2024年人工智能赋能电力系统安全稳定研究报告

一一动力、范式、问题及应对思考 南方电网科学研究院李诗肠2024年12月 知识产权声明 本文件的知识产权属南方电网公司所有。对本文件的使用及处置应严格遵循南方电网公司有关规定或获取本文件的合同及约定的条件和要求。未经南方电网公司事先书面同意，不得对外披露、复制。 IntellectualPropertyRightsStatement This document is the property of and contains proprietary information owned by CsG and/or itsrelatedproprietor.Youagreetotreatthisdocumentin strictaccordancewiththetermsandconditions of the agreement underwhichitwas provided toyou.No disclosure or copy of thisdocumentispermittedwithoutthepriorwrittenpermissionofCSG. 动力：AI与电力系统安全稳定研究的相互需求 范式空间：AI的角色与角色的达成方式 1.1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，为了完成供电根本任务，安全稳定是必要条件。稳定：遭受扰动后系统运行状态自动归于平静：安全：遭受扰动后系统运行状态可接受， 电力系统安全稳定问题，主要包括安全稳定分析与控制。分析：回答系统运行状态是否安全稳定、有多（不）安全稳定、为什么（不）安全稳定：控制：回答如何在正常运行波动和扰动下维持安全稳定。 1.1动机丨电力系统安全稳定研究为什么需要AI “非平凡”的回答：在新的系统安全稳定特性及需求发展趋势下，有的要紧事，融合AI可以干得更好，有的要紧事，没有AI几乎干不了。 新型电力系统中，占比逐渐上升的新能源和变流器并网设备具有不同于同步机的出力特性、动态特性、谐波特性和接入分布特性，给电网安全稳定问题引入了新场景、新机理和相应的新安全稳定风险 1.1动机丨电力系统安全稳定研究为什么需要AI 这些新特性，从分析控制主体的视角看，都可近似归结为（模型、运行方式、扰动的）不确定性安全稳定分析控制应对策略：两个扩展、两个加强 1.1动机电力系统安全稳定研究为什么需要AI 发展电力人工智能及其配套基础设施是实现上述不确定性应对策略不可或缺的一条关键途径 新A技术的优势，可支持整体与还原、经验与心智更优平衡的科学范式，恰好播于破解不确定性，是归结于不确定性的系统复杂性上升，逼迫大系统安全稳定分析控制与人工智能形成“统一战线” 1.1动机丨电力系统安全稳定研究为什么需要AI 南方电网在春节等一些运行场景中，安全约束下的新能源渗透率已经达到60%水平。在今年的运行方式研究中，不得不将典型运行方式基础数据从传统的5套扩展到9套予以应对。过去一年的若干事故事件暴露出现有分析模型的不足，为此需将模型规模扩大至少一个数量级，强化电磁仿真运用，并建立对源荷两侧聚合对象的在线建模能力。新能源与打捆送出的常规电源之间存在多机复杂非线性耦合动态，目前难以实时精准把握，只能对本已紧张的送出通道施行较保的安全稳定控制约束，增加弃电风险。 1.2动机|AI为什么需要电力系统安全稳定研究 代表性：电力系统，尤其是安全稳定领域，是一个代表性的复杂非线性动力系统研究场景，是AI4S研究的一片沃土，如果能形成突破性的成果，将会像这些年广为人知的围棋、星际争霸、文本/图像/视频/3D世界/蛋白质结构生成一样具有示范意义。 CCSG2024.AllRightsReserved南网中央研究院原创技术策源地 1.2动机|AI为什么需要电力系统安全稳定研究 挑战性：目前AI和人类智能比，最突出的弱点包括高风险任务难以完全信赖，以及是训练能效低。作为能源基础设施，电力系统安全稳定分析控制，恰恰对可信赖性有极强需求，且需兼顾能效目标， 如果说兼顾可持续性和重大安全风险的领域是A应用研究力图摘取的皇冠，那么电力系统安全稳定控制一定是皇冠上最为璀璨的明珠之一。电力系统安全稳定AI研究，一定会反哺AI科学并惠及其他领域。 CCSG2024.AllRightsReserved南网中央研究院原创技术策源地 动力：AI与电力系统安全稳定研究的相互需求 范式空间：AI的角色与角色的达成方式 2.1 范式空间I第一维度：运用Al（Engage Al) AI在分析和控制决策中可作为端到端解决问题的算法以完成具体的归纳或演绎任务，也可充当协调资源、调度流程的智能体以辅助人类或独立达成需要分析或综合的复杂目标。 演绎：从一般到特殊 归纳：从特殊到一般 从经验中学得模型模型作为经验：再学习观测经验：唯一真实世界线·理论模型：解析、时域仿真，中的物质世界信息参数辨识校准模型生成经验：假想虚拟世·预测或生成模型界信息，模型转换 得到运行状态/安稳指·因果推断：用因果关系标/控制对象控制量·逻辑推演：用蕴含关系预测和估计：用相关关·样本生成：用生成模型系/近似表示。仿真：用DAE数值积分 综合：从部分到整体 分析：从整体到部分 异构数据融合控制策略设计多模态·控制参数整定嵌入领域知识 规范分析流程自动化·Co-pilot系统特性抽象与评估·Co-思维链scientist 2.2 范式空间第二维度：使能Al（Enable AI) 当前主流AI技术以大数据、大算例、大模型为基础，需要大资金、大系统、大团队推动运转，研究和部署应用都是一项系统工程，AI工程组织实现形式是AI研究和应用范式内涵的重要元素。 充分的可信赖性是A分析决策团环落地应用的前提，A的可信赖程度决定A与人协作的可行模式。能够替代人的AI通常是因时而变的，AI的研究和应用范式需考虑AI全寿命周期的健康和成长性。 数据资源·硬件平台合作研发组织模式·人才引进培养 对抗灾难性遗忘持续学习数据库的动态维护和增强 能力强：处理好AI和物质世界的关系听招呼：处理好AI和人的关系负责任：处理好AI背后人与人的关系 2.3 范式空间第三维度：授权AI（Entitle AI) 作为规范的系统安全稳定研究或分析控制工具，测试、评估、验证、考核、退出、替代方案也是构成研究和应用范式的重要元素 传动试验 范式空间：AI的角色与角色的达成方式 3.1问题集归纳 01数据稀缺 问题：相对于互联网上的自然语言语料，真实的高质量电网量测数据并不充裕，真实的网架实例相对稀缺，喂不饱大尺寸模型应对思路：升级建设量测系统及数据库；利用数据增强技术；利用仿真模型生成数据；利用问题对电网的局部对称性；嵌入领域知识归纳偏置：利用相关预训练模型：利用小样本学习方法 02数据不平衡 问题：无论是历史真实数据还是生成数据，靠近安全稳定域/收敛域边界的数据远少于远离边界的数据，域外数据远少于域内数据应对思路：利用各种通用的样本平衡技术，如欠/过采样、数据增强、代价敏感损失函数、对不平衡低敏感的模型；训练弱模型生成少数类并逐步迭代：利用其他追踪域边界的方法获得边界附近样本和域外样本 03仿真环境的误差Sim2Real 问题：仿真环境和物质世界之间存在难以完全消弹的差距，物质世界的平稳性本身缺乏绝对保证，一些安全稳定特性基于模型构造应对思路：优化利用历史数据，平衡仿真模型构建校准和预测/生成模型训练等多个目标；训练模型感知Sim和Real的差距变化；持续学习：借助无模型的安全稳定指标降低基于模型的安全稳定指标对模型误差的敏感度 CCSG2024.AllRightsReserved南网中央研究院原创技术策源地 3.1问题集归纳 04复杂复合对象不完全信息下的建模 问题：对主网安全稳定分析控制而言，新能源场站/集群，节点负荷，跨网/跨境互联下的区外电网都是信息不完备复杂复合对象应对思路：融合AI建模技术；探索厂家+电网“灰箱”规范化合作建模路径；建设在线动态建模平台；深化标准化模型研究；开展多参数集模型概括研究；开展边界协议模型研究 05模型可解释性 问题：AI模型的计算过程与人的心智结构存在隔闵，而近年连接主义、行为主义相对于符号主义的成功很可能根植于容许这样的隔闵应对思路：利用时下可解释A的前沿成果，如更透明的模型结构，模型的局部解释、图像解释，神经微分方程；反思可解释性对特定问题的价值，容许可信任但难解释的模型 06泛化性 问题：机器学习类AI的一般性问题，电力系统作为真实数据不算充裕的、安全风险敏感的高维复杂非线性系统，泛化性挑战尤为突出应对思路：借鉴利用一切提升AI泛化性的前沿成果，尤其关注自动驾驶、医疗、航空航天等安全风险敏感领域；建立电力系统安全稳定领域Al泛化性评估的标准方法和基准算例（benchmark），覆盖对网络图拓扑、主要网络参数和设备涉网参数的泛化性测评 CCSG2024.AllRightsReserved南网中央研究院原创技术策源地 3.1问题集归纳 07电力系统基本方程、基本优化模型所隐含映射的可学习性（误差可控性） 问题：电力科学计算AI模型试图直接给出电力系统基本方程、基本优化模型所隐含映射的神经网络近似，部分隐射（如常规潮流解映射）一般可满足通用近似定理条件，但对于电力系统的维度，当前学习技术是否可按给定误差、用有限样本在关心区域高效拟合仍待探究应对思路：与数学、统计学、AI科学研究团队合作研究；建立基于采样的判定方法；充分利用学习对象的导出、变换信息增强反馈 08电力系统基本方程、优化模型的多解问题 问题：电力系统非线性的基本方程可存在多组非平凡实数解，基本优化模型可存在多个局部最优解，获得关心的或可接受的解映射样本标签本身存在理论困难应对思路：利用全纯嵌入、延拓法等技术获得标签；全局最优算法；探索是否可接受以多解支随机切换的映射为学习目标 09模型序列、多阶段学习及反向沉淀 问题：期待A完成的任务之间存在关联，尤其是同属关联和相似关联，需构建有序的模型及其开发生态，节约数据和算力；安全稳定业务端上层模型在持续学习中获得的知识和智慧应可作为下层模型的经验得到抽象沉淀，反过来提升底层模型的更通用的智能应对思路：规划预训练模型序列和谱系；建立模型开发生态圈；充分利用大模型的两（多）阶段训练和迁移学习技术；探索以模型为学习对象的学习技术 CCSG2024.AllRightsReserved南网中央研究院原创技术策源地 3.2问题集演绎 10电力系统规划运行场景生成逼真度 问题：场景参数维度极高，逼真的场景需符合电力电量平衡、调峰消纳、机组组合、市场出清、安全稳定等多方面约束和运行经验；既要利用“幻觉”又要限制“幻觉”应对思路：进一步发展AI支持的多时间尺度运行运行模拟；利用条件生成模型；保存并充分挖掘历史数据 11电力系统规划运行场景集及基于场景集分析的有效性 问题：场景集设置是仿真分析法的灵魂，有效场景集一方面要能可靠概括所研究的问题（如“包住”设防风险），一方面要节制规模应对思路：运用AI定位域边界；运用AI快速评估问题关心的指标，如安全稳定风险，保障场景化信息丢失的安全性；运用AI挖掘场景间关系，利用场景关系增强数据、剔除低信息量场景、建立场景注意力和仿真排序：利用A加速的快速仿真做必要校核小 12A提升数值仿真（初值收敛性、初值匹配、加速、算法参数优化等） 问题：潮流初值超出（合理解）收敛域、潮流解与动态模型静态约束不匹配是阻碍仿真分析自动闭环、制约效率的顽疾：电力系统方程和优化问题求解器中通常提供了一些可影响收敛性、求解速度和解质量的算法参数，存在优化空间；底层数值求解器也存在AI优化空间应对思路：运用AI预解优化初值（AI直接求解或利用附近历史求解数据）；与专业求解器团队合作开展底层AI优化 CCSG2024.AllRightsReserved南网中央研究院原创技术策源地 3.3问题集|分析