2024基于机理与人工智能混合驱动的新型电力系统智能分析与调控策略研究报告

基于机理与人工智能混合驱动的新型电力系统智能分析与调控策略研究

研究背景与总体目标

浙江大学伊利诺伊大学厄巴纳香槟校区联合学院（ZJUI）开展了一系列研究，旨在构建新型电力系统，实现“碳达峰、碳中和”的目标。研究重点关注快速准确的在线安全评估方法、高比例可再生能源并网、电力电子设备化储能设备接入、仿真速度提升以及负荷侧响应资源的有效管理。研究目标是应对电网运行的动态性、随机性和不确定性增强所带来的挑战。

关键技术与应用

1. 多时空维度功率预测

   • 开发了基于集成机器学习模型的多时间、空间维度功率预测技术，涵盖负荷、电动汽车充电、光伏、风电等场景。
   • 使用DNN（深度神经网络）模型进行负荷预测，准确率高达97-98.3%。

2. 负荷聚类分析

   • 利用无监督学习方法（如K-means++）进行负荷聚类分析，有效识别居民负荷。
   • 应用于浙江绍兴充电场站负荷聚类分析。

3. 基于深度强化学习的自主安全控制

   • 通过深度强化学习算法实现电网的自主安全控制，利用SCADA系统和WAMS（广域测量系统）获取实时数据。
   • 智能体能够解决电压越限、线路功率越限等问题，降低网损，提高运行效率。
   • 实际案例：在江苏张家港分区，智能体成功解决了超过90%的断面问题，平均网损降低了约3.64%。

4. 基于强化学习的模型自动调参

   • 使用强化学习技术自动搜索高维模型参数空间，提高模型响应与实测数据的一致性。
   • 应用于发电机和励磁模型的关键参数自动校验，提高模型准确性。

5. 电网经济运行方式

   • 通过DQN（深度Q网络）智能体优化电网运行方式，最小化发电成本。
   • 验证案例：在IEEE 14节点系统中，智能体实现了高效运行，成本优化显著。

技术优势与应用前景

• 技术优势：深度学习的强大表征学习能力和强化学习的逻辑推演、优化能力相结合，形成了先进的电网智能调控技术。
• 应用前景：该研究为实现高效、可靠的新型电力系统提供了有力的技术支持，有助于推动电力行业的数字化转型和智能化升级。

通过上述研究，ZJUI在新型电力系统智能调控方面取得了显著进展，为实现“碳达峰、碳中和”目标奠定了坚实基础。