适应调控领域应用场景的人工智能平台体系架构及关键技术

人工智能是新一轮产业变革的核心驱动力,在全球范围内受到广泛关注,掀起了产业智能化的浪潮。目前人工智能技术在电网调控领域业务场景中已有初步应用成果,但是缺乏架构性、系统性的研究。提出了适应调控领域应用场景的人工智能平台架构,基于调控云构建可扩展的人工智能通用算法框架,同时阐述了分布式深度学习、电网调控领域知识图谱等相关关键技术,并对人工智能平台在调控业务场景中的应用进行了分析。该平台架构具备算力、数据、算法到上层应用的全能力覆盖,能够为人工智能技术在调控领域应用场景中的快速推进提供全面技术支撑。     

电网调控大数据平台体系架构及关键技术

新一代的电网调控平台利用大数据处理和分析技术,为电网的稳定和高效运行提供强大的技术支持。在此背景下,电网运营者和工程师必须持续探索、学习并实践,以确保与技术进步保持同步。基于此,探讨了电网调控大数据平台的体系架构和关键技术,并分析其在现实场景中的应用策略,希望能为电网行业的技术进步提供有益参考。     

电网调控领域人工智能技术框架与应用展望EI北大核心CSCD

以深度学习和大数据分析为特征的新一代人工智能技术,已成为推动电力等传统领域技术进步的重要手段。首先分析了电网发展新特点和调度控制面临的挑战;进而按照人工智能与现有技术体系深度融合的思路,开展电网调控领域人工智能应用技术框架研究,提出总体思路、建设目标,设计了系统体系架构;最后对电网调控领域人工智能应用进行展望,分析了应用发展方向,为相关研究建设提供参考。     

人工智能技术在电网调控中的应用研究EI北大核心CSCD

近年来,以深度学习为代表的先进人工智能技术促进了各行业的智能化发展。电网调控作为人工智能技术应用的重要领域之一,亟需借鉴互联网思维,充分利用人工智能技术,进一步提升电网调控业务的智能化水平。分析总结了人工智能技术的发展脉络,重点介绍了引发新一代人工智能技术大跨越的深度学习技术。聚焦大电网调控领域,论述了其对人工智能技术的需求分析。在此基础上,分析了人工智能技术在电网故障辨识、负荷预测、电网智能辅助决策和人机交互应用等方面的典型应用场景。最后通过电网故障辨识算例,进行了深度学习技术在电网调控应用的探索,可为调控业务智能化研究与发展提供有益的参考和借鉴。     

基于容器的调控云PaaS平台的设计与实现EI北大核心CSCD

随着调控云的持续推进,传统基于虚拟化技术的调控云在资源调度、弹性伸缩、应用快速响应等方面尚无较好的支撑,这对基于虚拟化技术的调控云平台服务层(platform as a service,PaaS)平台的可维护性和可用性构成一定的威胁。容器引擎(Docker)技术的迅速发展解决了传统基于虚拟机形式的调控云PaaS平台存在的不足。该文利用Docker容器技术设计调控云PaaS平台,对容器的弹性伸缩、资源调度、容器响应等性能方面进行分析与验证,实验表明基于Docker容器的调控云PaaS平台在资源上的合理分配、及时响应、弹性管理等方面具有良好的效果。     

电网调控大数据平台体系架构及关键技术

以数字化技术和能源互联网理念为驱动的数字新基建对现有调度自动化系统的数字化转型提出新的挑战,该文考虑调控数据存储规模、数据加工复杂度和数据服务多样化的需求,提出电网调控大数据平台的体系架构.在此基础上,研究了多源调控数据集成与融合、异构数据库分层统一存储、调控数据资产管理、大数据算法引擎等关键技术,实现全业务、全场...     

支撑大电网调控系统无差别浏览的人机云终端及关键技术EI北大核心CSCD

为了满足大电网调控系统统一分析、统一决策的需求,提出了一种支撑本地/异地无差别浏览的人机云终端。首先研究了云终端交互界面跨区域、跨系统的标准化解析和展示,在电网图形CIM/G规范的基础上提出了一种交互界面的多尺度描述方法,实现了界面描述与开发平台的解耦;然后,研究了云终端图形化开发工具实现应用界面的细粒度开发,并通过应用商店实现应用的全网注册、发布、维护等全生命周期管理;另外,通过人机交互网和标准的人机交互协议提升了人机云终端广域服务发现、调用和数据交互的能力,实现数据、服务的广域无差别调用。最后研究了自然方式的云终端人机交互,将人脸识别、语音识别及触摸控制等技术应用到云终端调控场景中,提高人机交互效率。通过异地同景和远程协同处置2个场景验证文中提出的人机云终端能够实现地域无关的同景展示。     

人工智能技术在新能源功率预测的应用及展望EI北大核心CSCD

构建新型电力系统是实现我国“双碳”战略目标的主要举措之一,风力发电和光伏发电作为两种最具代表性的新能源,其波动性和随机性给电网安全和新能源消纳带来了重大挑战,新能源功率预测是降低其随机性影响的核心关键技术。近年来,随着大数据技术和以深度学习、强化学习为代表的新一代人工智能(artificial intelligence,AI)技术在诸多领域的成功应用,其在新能源功率预测方面的应用仍有方兴未艾之势。首先该文论述AI技术在新能源功率预测应用的理论基础,并对AI技术在风电和光伏功率预测方面的应用进行系统总结,包括数据增强和特征构建等多种数据处理技术的应用,传统机器学习算法、深度学习算法以及组合算法在模型构建方面的应用,以及进化算法、群智能优化算法、强化学习等多种智能优化算法在模型训练和超参数优化方面的应用。然后,对当前相关文献进行统计分析,并基于新能源预测大赛结果和实际预测系统调研情况,对当前学术界研究热点和趋势、产业界模型应用情况进行对比和分析。最后,对当前新能源功率预测在场景自适应、小样本学习、数值天气预报系统(numerical weather prediction,NWP)数据时空分辨率、分布式新能源预测等方面存在的一些问题进行剖析,并对采用强化学习、元学习、图神经网络(graph neural network,GNN)等多种AI技术解决相关问题的前景进行展望。     

电网调控实时数据平台体系架构及关键技术研究与应用

一体化运行的互联大电网对现有调度自动化系统实时数据的全局性和实时性等提出了新的挑战,文中提出了电网调控实时数据平台体系架构和建设目标原则。在此基础上,研究了电网模型在线同步、分布式数据汇集与处理、大规模并行状态估计、实时数据统一服务等关键技术,实现了基于模型自动同步免维护下的全网实时数据单点采集、全网共享。研发的电网调控实时数据平台在国分调控中心试点建设,应用结果表明,所提技术方案提高了实时数据汇集的全局性、实时性和运维效率,能够为电网分析决策应用提供全面、实时、准确的全网实时数据和状态估计数据断面。     

Hadoop架构下基于分布式粒子群算法的暂态稳定评估特征量选择EI北大核心CSCD

特征量选择是基于机器学习的电力系统暂态稳定评估的重要环节。针对现有特征量选择方法存在分类判据选择效果不佳和初始特征集构建不全面等问题,提出一种基于改进分类判据和考虑单机特征的特征量选择方法。首先以基于类内类间离散度的分类判据为基础,对类内类间离散度进行改进,同时基于信息熵提出特征熵的概念用于衡量低维特征组合中各特征量在初始特征集中的重要程度,进一步提出基于改进类内类间离散度和特征熵的分类判据;其次,利用系统特征和可表征临界机组特性的单机特征构建初始特征集,且为尽量避免所提特征量选择方法出现维数灾问题,提出用于特征量选择的Hadoop架构下分布式粒子群算法;最后,以EPRI-36节点系统和某实际系统为算例验证所提方法的有效性。     

面向用户需求的区域能源互联网价值形态研究框架及应用分析EI北大核心CSCD

以用户能源需求类型为导向,自底向上构建区域能源需求结构。首先,按照普惠用能、成本敏感性、质量敏感性、激励响应性和政策保障驱动性对用户用能行为进行了分类分析。根据供应价值链理论,从价值要素分析、价值载体设计、价值实现机制三方面构建了区域能源互联网价值形态研究框架,分析提炼涉及区域能源互联网价值形态研究的科学理论问题及关键技术。最后借鉴系统性思维方法论,建立"阶段-属性-价值"三维评价体系,在泛在连接、互动融合、智能化服务等不同发展阶段讨论了区域能源互联网价值应用场景,为能源云基础设施建设与连通提供理论指导。