普遍适用性。通过实验对比,所提调控策略能够实现任务负荷与可再生能源的最优匹配,显著降低不同规模的互联多数据中心碳排放量,缓解多数据中心集群碳污染,实现全球大规模部署数据中心碳中和。