人工智能应用于电网调控的关键技术分析

当前以深度学习为代表的新一代人工智能技术快速发展,作为引领新一轮科技革命和产业变革的战略性技术,已上升为国家战略,备受各行各业关注。电网调控运行作为电力系统运行的"决策大脑",是集大量数据、机理分析、运行规程和专业经验相结合的综合性决策控制,与以数据驱动、知识引导为特征的新一代人工智能发展思路和演进方向十分相近。在分析新一代人工智能技术特点、电网调控运行业务场景及需求的基础上,提出了未来基于人工智能的调度控制系统设计思路、总体架构和主要功能,并从高性能计算、调控大数据、基于深度学习的电网预测及辨识、基于知识图谱的智能辅助决策以及基于语音交互的调度助手等方面,对其关键技术和潜在应用场景进行了分析。最后对未来人工智能在电网调控中的发展进行了小结和展望。     

基于人工智能技术电力调度智能代理操作方法研究

针对基于人工智能技术的电力调度智能代理操作方法进行了研究.首先分析了人工智能技术在电力系统中的应用和发展趋势,给出了人工智能技术在电力系统中的应用场景.然后对智能代理技术进行了分析,提出了电力调度智能代理结构,并针对基于人工智能技术的电力调度代理方案提出了应用技术.最后针对电力调度智能代理操作流程,提出了以负荷偏差、潮流转移和电压偏移为操作对象的操作方法.     

深度学习在电力系统中的应用研究综述

近年来,人工智能特别是深度学习技术的迅速发展,给当今社会带来了巨大变革。首先梳理了人工智能尤其是机器学习的关键及前沿技术,阐述了包括强化学习、迁移学习、生成对抗神经网络、胶囊网络和引导学习等几种典型机器学习方法的特点。然后分析了机器学习在电力系统稳定性分析领域、协调调度领域以及负荷预测领域的典型应用场景,对比了其在解决特定问题时的优势。最后对应用情况进行了概括总结,展望了其在电力系统运行领域的应用前景。     

电力视觉技术的概念、研究现状与展望

随着我国新一代电力系统建设的快速发展,发输变电设备作为电力系统的重要组成部分,实现其缺陷的智能检测与分析变得愈发重要。紧跟国家新一代人工智能的步伐,与当今较热的计算机视觉相结合,提出电力视觉技术的概念,分析其研究对象和难点问题,在电力系统、计算机视觉和人工智能等领域之间建立了桥梁,并系统地总结了电力视觉技术在发电、输电和变电3大场景中的研究现状。最后从泛在电力物联网、少样本或零样本学习、生成式对抗网络、电力知识图谱和视觉推理等方面来分析电力视觉技术及其应用的未来发展趋势。     

机器学习在能源与电力系统领域的应用和展望

新一代人工智能(AI)近年来成为国内外研究的热点,其中的典型代表机器学习(ML)作为一个算法范畴,通过分析和学习大量已有或生成数据形成预测和判断以做出最佳决策。中国的新一代AI正处于快速发展的关键期,目前已在能源与电力系统中得到初步应用。基于此,文中以新一代AI中的ML为代表,重点综述了强化学习、深度学习、迁移学习、平行学习、混合学习、对抗学习和集成学习等7种代表性ML在能源与电力系统调度优化和控制决策等方面的应用。最后,对未来ML的发展进行了思考与展望。     

新一代人工智能在电力系统故障分析及定位中的研究综述

随着电力系统的不断发展,电力系统故障分析及定位面临数据规模庞大、故障机理复杂、建模需求多样化等问题。新一代人工智能技术在数据处理方面有较强的优势,如特征自学习、强非线性拟合、端到端建模等,为电力系统故障分析及定位的问题提供新思路。该文首先分析了电力系统新态势下,故障分析及定位面临的挑战和新一代人工智能技术应用的可行性。随后,对新一代人工智能技术在故障分析及定位中不同方面的应用情况进行了详细的综述,探讨了新一代人工智能技术在故障分析及定位的优势和存在问题的解决方式,并对未来发展进行了展望。     

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。     

融合电网运行场景聚类的多任务深度强化学习优化调度

“双碳”目标和新型电力系统建设背景下,新能源的高渗透率接入导致电力系统随机性显著增大、运行方式的分布复杂多样,传统单任务深度强化学习难以自适应源荷两侧的高随机性,调度决策难以满足新型电力系统对风光消纳、功率平衡需求。为此,该文提出融合电网运行场景聚类的多任务深度强化学习优化调度方法。该方法离线训练时利用空间聚类和决策树辨识海量调度运行数据的典型运行场景与重要特征,并构建甄别场景类别的多层感知机分类器;再依据场景类别建立和划分融合聚类多任务深度强化学习模型,从数据源到状态动作设计差异化训练各子任务学习器与模型;在线决策时利用分类器辨识有限运行数据的场景类别,调用模型快速求解实时调度任务,实现高随机场景下的多任务快速迁移学习,保证电力系统优化调度决策的最优性。该文通过算例验证了该方法的解的可行性与经济性。实验结果表明,融合电网运行场景聚类的多任务深度强化学习优化调度算法较单任务算法能够明显提升调度决策经济效益。     

新一代人工智能技术在输变电设备状态评估中的应用现状及展望北大核心CSCD

输变电设备是电网电安全的基石,对输变电设备进行监测并对其状态进行评估可提早发现其潜在隐患,避免事故扩大造成不必要的损失。新一代人工智能技术在输变电设备状态评估中的应用不断普及,对新一代人工智能关键技术及其在输变电设备状态评估中的应用现状进行整理、归纳及分析,并对未来发展趋势予以展望,有助于输变电设备状态评估领域的科研工作开展。首先,梳理新一代人工智能基本技术及高级应用,包括数据增强技术、图像检测及目标识别技术、自然语言处理技术、迁移学习技术以及强化学习技术等;然后,对新一代人工智能技术应用于输变电设备状态评估中的难点问题与优势所在进行了分析;在此基础上,概述新一代人工智能技术在输变电设备状态评估的应用场景,包括故障辨识技术、电力视觉技术及健康管理技术等;最后,对新一代人工智能技术在输变电设备状态评估中应用研究所面临挑战及发展趋势进行展望。     

人工智能在变电站运维管理中的应用综述

变电站运维管理是人工智能在能源电力系统中的典型应用场景之一,研究以专家系统、传统机器学习及深度学习为主要代表的人工智能技术,对于推动变电站的智能化发展具有重要意义。首先,概述了人工智能技术的发展现状及特点、面临的挑战、发展趋势及热点;然后,结合变电站中基于传感器的遥测系统与基于摄像头的遥视系统的高级功能需求,总结分析了现有将人工智能技术应用于主要电力设备状态评估诊断、变电站安防环境的智能感知、站内人员行为检测判别等典型场景中的研究成果,同时指出当前人工智能技术应用于变电站典型场景时存在的问题;最后,就人工智能技术未来应用于变电站重要设备状态感知和三维全景可视化中的重点突破领域提出了几点建议。     

新能源形势下的“智慧汽轮机”及其研究进展

将信息技术的最新成果应用于汽轮机设计、制造和运维等各环节有助于满足新的能源形势下对汽轮机高效、灵活发电的需求。论文提出"智慧汽轮机"的概念,说明其架构、特点以及全寿命周期解决方案,介绍以机器学习和深度学习为代表的人工智能算法在"智慧汽轮机"通流设计、控制策略、故障预测、知识迁移等方面的应用,总结"智慧汽轮机"发展亟待解决的6个关键问题,为发展"智慧汽轮机"提供了思路和具体的示例。     

强化学习理论在电力系统中的应用及展望

强化学习理论是人工智能领域中机器学习方法的一个重要分支,也是马尔可夫决策过程的一类重要方法.所谓强化学习就是智能系统从环境到行为映射的学习,以使奖励信号(强化信号)函数值最大.强化学习理论及其应用研究近年来日益受到国际机器学习和智能控制学术界的重视.系统地介绍了强化学习的基本思想和算法,综述了目前强化学习在安全稳定控制、自动发电控制、电压无功控制及电力市场等方面应用研究的主要成果与方法,并探讨了该课题在电力系统运行控制中的巨大潜力,以及与经典控制、神经网络、模糊理论和多Agent系统等智能控制技术的相互结合问题,最后对强化学习在电力科学领域的应用前景作出了展望.     

人工智能在能源互联网中的应用综述

人工智能技术具有高效解决复杂问题的突出优点。能源互联网是信息技术与能源相结合的产物,可以为消费者提供灵活的能源共享服务。由于可再生能源具有间歇性和波动性,对可再生能源的有效利用对能源供需信息的实时性要求越来越高,能源的供需曲线也变得更加复杂多变,因此人工智能技术在能源互联网中具有广泛的应用前景。人工智能技术已经被广泛地应用于能源互联网领域中的系统建模、预测、控制和优化等方面。文章对人工智能技术在能源互联网典型应用场景的研究现状进行了综述,并对未来的发展方向进行了展望。     

人工智能在电力系统及综合能源系统中的应用综述

推进能源生产和消费革命,构建清洁低碳安全高效的能源体系,需要发展更加智能的新一代电力系统及综合能源系统。人工智能(AI)是当前最具颠覆性的科学技术之一,在计算智能、感知智能和认知智能方面具有强处理能力。人工智能技术在电力系统和综合能源系统中的应用,将改变能源传统利用模式,促进系统进一步智能化。文中主要从人工智能概述、电力系统及综合能源系统对人工智能的需求,以及人工智能在能源领域中的应用几个层面进行综述和分析,最后对人工智能在电力系统及综合能源系统中应用所面临的挑战进行了分析和展望。     

新一代人工智能在智能电网中的应用研究综述

智能电网是人工智能 （artificial intelligence, AI） 的重要应用领域之一, 以高级机器学习理论、大数据、云计算为主要代表的新一代人工智能 （new generation artificial intelligence, NGAI） 技术的进步和突破, 将会促进智能电网的发展。首先概述AI的主要方法, 并对NGAI的内涵、特点与技术体系进行论述。之后, 对NGAI在能源供应、电力系统安全与控制、运维与故障诊断、电力需求和电力市场等领域中的最新应用研究情况进行比较系统的综述。最后, 总结NGAI在智能电网中应用的关键问题, 提出人工智能在智能电网中的应用可分为三阶段实施的建议。     

基于深度学习的超短期光伏精细化预测模型研究

光伏发电系统的超短期功率预测对电网调度的计划安排及光伏发电系统的优化运行具有重要意义。机器学习、人工智能领域的技术进步为精细化分析光伏功率预测影响因素并提高光伏预测精度提供了有效途径。提出一种基于深度结构网络模型的光伏超短期功率预测方法,首先根据光伏发电系统的机理特征,分析深度学习算法处理光伏预测问题的可行性;然后提出基于深度学习算法的光伏功率预测模型,采用基于受限玻尔兹曼机的深度置信网络提取深层特征完成无监督学习过程,采用有监督BP神经网络作为常规拟合层获得预测结果;并立足于实际需求,建立含离线训练和在线预测的双阶段光伏发电预测系统,分析天气信息及历史信息的输入属性;最后利用光伏发电系统的实际运行数据进行仿真,验证算法准确性和有效性,通过比较深度结构是否包含无监督学习过程,说明其在预测中的重要性。     

人工智能技术在电力行业的应用现状和发展趋势初探

人工智能作为一门新兴的学科,已成为当前新一轮技术革命的核心驱动力,上升为国家战略,备受各方关注.介绍了人工智能技术的在电力行业各领域的应用现状,分析了人工智能技术应用中存在的问题和不足,并对人工智能技术的发展趋势进行了展望.     

融合多类型深度迁移学习的电力系统暂态稳定自适应评估

针对不同类型人工智能网络应用于电力系统暂态稳定评估时精度和泛化能力不稳定、运行方式或拓扑结构发生较大变化时评估精度下降、重新训练新模型费时费力等问题,提出一种融合多类型深度迁移学习模型（tmDLM）的自适应评估方法,该方法融合了深度置信网络、卷积神经网络以及长短期记忆网络3种不同的深度学习模型。将训练好的各类深度学习模型作为源域模型,当运行方式或拓扑结构发生较大变化时,采用少量目标域样本集微调预训练模型,使其快速跟踪系统当前的运行状态,并得到tmDLM。新英格兰10机39节点系统和华中电网的仿真结果表明：所提方法可以充分发挥各类深度学习方法的优势,具有良好的泛化能力;六分类模型能够在判稳的同时进行稳定裕度/失稳程度等级的评估;经过迁移后的深度学习模型具有良好的评估精度和时效性,大幅缩短了模型更新时间,实现了电力系统暂态稳定的自适应评估。     

深度学习在智能电网中的应用现状分析与展望

深度学习是机器学习研究中的一个新领域,其强大的数据分析、预测、分类能力契合智能电网中大数据应用的需求。文中首先总结了深度学习基本思想,介绍深度学习的5种模型(生成式对抗网络、递归神经网络、卷积神经网络、堆叠自动编码器和深度信念网络)的结构、基本原理、训练方法,概括其应用特征。综述了电力系统中的故障诊断、暂态稳定性分析、负荷及新能源功率预测、运行调控等应用深度学习技术的研究现状。针对深度学习的技术特点,结合电力系统各生产环节,构建深度学习技术在电力系统中的应用框架。最后,从多能源系统运行调控、电力电子化系统安全分析、柔性设备故障诊断、电力信息物理系统的安全防护等方面对深度学习应用进行展望。