高比例新能源电网多断面限额的人工智能计算与调控技术

研究背景

西部地区清洁能源外送面临输电走廊局限、通道资源瓶颈和本地消纳困难等制约因素。国家高度重视跨省跨区输电调度，提出提升输电能力的目标。新疆伊犁地区新能源装机容量占比高，外送电量占总外送量的28.94%，但输电断面限额过保守，限制了清洁能源外送。

输电断面相关概念

关键断面输电极限是保障电网安全、促进消纳和市场化的重要边界。断面输电限额是实际调控中限制断面外送功率的保守值，而极限输电容量（TTC）是评估断面输电潜力的指标，但计算复杂度高。

TTC评估方法与应用壁垒

传统模型驱动的方法计算复杂度高，难以兼顾求解精度和效率；基于AI的方法存在“黑盒”属性导致可信度低，实际电网计算复杂度高，数据准备代价大。

断面限额计算痛点

传统断面限额计算过保守的原因在于电网极端边界场景难以精确辨识，传统TTC计算存在收敛难、NP难问题，且未计及多断面耦合效应。

AI驱动的断面限额计算

人工智能成为断面限额高效准确评估的潜在解决方案。依托AI的高效复杂系统全局特征处理和模式捕捉能力，已初步探索AI驱动的多档位、多断面的精确限额条件映射规则生成技术，适用于多类大电网应用场景。

高比例新能源电网多断面限额混合计算

工程上过保守的断面限额，极端边界场景难以精确辨识，基于TTC的限额评估计算复杂度高，忽视多断面间耦合效应导致限额评估仍较为保守。

学术研究

1. 数据驱动的断面限额计算：利用数据驱动技术捕捉极端场景，避免复杂的TTC计算。
2. 基于无监督学习的断面限额条件映射规则生成：将断面割空间划分为子空间，减小稳定与失稳方式混的运行域大小，挖掘更多可用的传输功率高且稳定的运行方式。
3. 计及多断面耦合效应的限额边界辨识方法：考虑断面相关性，形成多断面割集下的限额边界，导出多断面耦合的条件限额规则。
4. 多断面限额可解释提升调度方法：结合条件断面限额与分布鲁棒优化，形成多断面限额的分布鲁棒切换联调策略；构造基于决策树的自监督学习策略，实现求解器与限额规则双向兼容；引入代价敏感策略，构建代价敏感决策树，解决断面限额保守性的能调问题。

研究结论

1. AI驱动的断面限额计算可以有效挖掘输电潜力，相较于传统方法，最大可挖掘断面外送能力提升分别达到43%，44.5%与48.4%。
2. 基于网格剖分算法和凸包算法的多断面输电潜力挖掘能力提升分别可达57.86%、48.16%。
3. 所提模型决策的断面输电限额最高，外送功率也最大，新能源消纳相较传统方法提升12.5%，同时具备经济性优势。
4. 在XJ-XB联网通道进行应用测试，相较典型方式下给出的关键受阻断面限额提升约8%，满足安全稳定同时有效提升了断面输电能力。

未来研究工作

1. 多断面限额有限时间计算理论及智能增强方法。
2. 高价值密度运行方式集智能生成，结合电网机理，研究近似显式工频功角稳定判据。
3. 计及新能源场景不确定性的多断面限额可解释提升调度方法。