2023基于混合增强智能的电网优化调度决策方法报告

中国电机工程学会电力市场专委会“知识-数据混合增强 GSEE 国家电网 的智能调度与交易”学术交流会2023中国电力科学研究院有限公司 基于混合增强智能的电网优化调度决策方法 汇报人：杨胜春 中国电力科学研究院有限公司电力自动化所 yangshengchun@epri.sgcc.com.cn 2023年12月 研究背景 数据驱动的优化调度方法 基于混合增强智能的优化调度方法 汇报提纲 儿结语 1-研究背景 新能源装机容量不断增长/源荷侧调节对象增加 国家电网 GEESTATEGRIT 2023中国电力科学研究院有限公司 近年来，新能源装机容量持续上升，其波动性、随机性对电网运行调节构成巨大挑战。为此，我国加 快了新型电力系统建设步伐，在源、网、荷、储各侧均出现了大量新型调节对象。 60%区域1风电区域2 II风电 50% 量现光伏TSOI TSO 40%发电 31.50% 30% 20%23.60% 16.50% DSOC 10%9.60% 0% 电DSO 2020年2025年2030年2035年信息网络 输配电网络 风光新能源装机占比火电机组装机占比一风光新能源电量占比 黑现光忧 发电 重顶光伏 发电火电子 控制方向 预计2050年，全球电动汽车总数将达10亿辆，电储能容 截止至2023年8月，新能源装机容量突破8亿于！量达到12TW·h，空调热泵数骤增至2.5亿台以上3 1-研究背景SEE 国家电网 传统电网调度面临的挑战 调节对象增多：加剧了短时优化决策的难度： 资源不可观性：负荷侧资源的引入对优化模型的构建提出了挑战： 多场景计算复杂度：不确定运行场景下，调度决策的随机适应性有待提升： 2023中国电力科学研究院有限公司 海量分布式调度资源调节资源不可观多场景计算复杂度高 虚拟电厂运营 30000 25000 000 随机场款 30%10% 新能源电量占比 难点：传统以运筹学理论为核心的传统调度模式，难以有效地协调灵活性需求和资源 4 1-研究背景SEE 人工智能的快速发展为实现智能调度提供手段 7快速性：在线应用过程仅需前向计算，无需选代优化，求解速度大幅提高 7场景适应性：由海量运行数据挖掘出特征规律，实现随机场景自适应决策 无模型特性：端对端学习，无需建立底层灵活资源运行机理模型 中国电力科学酬究院有限公司 第一代AI 专家库 特点：符号模型优势：规则明确不足：应用封闭 应用案例 第二代AI Aiphaco 特点：数据驱动优势：学习能力强不足：解释性差 泛化性差 应用案例 智能安全防控 关键断面发现 *来源：《迈向第三代人工智能的新征程》，中国科学院院士张，第五届中国人工智能大会（2019）5 1-研究背景SEE 基于数据驱动的人工智能应用难题 国家电网 中国电力科学研究院有限公司 高维空间收敛难：优化调度问题往往具有高维输入数据空间和输出策略空间，对算法的收 敛稳定性构成了巨大挑战。 电网约束满足难：大多数数据驱动方法难以直接考虑电网物理约束条件（如电力传输、容量限制等）导致生成的调度方案不可行。 决策过程解释难：数据驱动方法决策过程往往缺乏透明性和解释性，使得调度员难以完全 信赖其结果 如何克服纯数据驱动人工智能存在 的瓶颈？ 6 1-研究背景GEE 国家电 混合增强智能有望成为解决方案 2023中国电力科学研究院有限公司 混合增强智能作为国家新一代A规划五大技术方向之一，具有数据与知识的双重驱动特征，预期 可有效解决第二代AI解释性差、泛化性差等问题，目前，工业界有关混合增强智能的具体应用包括：医疗操作、无人驾驶以及电网调度等复杂人机协同决策任务。 国家新一代人工智能发展规划方向人机协同 混合增强智能 群体智能大数据智能 跨媒体智能 医疗操作 自主智能 中华人民共和国中央人民政府 国务院关于印发新一代人工智能发展规划的通知 混合增强智能 人机协同电网调度 国发（2017）35号无人驾驶 7 3-基于混合增强智能的优化调度方法GEE 国家电网 混合增强智能定义 2023中国电力科学研究院有限公司 混合增强智能，是指将人的认知模型引入到人工智能系统中，与机器智能共同形成混合增强智能的形 态* 实现混合增强智能的关键，是让人工智能机器能够自主理解人类所掌握的信息，然后将其融入自身 的调度决策过程。 知识表征知识利用 调度规则 转化知识表征 电网规模 结构形态直接利用 人机电网分区 运行方式间接利用 电网模型转化知识表征调度需求 *国家自然科学基金联合基金项目《面向电网调度的混合增强智能知识演化理论与方法》8 研究背景 数据驱动的优化调度方法 基于混合增强智能的优化调度方法 汇报提纲 儿结语 2-数据驱动的优化调度方法GEE 国家电网 STATEGRIT 电网优化调度问题 2023中国电力科学研究院有限公司 电网优化调度问题是一种针对前瞻窗口内发用电调整计划、灵活机组开停机计划以及运行方式调整的多 时段联合优化问题。 经济成 决策变量：优化调度周期 ·发电计划 ·负荷调整计划阶段tt+1++2t+3 ·开停机计划 ·运行方式调整修正修正修正新增预 三公新能源 煤花社会福 未米5分钟 阶段t+1:++4 阶段+2:++5 未1小时新墙 未米4小时 调度时间窗口未来8小小阶段t+3:+6 电网优化调度决策对象及目标前瞻滚动调度模式 10 userid:414195,docid:148681,date:2023-12-17,sgpjbg.com 2-数据驱动的优化调度方法GEE 国家电网 电网优化调度数学模型 输入参数节点负荷=新能源出力预测PR=PR,PRs...PR? 决策变量机组有功出力=.机组启停状态 2023中国电力科学研究院有限公司 且标函数 经济性目标之a,(）+b(）+c+Cu+C清洁性目标 1=1r=0 实时功率平衡机组启停约束 机组出力上下限JpGnGmai 约束釜性 新能源出力机组爬坡约束线路潮流约束 P1GmAinP0Gr≤0pGm0,i RNsPPRAVI=1, Vi,t-I.T-1 系统状态安全约束 PH≤PG≤PGOG≤OGOG 11 2-数据驱动的优化调度方法SEE 国家电网 电网优化调度转换为序贯决策问题 2023中国电力科学研究院有限公司 可将电网优化调度问题转为序贯决策问题。调度智能体与仿真环境的不断选代，将多时段调度计划 优化解耦为单时段的滚动优化问题。 k+1时刻k+n时刻 电网（k十1）时刻运行状态环境送代电网（k+n）时刻运行状态 负荷超短期预测负荷超短期预测 新能源预测形成多时段调度计划新能源预测 电网（k+1）时刻计划电网（k+n）时刻计划 决策时间点：k+1决策时间点：k+n 12 2-数据驱动的优化调度方法 面向优化调度的深度强化学习方法 国家电网 GEESTATEGRI 2023中国电力科学研究院有限公司 考虑到电网优化调度问题具有状态信息高维、机组功率采用连续调节动作的特点，采用基于评价 策略网络架构的深度强化学习训练方法。 深度强化学习技术 无模型基于模型 基于策略优化的结合基于价值函数的 模型更新方法模型更新方法 基于Actor-Critic 架构的模型更新方 法 PG、PPODDPG、TD3、A3CQ-Learning、C5MCTS 真效率影响较大 基于决策轨迹优化，适用于连续动作空间，受决适用于离散决策问需要精确调度对象送代速度受电网仿策空间维度影响小题（如拓扑优化）建模且优化耗时长 深度强化学习方法分类13 2-数据驱动的优化调度方法GEE 国家电网 调度智能体构建及训练过程 2023中国电力科学酬究院有限公司 基于评价-策略网络架构的离线学习方法：包含仿真环境、智能体经验池、评价网络、策略网络四 个关键环节。 评价网络智能体经验池 1拟合价值函数训练样本1保存动作器与环境交互过程中的经验 2返回梯度信息对动作器进行2每条经验包括当前状态、动作、奖励、 更新动作后状态 3可能存在较大误差3为评价器提供训练样本 梯度序贯交互样本 信息 策略网络动作后状态仿真环境 接受观测量，并相应地输出动作 1反馈真实的奖励，不存在误差 动作2无法返回梯度信息 14 研究背景 数据驱动的优化调度方法 基于混合增强智能的优化调度方法 汇报提纲 结语 15 3-基于混合增强智能的优化调度方法GEE 国家电网 研究框架 2923中国电力科学研究院有限公司 内容1：混合增强智能调度的知识表示 基础 （解决“机器知识形成”） 核心内容2：混合增强智能调度的知识利用 （解决“利用机器知识决策“） 验证内容3：技术集成与仿真验证 16 3-基于混合增强智能的优化调度方法 知识表征总体技术路线 国家电网 SEESTATEGRI 2023中国电力科学研究院有限公司 成果①面向优化调度问题的知识图谱表示方法调度运行理论 调度规程 文本类信息载体调度文本 知识图谱 成果②面向优化调度可行域的斜决策树表示方 法 电网模型 时序数据类信息载体 仿真样本 斜决策树 成果③面向电网动态拓扑的注意力网络表征方 法 电网拓 拓扑图及模型类信息载体 设备故障 斜决策树 17 3-基于混合增强智能的优化调度方法 基于知识图谱的知识建模及分析方法 国家电网 STATEGRID 中国电力科学硕究院有限公司 GEE 针对文本类载体，为了实现调度知识的有效集成和持续积累，提出基于知识图谱的日前调度优化知识建模与事 件分析方法。 实体属性提取与映射 茶 联格线事件从黑 设备连控 属性从乐 实体提取与映射 H 新吉之能丽性从 黄街广站石嘴山调载社家 厂站分间厂站 福 D厂机贴 厂贴2 机停运-SOONIW 实体提取省与级电映网图射谱子图架构检修预案图谱子图架构 连接实体属性提取与映射一连 运行方术上每用一 五里坡送山断面名称 新面限机电 3101 运行规程图谱子图架构调度细则图谱子图架构 支撑材料:Revicwonknowlodgegraphanditsapplicationinpowerdispatching,2021IEEEIntcrmationalConferenceonPower,IntelligentComputingandSystems(ICPICS)18 3-基于混合增强智能的优化调度方法 基于知识图谱的知识建模及分析方法 国家电网 GSEETATEGRI 中国电力科学研究院有限公司 通过类型识别、统计分析、关联路径分析等方法获取调度决策相关知识，实现多维度、多层次的调度知识推送 日前调度类型识别：通过匹配指定场景的实体/关系，获取不同类型的运 优化知识行约束或控制措施：选中某个节点或关系，进一步推送查看相应 图谱的属性和与之关联的设备、运行方式等节点信息。 提供筛选条件（实体/关系的类型、属性）线路检修的控制 措施有哪些？ 获得符合条件的知识（实体、关系、类型、属性）潮流功率控制地区新能源力抑制火电机组停运 选取分析对象（实体、关系）关联路径分析：基于关联路径可以实现各种语义搜索和智能问答， 并提供可视化的解释路径 选取分析指标（实体/关系的特定属性）场景： 线 风电小发时的上联络系统上备 风电小发 对选取指标进行统计计算（计数、累加、判断等） 结果输与解释说明（辅助调度决策） 备用如何调整？ 运行用当日晚上17 约束 点到第二日8 调整动作 上备用=风电*0.6+500 支撑材科:Reviewonknowledgegraphanditsapplicationinpowerdispatching,2021IEEEIntemationalConferenceonPower,IntelligentComputingandSystems(ICPICS)19 3-基于混合增强智能的优化调度方法SEE 基于知识图谱的知识建模及分析方法 针对全网充裕度、局部断面限额、设备检修、环保调控的机组调整等应用场景提供相对应的调整建议。 国家电网 STATEGRI 中国电力科学酬究院有限公司 未经调度日志和辅助工具修正的优化过程及结果 国调.宁东二期电厂/