Operating Analysis and Data Mining System for Power Grid Dispatching

The dispatching center of power-grid companies is also the data center of the power grid where gathers great amount of operating information. The valuable information contained in these data means a lot for power grid operating management, but at present there is no special method for the management of operating data resource. This paper introduces the operating analysis and data mining system for power grid dispatching. The technique of data warehousing online analytical processing has been used to manage and analysis the great capacity of data. This analysis system is based on the real-time data of the power grid to dig out the potential rule of the power grid operating. This system also provides a research platform for the dispatchers, help to improve the JIT (Just in Time) management of power system.

Framework and Key Technologies of Human-machine Hybrid-augmented Intelligence System for Large-scale Power Grid Dispatching and Control

With integration of large-scale renewable energy,new controllable devices,and required reinforcement of power grids,modern power systems have typical characteristics such as uncertainty,vulnerability and openness,which makes operation and control of power grids face severe security challenges.Application of artificial intelligence(AI)technologies represented by machine learning in power grid regulation is limited by reliability,interpretability and generalization ability of complex modeling.Mode of hybrid-augmented intelligence(HAI)based on human-machine collaboration(HMC)is a pivotal direction for future development of AI technology in this field.Based on characteristics of applications in power grid regulation,this paper discusses system architecture and key technologies of human-machine hybrid-augmented intelligence(HHI)system for large-scale power grid dispatching and control(PGDC).First,theory and application scenarios of HHI are introduced and analyzed;then physical and functional architectures of HHI system and human-machine collaborative regulation process are proposed.Key technologies are discussed to achieve a thorough integration of human/machine intelligence.Finally,state-of-theart and future development of HHI in power grid regulation are summarized,aiming to efficiently improve the intelligent level of power grid regulation in a human-machine interactive and collaborative way.

Automation in Power Grid Dispatch

A project named ＂A New Generation of Energy Management with Three Dimensional Coordination＂ has recently passed technical appraisal from the Ministry of Education. The project has been developed over the past 15 years by a research team led by Professor Zhang Boming from Tsinghua＇s Department of Electrical Engineering.

Forecasting-Based Adaptive Optimized Dispatch in Smart Grid Online

The power grid is a fusion of technologies in energy systems, and how to adjust and control the output power of each generator to balance the load of the grid is a crucial issue. As a platform, the smart grid is for the convenience of the implementation of adaptive control generators using advanced technologies. In this paper, we are introducing a new approach, the Central Lower Configuration Table, which optimizes dispatch of the generating capacity in a smart grid power system. The dispatch strategy of each generator in the grid is presented in the configuration table, and the scenario consists of two-level agents. A central agent optimizes dispatch calculation to get the configuration table, and a lower agent controls generators according to the tasks of the central level and the work states during generation. The central level is major optimization and adjustment. We used machine learning to predict the power load and address the best optimize cost function to deal with a different control strategy. We designed the items of the cost function, such as operations, maintenances and the effects on the environment. Then, according to the total cost, we got a new second-rank-sort table. As a result, we can resolve generator’s task based on the table, which can also be updated on-line based on the environmental situation. The signs of the driving generator’s controller include active power and system’s f. The lower control level agent carries out the generator control to track f along with the best optimized cost function. Our approach makes optimized dispatch algorithm more convenient to realize, and the numerical simulation indicates the strategy of machine learning forecast of optimized power dispatch is effective.

台风灾害下提升电网韧性的实时优化调度策略

针对在台风灾害下输电线路停运可能引发的电网大停电事故,构建了提升电网韧性的实时优化调度策略。运用脆弱性曲线刻画风速与线路故障率关系,并考虑线路负载率对线路故障影响,获得台风灾害下的输电线路故障概率;通过蒙特卡罗抽样生成故障场景集,采用置信集法进行场景削减;在此基础上构建了综合考虑潮流均匀度、受灾区线路负载率和发电成本的多目标实时优化调度模型,将输电线路开断(Optimal Transmission Switching, OTS)引入到模型中以降低受台风灾害影响的线路数量。为提高优化调度模型求解的计算速度,采用Benders分解法进行求解。以IEEE 118节点系统为例进行仿真,验证了所提方法的有效性。

基于人工蜂群算法的配电网无功优化调度研究

为了改善现有无功功率调度时算法执行效率,解决模型易陷入局部极值问题,提出一种基于改进人工蜂群算法模型。在分析等式和不等式约束的情况下,建立最小化实际功率损耗、电压偏差和电压稳定增强的无功功率调度目标函数。提出一种基于邻域半径选择的改进人工蜂群算法,设计一种新的邻域选择机制和改进的搜索策略。实验阶段,以IEEE39总线电力系统为例,对所提算法有效性和执行效率进行验证。与线性规划(LP)、粒子群优化(PSO)算法和基础人工蜂群(ABC)算法相比,改进ABC算法比其他算法执行效率更优,且解的质量更高。该模型为配电网电力调度及稳定性运行的发展提供了一定借鉴作用。

基于层次分析法的电网调度操作效率评价

基于层次分析法的电网调度操作效率评价能够从多维度评价线路操作效率、主变操作效率、母线操作效率;基于停电、复电、检修工作、许可的准时率,能够给调度操作提供辅助决策分析功能,以实现电网精益化管理。

大电网调控人机混合增强智能:概念内涵、应用框架、关键技术以及系统验证

伴随深度学习等人工智能技术的飞速发展,通过数字化赋能电力来实现电网的信息化、数字化和智能化成为未来新型电力系统发展的必然趋势。人工智能技术在电网调控应用研究广泛,但是实际应用过程中,由于电网不确定性、开放性和脆弱性造成的模型可信性和可解释性等问题,使得单纯的人工智能技术应用于电网调控领域难以满足安全可靠应用的需求。为了解决上述问题,需要引入人类的监督与互动,融合调控人员的智能与机器智能,实现电网调控人机智能的混合增强。该文首先介绍混合增强智能技术的概念和内涵以及在不同领域的研究现状。随后,针对电网调控业务特点,从人工智能和调控应用两个维度,提出电网调控人机混合增强智能的应用框架以及电网调控人机交互协同的目标和基本原则。在此基础上,分析和讨论电网调控人机混合增强智能所涉及的关键技术,并研发大电网调控人机混合紧急控制决策支持验证系统,用于省级规模电网的热稳调整、频率控制等多种电网调控场景应用验证,为人机混合增强智能技术在电网调控领域的应用提供参考和借鉴。

基于网络交互与智能规则的调度操作指挥模块

针对传统的手打拟票、手工记录以及电话下令的业务开展方式已成为操作效率提升的瓶颈,提出在调度指挥控制系统(dispatch command control system,DCCS)上设计调度操作指挥模块。将电话下令转变为网络交互;构建多种基于智能规则的自动成票手段,取代传统的手打出票方式;操作完成后系统可自动记录设备状态信息并通知相关单位,实现调度操作全流程的网络化、信息化与智能化。模块上线运行结果表明,数据显示对调度操作效率的提升作用显著。

基于深度强化学习的微电网在线优化

针对微电网的随机优化调度问题,提出了一种基于深度强化学习的微电网在线优化算法。利用深度神经网络近似状态-动作值函数,把蓄电池的动作离散化作为神经网络输出,然后利用非线性规划求解剩余决策变量并计算立即回报,通过Q学习算法,获取最优策略。为使得神经网络适应风光负荷的随机性,根据风电、光伏和负荷功率预测曲线及其预测误差,利用蒙特卡洛抽样生成多组训练曲线来训练神经网络;训练完成后,保存权重,根据微电网实时输入状态,神经网络能实时输出蓄电池的动作,实现微电网的在线优化调度。在风电、光伏和负荷功率发生波动的情况下与日前优化结果进行对比,验证了该算法相比于日前优化在微电网在线优化中的有效性和优越性。

基于GridSim ToolKits的网格仿真环境设计与实现

本文在研究GridSim的基础上,设计并实现一种基于GridSim ToolKits的网格仿真环境MendSim,该网格仿真环境可以对各种高级调度算法进行模拟并实现对各种网格发布规则和调度算法的研究。

基于电网调度系统的网络安全态势感知方法研究

由于网络外界病毒入侵的隐蔽性极高、入侵类型较多,病毒难以被全面地被感知,导致电网调度自动化系统运行安全受到威胁。为提升电网调度自动化系统网络的安全性,提出基于随机矩阵理论(random matrix theory,RMT)的电网调度自动化系统网络安全态势感知技术。采集电网调度自动化系统网络安全信息数据,构建病毒入侵环境下的安全状态分布模型,并利用该模型完成电网调度系统网络安全态势特征信息的提取。采用RMT中的M-P模型及单环定律对网络安全态势特征值在随机矩阵内的分布情况进行谱分析,根据特征值分布状态获取网络安全态势在稳定情况及异常情况下的变换规律,实现电网调度系统网络安全态势感知。实验结果表明,通过对该方法开展安全态势感知测试,验证了该方法应用在电网调度系统中组件安全态势感知及网络安全态势感知的精准度均较高,体现了该方法的有效性。

配电网节点光伏接纳能力分析及容量优化算法

针对目前配电网存在光伏接纳容量优化目标单一、配置不合理等问题,设计了一种基于年时序曲线的配电网节点光伏接纳容量优化模型。该模型兼顾了光伏接纳容量、网络损耗、电压分布指数以及电压稳定裕度等多维度优化目标,在保障配电网运行安全、稳定的前提下,实现光伏接纳容量最大化。对于传统粒子群算法存在动态性能较差的不足,文中提出了自适应的惯性系数和学习因子的改进策略,采用改进粒子群算法实现了光谷接纳容量多目标优化模型的求解。算例分析结果表明,所提IPSO算法仅在约40代就已完成收敛,相比于PSO算法收敛速度更快,而所设计的光伏容量优化模型能够实现配电网不同节点光伏接纳容量的合理配置,并显著改善了配电网的运行参数。

基于分布式新能源集群的微能源网优化调度综述

为促进符合本地园区/社区资源禀赋的分布式新能源集群消纳,现有研究通过微能源网实现园区/社区级多能转换、混合储能及综合需求侧响应方式。该文对日趋丰富、渐成体系的国内外微能源网优化调度研究进行综述。首先,概述微能源网的背景及特点。然后,回顾微能源网优化调度研究,涉及微能源网系统运行建模、优化调度问题及最优化方法。最后,展望微能源网优化调度发展方向,面向多种能源类型的大规模、集群化分布式新能源消纳,拓展“电-碳”市场协同下的新型应用场景及能量共享与交易机制,构建感知-推理-决策一体化的微能源网优化调度体系并实现规模化互联微能源网在线鲁棒决策。

电网智能调度技术支持平台中的主配网协同研究

在当前电网负荷过大、区域电网数量增多的背景下,为了广泛并且有效地改善电能质量,为电力公司以及企业的供电提供一定的可靠度,首先对当前电网智能调度技术支持平台的现实需要与指标规范等进行了关注,然后以主配网协同为核心,针对智能调度技术平台进行研究设计,并对其性能进行测试。结果显示,研究设计的电网智能调度技术支持平台各项性能指标良好,可以进行实际应用。该系统平台的应用将会提高配电质量和效率,使得主配网能够很好地相互协调。基于主配网协同研究设计的电网智能调度系统平台有比较好的实际应用效果,可以为今后的电网技术改进以及智能电网系统平台设计提供一定的参考。

我国绿电规模化交易主要影响因素分析及政策建议

我国光伏发电和风电处于快速发展阶段,如何鼓励绿色电力消费,成为近期电力行业发展的一个重要方向。自2021年我国绿电交易开始以来进展迅速,在交易量和交易机制方面都有明显进展。2023年前三季度,完成绿电结算电量352×108k W·h、绿证391万张。尽管绿电交易快速上升,但其占市场交易量的比重仍然较低,2023年1~6月绿电交易仅占全国总交易量的1%。未来绿电将占据电力消费的主要部分,成为未来电力系统发展的主要特征。绿电交易近期要解决的主要是一些显性问题,如跨省交易困难导致绿电交易量受限、更低价格的绿电无法扩大应用空间等,而绿电供应途径及高可靠度供电机制将成为未来需要面对的主要问题。近期推进大规模绿电交易是可行的,我国已出台各项政策,要求加大绿电交易,扩展省间交易,推进现货交易。电网调度侧需要尽快强化技术措施,适应波动性强的可再生电力的纳入,确保高可靠度供电。长期来看,需要明确未来新型电力系统的架构,以长期发展目标来确定现在的规划,一个明确的长期发展格局,对当前的电力系统建设至关重要。纳入现货交易是进一步扩大绿电交易的有效手段,需尽快构建24h及低于小时级的供电预测和电价预测信息体系,为现货交易提供技术支持。

考虑新能源出力不确定性的风-光-柴-储系统调度策略

文章以风-光-柴-储系统为研究对象,为了研究新能源出力不确定性对该系统的影响,提出了一种新能源出力复合预测模型。为提高风-光-柴-储系统运行的经济性、环保性和安全性,提出了考虑新能源出力不确定性的风-光-柴-储系统调度模型,并采用了带有Monte Carlo模拟的遗传算法对模型进行求解。文章采用了负荷缺失率(load loss rate,LLR)和置信概率对系统的安全性进行评价,并分析了其对系统调度结果的影响。仿真结果表明,文中所提出的考虑新能源出力不确定性的风-光-柴-储系统调度模型,可以降低新能源出力不确定性对系统的影响,且该方法可以有效地平衡系统的经济性和安全性。

基于电网调度运行的智能防误方法研究

针对电网调度过程中,相关节点数据异常监测和防误不及时的问题,设计一个基于电网调度运行的智能防误系统。系统通过嵌入式技术,将精确字符集(BM)算法融入电网调度数据监测中,通过优化监测数据达到精确数据的目的;对于超过设定值的异常数据,利用支持向量机(SVM)—主成分分析(PCA)算法进行防误校核,实现电网调度智能防误。实验结果表明,该系统能通过故障线路电流出现明显的波动,更准确地诊断出故障元件;电网调度防误准确率稳定在96%左右,最高达97%,且变化趋势不大。

基于Gabor变换的电网调度自动化设备运行状态监控技术

提出基于Gabor变换的电网调度自动化设备运行状态监控技术。该方法从电网调度自动化设备的大规模数据库技术和自动化电网调度技术入手,分别采集2项技术在电网调度自动化设备运行中存储和调度的状态信息,并将状态信息与Gabor变换结合,消除状态信息携带的干扰噪声,通过将优化后的状态信息输入以模糊神经网络与电网调度自动化设备健康评估体系为基础建立的设备运行状态监控模型中,实现电网调度自动化设备运行状态监控。实验结果表明,所提方法能够迅速监控电网调度自动化设备运行故障状态,监控功率与实际功率一致,监控精确度高。

基于模糊隶属度的智能电网电力调度多目标优化研究

在智能电网电力优化调度过程中,因求解目标分布范围较小,导致全局搜索能力较差,因此提出基于模糊隶属度的智能电网电力调度多目标优化方法。根据智能电网的工作模式,搭建电力调度架构。在电力调度架构中,从调度成本、可再生能源利用率和用户满意度三个角度确定电力调度目标,构建多目标优化数学模型。设计模糊隶属度求解算法,获取多目标优化最优解集,采用通过模糊识别策略从最优解集内选取最终优化调度方案。应用分析结果表明,所提方法应用后,求解目标分布范围大幅度增长,全局搜索能力得到了增强,可以有效提升智能电网电力调度水平。