面向电网调控信息智能检索的知识图谱构建及应用

针对电网调控多维信息缺乏有效地检索手段,提出面向电网调控信息智能检索的知识图谱构建方法,基于深度学习识别调度运行规程关键信息间的语义关系,采用规则转换方法抽取电网模型信息,通过融合对象化的调度运行规程知识和电网模型知识建立调控信息知识图谱,同时提出基于知识图谱的调控信息智能检索应用方案。通过算例验证了所提方法具有较高的识别准确率,能够支撑不同场景下调控信息的智能检索。     

基于e-模糊树方法的电力系统状态估计

电力系统状态估计在能量管理系统中起着重要的作用。为了提高状态估计的整体性能,提出了基于ε-模糊树方法(ε-FT)的电力系统状态估计方法。以福州电网500 kV母线为研究对象,通过网络结构分析,对各量测量进行信息提取和变量选择,将最优的变量子集作为ε-FT的输入变量,建立了各母线电压幅值的ε-FT模型,并与其他方法进行了对比。随后,在量测量中加入不良数据,验证所提状态估计方法的鲁棒性。结果表明,该方法能够有效地抵抗量测量中的不良数据,具有较高的估计精度和较强的鲁棒性,并且能将不良数据限制在局部,减少对整个电网状态估计的影响。     

电网调度专业语料库构建方法研究及应用

针对调控领域缺乏调度专业语料库导致语音识别准确率较低的问题,提出一种基于自然语言处理和人工智能技术的电网调度专业语料库构建方法。面对结构形式多样的调控语料,提出不同方法建立调度专业语料识别模型;基于规则蒙版识别数据库和文档表格中调度专业实体,采用实体识别和关系抽取技术识别调控文本中调度专业实体和事件;通过梳理调度员操作意图生成调度指令实体,将上述方式获得实体和事件汇集形成调度专业语料库。通过某调控中心语料验证,所建立调度专业语料库能够提升语音识别准确率,具有较强实用性。     

基于生成对抗模仿学习的电力系统动态经济调度

新能源自身所固有的波动性、间歇性与随机性使电网的调度运行面临更加严峻的挑战。如何安排适应新能源出力不确定性的调度方案是调度部门亟待解决的问题。该文提出基于生成对抗模仿学习的动态经济调度模型。首先构建生成器网络,使其通过观测系统状态生成调度策略。受强化学习近端策略优化算法目标函数的启发,创新地构造出生成器网络的损失函数,反向传递更新网络参数以优化调度策略。其次,该文借鉴美国电力市场的完美调度思想,可离线计算理想调度方案,并将其作为专家策略指导生成器网络的学习。进一步,该文构建判别器网络,令其识别生成策略与完美调度策略,输出辨别结果,辅助生成器网络更新。在离线训练中,生成器与判别器在博弈对抗中达到纳什均衡状态;投入在线应用时,可根据新能源与负荷预测数据,安排兼顾经济性并考虑不确定性的火电机组出力计划。最后,利用算例分析验证该模型的有效性。该文建立的模型无需对新能源出力不确定性建模,在完美调度策略的指导下,即可实现端到端的策略学习。该文算法离线训练时收敛迅速,在线应用时决策效率高,可为调度部门提供客观、有效的调度决策依据。     

离散时域框架下的电网状态空间构建及应用

为了更高效、更便捷地获取电网特征值，提出一种基于离散时域模型(discrete time domain model，DTDM)的状态空间构建新方法，并给出稳定性判据。所提方法中元件能够被自然的线性化，每个求解单元里状态空间的构建简单高效。同时，所构建的状态空间能够一次性捕获更宽范围的信息且不受电气设备数学模型的限制，仅利用元件自身的DTDM与电网的连接拓扑便可得到系统完整的状态空间。所提方法对于特征值的计算简洁高效，能给出特征值的变化趋势，预测系统的稳定性变化。     

面向智能调控领域的知识图谱构建与应用

知识图谱技术作为一种能够描述客观世界中概念、实体间复杂关系的新方法,以强大的知识推理能力被广泛关注。调度控制中心是电网运行控制的中心枢纽,为了推动智能调控建设,结合知识图谱技术以及调控领域的具体情况,提出了面向智能调控领域的知识图谱构建方法。进而针对实际调度的需求,提出了用于支撑运行规则电子化、故障处置、倒闸操作、对话问答等应用场景的知识图谱应用方案。最后,构建了线路故障处置知识图谱,通过应用表明,所建立的知识图谱能够自动驱动线路故障处置流程,流程判定识别准确率较高,有效地降低了人工处置风险。     

基于输入更新长短期记忆网络的调度自适应学习模型

新能源机组大量接入电力系统和负荷快速变化引入了不确定性。为此,提出了一种基于海量历史数据,利用深度学习方式求解考虑不确定性的实时调度问题的新思路。首先,利用负荷矩阵相关性分析确定面向各调度时刻的训练样本集的基本结构;其次,基于美国PJM电力市场提出的完美调度理念,生成学习模型的训练目标,并构建各自适应学习模型的差异化训练样本集;然后,提出基于输入更新的长短期记忆(LSTM-IIU)网络,构成面向各调度时刻的实时调度自适应学习模型;最后,以WSCC 9节点和IEEE 118节点标准算例验证所提方法的可行性和适用性。与基于非线性优化理论得到的调度方案相比,文中方法能更好地对完美调度方案进行学习,提升考虑不确定性的调度能力。     

基于ALBERT和RE2融合模型的电网调度意图识别方法

针对电网调度业务意图缺乏有效识别方法的问题,提出一种基于ALBERT(A Lite BERT)和残差向量-字词嵌入向量-编码向量(RE2)融合模型的电网调度意图识别方法。首先,基于ALBERT预训练的动态词向量计算调度专业语言文本特征,建立调度意图分类模型,通过训练调度专业语言构建基于RE2的文本相似度计算模型。然后,采用RE2相似度模型计算召回文本与分类文本的匹配结果对ALBERT意图分类权重进行计算重组,建立融合ALBERT和RE2的意图识别模型。最后,通过某调控中心调度专业语言验证,并与其他方法对比,所提电网调度意图识别方法具有更强的分类能力和泛化能力,对于20种调度意图识别的平均精准率、召回率和F1值分别达到了98.11%、97.96%、98.03%。     

基于联络线扩展区域分解协调的分布式并行状态估计

为适应互联电网日益复杂的结构形式和分层分区管理模式,采用联络线分区解耦方式对互联系统进行分布式状态估计计算。考虑到估计计算精度与计算效率的均衡,提出了一种将联络线扩展区域状态估计和灵敏度矩阵协调算法结合的分布式状态估计算法。设计分布式状态估计整体思路,一方面,在实现联络线分区解耦的前提下,完成分区层各子区独立状态估计计算和灵敏度矩阵求解,利用子区计算时机动态构建协调层联络线估计区域并完成并行状态估计计算;另一方面,根据协调层下发的联络线估计值和灵敏度矩阵,分区层各子区并行实现边界估计值不匹配量的协调修正计算。最后,通过IEEE 118节点、IEEE 30节点和实际互联电网的模拟仿真,验证上述算法实现分布式状态估计计算的优越性。仿真结果表明,采用该算法进行分布式估计计算,既具有较高的估计精度、收敛速度和计算效率,又可实现并行独立计算,避免集中式状态估计计算规模大、无法解决局部不可观测或不收敛的瓶颈问题。     

基于D5000的预想故障集自适应超实时预测系统分析

针对智能电网调度控制系统(D5000)静态安全分析预想故障集依靠人工经验的问题,提出基于D5000的预想故障集自适应超实时预测系统。首先将静态安全分析技术、预想故障集生成技术与人工智能技术相结合建立故障集静态样本库;然后根据分类误差编辑功能建立动态故障集样本库;最后用人工智能技术对故障集分类,建立故障集自适应超实时预测模型。详细阐述系统软件环境、功能设计和关键技术,科学预测故障集,提高软件智能化。