数据为中心的AI技术在电力系统运行控制的应用
研究背景与挑战
随着新型电力系统的建设，大规模新能源接入电网带来了系统结构与特性的重大变化，对电网分析决策提出了严峻挑战。主要挑战包括：
- 系统规模与决策变量：全国发电能力巨大，决策变量高度复杂。
- 不确定性与机理：电力系统由电磁机理主导，引入了电子因素，增加了复杂性和不确定性。
- 传统方法的局限：专家经验方法难以应对快速变化的电力系统。
人工智能的局限与机遇
人工智能在电力系统分析控制中面临挑战，同时也带来了新的机遇：
- 局限性：在特定场景下，人工智能的性能受限于数据质量和模型适应性。
- 机遇：通过数据驱动的方法，可以提升人工智能在电力系统分析控制中的效能。
数据为中心的人工智能（Data-centric AI）
- GPT系列模型：展示了大规模预训练模型在文本生成领域的强大能力。
- 数据驱动训练：关注数据质量与规模，提升模型性能。
电力系统AI应用挑战
- 暂态稳定评估：样本不平衡与类别区分难度。
- 优化调度：数据质量与隐私保护。
- 输电断面安全裕度：场景生成的困难与多样性。
技术路线与解决方案
- 生成式AI：通过数据增强技术改善分类问题。
- 考虑物理约束的生成模型：在损失函数中加入约束以确保生成样本的可行性。
- 少数类别与分类边界样本增强：针对性地生成关键样本。
- 信息滴标注方法：高效标注策略减少成本。
- 对抗训练：消除判别模型的不确定域。
算例验证
- 样本生成效率与质量：不同方法对特定场景的样本生成效果对比。
- 仿真验证：通过仿真实验评估不同方法的有效性。
数据为中心AI进展
- 考虑输电断面安全裕度：提出基于模型迁移的生成对抗网络训练方法。
- 多目标场景生成：基于特征选择和特征重组的多目标场景生成方法。
算例验证
- 新英格兰与300节点系统：验证不同方法在不同规模系统中的表现。
- 断面安全裕度评估：通过AI模型训练与验证方法的有效性。
结论
数据为中心的AI技术在电力系统运行控制中展现出了巨大的潜力，通过针对性的数据增强、优化训练策略和模型调整，能够有效提升暂态稳定评估、优化调度和断面安全裕度预测的准确性和效率。未来的研究应聚焦于更高效的数据获取与利用、跨领域数据融合以及模型的鲁棒性提升，以应对电力系统日益增长的复杂性和不确定性。
