2024年人工智能赋能电力系统安全稳定研究报告

研报总结

1. 动机

• 电力系统安全稳定问题：电力系统是一个复杂动力系统，安全稳定是其必要条件。主要分为安全性（系统运行状态可接受）和稳定性（系统运行状态自动恢复）。
• 新型电力系统特点：新能源和变流器并网设备具有不同于传统同步机的特性，引入了新场景和新风险，如随机性、波动性和间歇性。
• 应对策略：
  • 扩展模型：如状态估计、气象预测、市场出清等。
  • 强化技术：如广域量测、未来态预测等。
  • 增强决策：如决策预见、决策应变。

2. AI与电力系统安全稳定研究

• 代表性场景：电力系统是复杂非线性动力系统，适合AI研究。
• 挑战：
  • 高风险任务：难以完全信赖。
  • 训练效率低：需大量数据和算力。
  • 数据稀缺：高质量电网数据不足。
  • 数据不平衡：远离安全稳定域的数据较少。
  • Sim2Real差距：仿真与现实存在差距。

3. 范式空间

• 第一维度：运用AI
  • 算法：归纳和演绎。
  • 智能体：分析和控制。
• 第二维度：使能AI
  • 系统工程：确保可信赖性。
  • 硬件平台：处理好AI和人的关系。
  • 数据库维护：处理好AI和物质世界的关系。
• 第三维度：授权AI
  • 测试验证：如实验证、仿真验证。
  • 多环境：如实验室、实际运行环境。

4. 挑战性问题及应对

• 数据问题：
  • 数据稀缺：升级建设量测系统。
  • 数据不平衡：利用各种平衡技术。
• 仿真环境问题：
  • Sim2Real差距：优化利用历史数据，平衡仿真和现实。
• 建模问题：
  • 信息不完备：融合AI建模技术。
  • 模型可解释性：利用更透明的模型结构。
• 泛化性问题：
  • 高维复杂系统：借鉴提升AI泛化性的前沿成果。
• 基本方程问题：
  • 多解问题：利用全局最优算法。
• 模型序列问题：
  • 多阶段学习：规划预训练模型序列。
• 综合问题：
  • 安全稳定约束：利用安全学习训练方法。
  • 集成学习：实现群体智慧超越个体。
  • 粘合问题：系统性综合方法。

5. 系统工程

• 数据基础设施：打通关键数据平台。
• 算力优化：探索算例内部分配机制。
• 合作研发：建立健全合作研发机制。

通过上述分析，AI在电力系统安全稳定研究中的应用具有重要意义，但也面临诸多挑战，需要综合技术手段和创新方法加以解决。