2024生成式人工智能大模型及其电力系统数智化应用前沿报告

及其电力系统数智化应用前沿 张俊 武汉大学电气与自动化学院2024年08月15日 人工智能发展概述 从ChatGPT到Sora：生成式大模型国内外发展历程及布局 口从22年年底发布的ChatGPT到24年2月发布的Sora，从单模态到多模态，生成式A/在极短时间内实现了智力与能力的不断突破，人工智能已迈入大模型时代 口作为多模态大数据的新一代分析处理工具，大模型技术在跨场景、多任务的应用中展现出巨大的实用价值，国内外产学研各界均已开展大规模研发投入与生态布局。 新型电力系统概述 2020年9月中国明确提出2030年“碳达峰”与2060年“碳中和的“双碳目标。而实现“双碳”目标，能源是主战场，电力是主力军，新型电力系统则是其中的关键载体。 2024年1月12日，国家电网有限公司第四届职工代表大会第四次会议暨2024年工作会议在京召开，会上提出“以数智化坚强电网推动构建新型电力系统，全面建设具有中国特色国际领先的能源互联网企业” 基于新一代人工智能的新型电力系统数智化升级 生成式大模型推动电力系统智能化发展 生成式人工智能，特别是大模型技术的兴起，突破了原有数据驱动方法存在的知识形式化难、模型泛化性差、重复建设率高等难题，为新型电力系统的低碳化、智能化升级开辟了新的道路 >2024年1月，国家电网在工作会议中强调了以人工智能为首的新一代信息技术驱动新型电力系统数智化转型的重要性，2024年2月，国务院国资委在“A赋能产业焕新”会议上进步指出发展新一代人工智能技术，通过大模型赋能产业生态建设的战略地位 国资委“AI赋能产业焕新 国网第四次工作会议 大模型多维演进路线分析 从技术架构演进角度 从Agent功能角度 从人机协同模式角度 口初级形态：把AI嵌入到人的工作中：口中级形态：AI作为人的辅助工具；口高级形态：Al作为主要工具，Agent对人的依赖性在降低，且越来越像真人。人的大部分用于繁琐日常工作的技能被AI取代，而人机协同又让个体以前90%的弱技能被瞬间强化。 口数据驱动的Agent仅能从数值角度完成特定任务：-大模型Agent具备角色识别，规划及任务拆解、记忆及知识沉淀、、工具/技能使用、执行动作等能力； State+Policy：用于感知环境状态、组织策略；Questions+Action：拆解问题任务、组织行动。 大模型将首先在能源运营领域开展落地 基于生成式大模型的新代行业智能知识平台 能源电力行业大模型建设路线分析 随着通用大模型的爆发式崛起，当前社会各行业围绕大模型的行业落地方案，已逐步形成基座大模型一行业通用大模型-业务AlAgent的大模型建设路线共识，电力大模型生态建设势在必行。 电力系统数智化中的应用场景举例 新型电力系统数智化转型过程中，新一代人工智能技术是其中的关键创新技术之一，其应用场景包括但不限于：新型电力系统规划与运营、场景数据增强、运行态势感知与预测、智能优化决策、业务智能化转型等 研究方向2：高比例新能源接入下的新型电力系统运行与控制 研究方向1：新型电力系统运行分析预测 口场景案例： 口场景案例： 口考虑高比例新能源接入的电网动态预警与智能决策口地区电网可靠性分析及风险管控决策，新型电力系统大规模多智能体仿真原型系统构建；城市配电网分布式储能优化布局及协同互动口考虑不确定性和多主体博奔的综合能源系统规划。 口华中区域电力需求动态预测与社会经济分析口新型电力系统特高压直流净负荷预测与成本效益分析口新型电力系统新建风电场短期功率预测。 应用方向 研究方向4：电力系统多元业务智能化运营 研究方向3：面向电力设备异构数据的智能检修与运维 口场景案例： 口场景案例： 口电力变压器全寿命周期管理：口电力二次设备缺陷智能诊断与辅助决策，口电网调度故障处置数据预处理与信息抽取：口XX装备在线故障诊断引擎软件开发；口输电巡检小样本场景的电力预训练基础模型研究口复杂工况下的电力无人机运行管控与自主巡检。 电力企业运营指标智能交互驾驶舱，-语义驱动的发电设备分析工具智能调用技术，发电厂一次设备故障树的流程自主化智能诊断平台口新型并网主体的安全风险辨识与防护技术研究，-面向电力行业的A教培及智能业财一体化平台。 研究方向1：新型电力系统运行分析预测 随着能源结构的优化、电力市场的开放及新能源的广泛接入，电力系统正面临前所未有的运行分析挑战。这些重大变革增加了系统运行的复杂性和不确定性，使得传统预测与分析方法难以满足新型电力系统的需求。在此背景下，探索和应用高度准确和灵活的新型运行分析预测技术变得无为重要 数据融合与处理的复杂性 电力系统运行分析所面临的数据稀缺、异构性和不完整性问题需要高级的数据处理技术来解决 新型电力系统挑战 不确定性的量化管理 在电力需求和供应预测中，不确定性因素如天气变化、市场政策和用户行为的有效管理与量化 预测模型的适应性 适应新兴能源市场动态变化和非标准化数据集的挑战，要求预测模型具备高度的灵活性和可调整性 共性问题 实践案例 口如何有效地整合和分析不同来源的大规模教据以支持电力系统的准确预测？口如何提升预测模型的准确性和鲁棒性，特别是在面对环境多变和数据不完整时？口如何利用预测结果优化电力系统的运行决策，特别是在考虑经济效益和能效的同时？ 口华中区域电力需求动态预测与社会经济分析：口新型电力系统特高压直流净负荷预测与成本效益分析；口新型电力系统新建风电场短期功率预测 案例1.1：华中区域电力需求动态预测与社会经济分析 华中地区电力需求与经济活动之间呈现出复杂的相互依赖性；复杂多变的经济形势对地区用电市场的预测带来不确定因素社会计算、人工智能、机器学习、大数据分析的兴起为模型建立提供条件。 研究背景 研究难点 如何有效地整合社会经济信号与传统物理系统信号，以获得更全面的用电市场洞察？在不断变化的经济环境中，如何构建能够准确预测电力需求的演化计算模型 构建融合华中四省社会信号与传统物理系统信号的框架，提高数据的可用性和分析的综合性研发涵盖华中四省用电市场相关的经济大数据系统，处理和分析大规模的经济与用电数据；通过历史数据的评估，证明了模型在预测精确性和鲁棒性方面的提升。 研究内容 [1] Hu C,Zhang J, Yuan H, et al. Black swan event small-sampletransfer learning (BEST-L) and its case study on electrical powerpredictioninCOVID-19[J].AppliedEnergy.2022,309:118458[2]ZhaoH,ZhangJ,WangX,etal.TheeconomyandpolicyincorporatedcomputingsystemforsocialenergyandpowerconsumptionanalysisJlSustainability,2021,13(18):104732024年电力信息通信 案例1.2：特高压直流净负荷预测与成本效益分析 特高压直流输电技术的发展和新能源的广泛接入，#送受端电网的净负荷预测变得无为重要;净负荷预测方法由早期传统的预测方法发展到近现代的基于人工智能的方法；输配电价核定对于输配电价改革意义重大 研究背景 新能源功率预测结果 如何利用人工智能技术提高净负荷预测的精度，尤其是在考虑风电等新能源预测误差的情况下？如何应用人工智能方法在跨区输电成本核算中实现经济效益和能效的最优平衡？ 研究难点 负荷预测结果 [3] Jiang Y, Gao T, Dai Y, et al. Very short-term residential loadforecasting based ondeep-autoformer[JJ.Applied Energy,2022,328:120120.[4] Shen S, He D,Yu W.Net Load Forecasting Based on ResidualAttentionCNN-BiLSTM Model[C]//20232nd International ConferenceonSmartGridsand EnergySystems (SGES).IEEE,2023:218-225 研究内容 受端电网直流与源荷间关系模型研究；直流需求不确定性分析与净负荷预测方法研究；跨区输电成本核算方法研究； 2024年电力信息通信 案例1.3：新型电力系统新建风电场短期功率预测 全球范围内风能的重要性日益增加，精确的风电输出预测对于实现稳定、高效的电力系统至关重要新建风电场面临一个特殊挑战：缺乏历史数据，使得传统方法不适用或效果有限 研究背景 研究难点 物理模型需要复杂的参数调整和高计算成本；迁移学习方法需一定量的历史数据进行模型迁移。 提出一种综合的风电预测模型，其中因果特征选取通过因果推断识别与风电输出直接因果关系的关键特征：因果深度学习模型结合样本加权机制和先进的Transformer变体模型，有效解决新建风电场缺乏历史数据导致的分布偏移问题；在两个新建风电场集群进行24小时预测测试中模型显示出更高的顽测准确性和鲁棒性 研究内容 新建风电场预测 [5] ZhaoH,Xu P,GaoT,etal.CPTCFS:CausalPatchTSTincorporatedcausalfeatureselectionmodelforshort-termwindpower forecasting ofnewlybuiltwind farmsJ].InternationalJournalofElectricalPowerandEnergySystems,2023. 案例1.4：基于物理信息嵌入的强化学习暂态功角分析研究 研究背景 传统方法难以充分捕捉复杂动态物理信息嵌入强化学习方法为暂态功角分析提供了新的研究路径 如何将物理信息嵌入强化学习模型，确保其在复杂动态环境中的准确性和高效性？ 研究难点 如何实现强化学习模型在仿真和实际系统中的稳定性和适应性？ 研究基于物理信息嵌入的强化学习在暂态功角自适应控制；研究基于物理信息嵌入的强化学习在暂态功角紧急控制 研究内容 案例1.5考虑风电不确定性的前瞻调度电力平衡风险预警 随着风电逐渐成为电力供应主体风电不确定性引发的日内功率预测偏差将使电力平衡面临严峻挑战，前瞻调度是衔接日前调度计划与日内运行方式的有效手段。 研究背景 电力平衡偏差概率预测结果 如何准确刻画新能源侧不确定性？如何在考虑新能源不确定性的情况下进行快速准确的风险预警？预警信息如何指导后续的前瞻调度? 研究难点 提出计及资源爬坡能力的前瞻调度预警分级机制；构建LSTM-MDN模型以刻画风电不确定性；利用电力平衡偏差与最大爬坡能力计算预警结果。 研究内容 研究方向2：高高比例新能源接入下的新型电力系统运行与控制 随看新能源的快速发展，传统的电力系统运行与控制方法受到挑战，不确定性、开放性、脆弱性使得基于典型场景 新型电力系统的运行与控制决策 在电网的不确定性以及电网结构的复杂性与变化性影响下，需要研究能够适应新型电力系统安全稳定运行需求的控制决策方法。 新型电力系统运行与控制挑战 新能源的高比例接入 新能源的间歇性与不稳定性导致电力供需平衡更加困难，增加了新型电力系统运行与控制的复杂性和不确定性。 新型电力系统综合能源系统构建 综合能源系统的投资主体多元化已成为新型电力系统环境下综合能源系统的特征之一，能源互联网运行优化与协调管理具有难度。 实践案例 共性问题 口如何在新能源高比例接入的情况下，针对源荷的高不确定性实现电网可靠性分析或风险评估？口如何在计及安全稳定约束的情况下，实现可信调控决策的快速生成？口如何考虑多元化投资主体的博奔关系，合理规划综合能源系统，