含新能源电力系统状态估计的人工智能学习解决方案

陈博 袁心怡 王若华 陈伟

摘要：在现如今的电力系统的调整过程当中，其中也融入了很多新能源类的智能方案，并且对电力系统也来了一定程度的原因，但是对于状态估计上面还需要做更加深入的研究，这样才能更好保证电力系统的稳定性以及安全性。此次主要对含新能源电力系统状态估计的现状进行研究分析，另外还对电力系统状态估计的技术进行了分析研究。

关键词：新能源;电力系统;状态评估;现状;人工智能

当前为了能够更好的实施促进可持续性发展战略，这就需要我国科研人员不断的对新能源上的应用和研究力度进行提示，并且还要融入一些人工智能部分。现如今通过当前的发展状况来看，新能源电力还没有办法去满足当前提出的要求，其中的要求主要就是把新能源电力与传统的电力系统进行有效并网，这样才能够正常的去输送给大众。但是由于当前在并网的过程当中，对原来就具备的一些电力系统提出了更新的挑战，为了能够让电力系统得的高效的运转，就必须要对电力系统展开状态评估，以及人工智能的影响，并且对电力系统的实时状态进行有效分析[1]。

一、含新能源电力系统状态平台研究现状

现在对于含新能源电力系统状态上面的评估研究已经取得了很大的进步以及经验，但还是因为对此方向上面的研究时间相对较短，所以当中还会存有很多问题，主要的问题可以体现在一下几个方向：（1）首先在应用的基础加权最小二乘法上面的受到了很大的限制，这就需要对测量数据上面要能够满足正态分布，这样能够更好地保证测量数据的准确，但是当前在实际电网当中的应用，所测量数据的差值很小所呈现出正态分布的情况，所以在对此状态估计方法在进行实际应用时起到作用相对较小，在准确性上面也想对较低。（2）在应用量侧变换技术进行状态估计上面也存有很大的限制，并且对于测量配置上面要求也相对独特，往往需要采用独特的处理才能够起到有效的运用，这也会对电力系统状态估计的合理性带来影响[2]。（3）另外在电力系统中三相不平衡产生的相间角度问题上面要重点进行考虑，所以这个问题不能找到很大的解决方法，并且在状态估计的难度上面也会得到很大的提升，严重时还会影响到最终状态估计的准确性。

二、含新能源电力系统状态估计技术探讨

当前在含新能源电力系统状态评估的过程当中，往往会运用到一些建模仿真技术、多目标优化算法等，因为通过这些技术的运用能够很大程度的促进含新能源电力系统状态估计工作的进行。具体开展措施如下：（1）建模仿真技术：现在把新能源并入电力系统以后，在对于模型的建立以及仿真研究上面会发生很大转变，也正是此原因的出现所以要在该方面技术的研究工作上要不断加大力度。在加大对电力网络拓扑结构的研究当中，要对原来就已经存在的模型进行合理的优化，才能够是的构建模型以及拓扑结构能够更加融洽。其次，就是在針对并网模型的研究上面，新能源在和传统能源进行并网以后，在对电力系统在发展上面往往都是由单项式转变为多项式的供电，正也是因为这样也对以往使用的并网模型上面也发生了很大的改变，所以在建模仿真工作上还需要构建出更符合实际的模型[3]。（2）多目标优化算法：含新能源系统状态估计工作当中需要进行了很多的运算，这样才能够从中找到最准确的结果，也正是因为如此在进行状态估计的过程当中还需要运用更加科学更加合理的计算方法。在新能源电力成功并入到电力系统网络中以后，并且在原来的电力系统网络上面也进行了一定规模以及结构的拓展，同时也会让原本就有的电力系统变得更复杂化，所以运用以往的计算方法不能适应当前的这种改变。正是因为这些原因需要结合前期的模型建设，要通过多目标优化算法运用，要对运行约束、结构约束以及经济代价等诸多方面的影响进行综合的考虑，从而才能让计算方法更加具有科学性。（3）新型数据检测法：在通过新能源电力并入到传统电力系统以后，使整体电力系统的规模得到了一定程度的扩大，随着规模的扩大在对数据信息的产生上面也随着跟着变大，当前由于信息数据的变多在这些信息数据当中肯定会有一些不良数据的产生，其中肯定会有一部分不良信息数据和传统电力系统一样，还会有一部分发生在并网以后。在状态估计的过程当中才能够对这些信息数据进行有效的评估，才能够给未来的估计进行更好的开展。

三、人工智能在新能源电力系统状态评估应用

人工智能在新能源电力系统状态估计当中已经有了初步的应用，并且还得到了很好的发展，然而在我国人工智能技术在电力系统中的应用研究还是在正处于刚刚起步的状态。随着我国电力系统的不断地发展，电力系统数据总量也在不断增加，在管理上复杂程度也随着增加，并且在市场当中的竞争力也不断增强，为人工智能技术在电力系统的应用提供了更好的发展前景[4]。

3.1人工智能的应用概述在中国电力系统的主要应用研究方向

人工智能，又称机器智能，是指人工制造系统展现的智能，是通过普通计算学习、推理、计划、交流、操纵物体，实现人工智能的方式有很多种，主要包括引领三大高潮的专家系统，人工神经网络，深度学习和持续推动学科发展中的模糊逻辑和遗传算法、机器学习、多智能体系统、博弈论等。

电力系统是一个由发电、输电、变电、配电、用电等各种功能的生产和消耗各个环节所综合组成的系统，电力系统的技术水平已经逐渐成为衡量一个国家社会经济进步的标准，智能化的电网对于电力系统的影响运行方式提出了新要求，也为人工智能技术在电力系统中的应用指明了方向[5]。目前，人工智能并网技术在现代我国并网电力系统建设中的广泛应用逐步从单一的工业技术手段转变发展到多种应用领域，涵盖了电力大功率和小型可再生清洁能源综合发电、微电网、需求侧能源管理、电网安全稳定、网络安全、设备质量管理等多个应用领域，每个主要应用开发场景企业都会对其应用进行多个领域研究。人工聪慧智能感觉技术在目前我国智能电力系统建设中的主要应用范围可以大致地被概括地分为三种感觉类型：自然感觉和不可预见，管理监督和安全保障。

3.2人工智能技术应用用电力系统感知预测

感知性的预测主要目标是指通过对环境中各种因素的认识和对当前情境的了解进行分析和了解，以及对未来情境的认识和预测，电力系统中的感知性预测主要内容包括：负荷预测、可再生能源的风力发电量预测、稳定充裕裕度的预测、电压和谐波的预测以及风力发电机频率的预测。自从我国现代电力系统这一概念在我国开始流行以来，负荷预测问题已经普遍认为是一个最重要的课题，也已成为其他领域正在进行相关电力学科课题研究的重要基础。通过对电网规模的进一步扩充和分布式电网架构的建立，可以推动和促进我国电网的发展，对再生能源的发电量预计逐渐提高。

3.3再生能源发电预测

高比例可再生能源已经逐渐成为未来几年我国智能化电网建设与应用发展的一个重点关键，其中风电、光伏突出的优势之一便是目前我国所知的相对比较成熟的可再生能源发电技术，它们都在市场上具有很大的波动性和随机性[6]。对于风电、光伏发电早期进行预测的主要原因是由于依靠基本科学理论，随着现代科学研究的不断深入，小波变换、人工神经网络、支撑向量机等一系列新技术已经逐步得到了应用与融入。在地形复杂，风向或者是光线随机分散的条件下，进行了初步的研究。

类似于负荷预测的原理，LSTM 也是有效地将它们运用到了风电、光伏等发电系统的功率预测中，此外应用他的深度机器人学习技术在可再生能源和风力发电等新技术领域也具备了许多优点和尝试。深度置信网络能够有效地提取复杂风速和光伏发电量的数据序列非线性结构和可逆不变特点，可广泛应用于分析风力和光伏发电量的预测;利用先进的深度卷积神经网络，用于分析和提取各种光照图像数据的特点，提高光照图像预测的准确性和计算速度;通过稀疏自动编码器将粗糙的神经网络采用深度学习模型预测不确定风速，提高模型的鲁棒性和预测精度。

3.4研究展望

目前，基于人工智能技术的电力系统调度已经得到了研究为该领域的研究奠定了基础。今后可从以下几个方面进一步开展研究工作：电网的智能化发展将伴随着运行方式调度问题的维数增加，约束的条件增加了，种类繁多，负荷和运行方式不确定性提升以及变量的离散化形式，它对算法的要求也越来越高，现有的人工智能技术在电力系统中的应用存在着非实时、非闭环、人的参与和人工智能辅助的特点，如何有效快速地收敛到全局最优解、实现实时、闭环和自动控制是一个需要进一步解决的问题。基于三类人工智能技术的特点和局限性，综合了各种人工智能技术的优势，发展混合人工智能算法成为人工智能技术在外科领域的重要发展方向之一。同时，对于复杂的调度问题也要注意近似优化方法。

随着分布式能源的渗透比的增加，如光伏发电和随机接入电网的电动汽车等，和集中式方法对比，人工智能技术具有改善网络安全的功能，必要的通信基礎设施成本更少，解决方案的速度等优势变得越来越重要。包括分布式问题解决，并行人工智能，以及需要考虑智能体内部状态之间的协调，以及智能体之间协调的多智能技术等内容的分布式人工智能技术的应用应进行更深入的讨论。

结合大数据、云计算、深度学习等技术所进行的复杂大规模电力系统运行特征分析和预测也需要进行更为深入的研究.

3.5人工智能技术和电力系统规划

电力系统规划的主要目标在于未来的电力波动、符合曲线和电力分布情况实施预测前提下，对供电和输电线路的动态和负荷曲线以及功率分布进行预测。结合各种人工智能技术的特点，在电力系统规划中的应用主要体现在供电规划、电网规划、源网协调规划等方面。

总结：综合以上所诉内容可以看出，虽然我们国家当前已经开始了对新能源电力中应用人工智能的研究，也成功的将其与传统电力系统进行了有效并网，但是由于受到技术以及经济的限制，我国在新能源方面的发展以及实际应用还是会受很大程度受限，使得在规模上面无法进行快打，并且在电力系统之中往往只能起到辅助性电力的作用。所以在未来的发展过程当中，也为含新能源电力系统状态估计中人工智能的运用还需要持续的研究。

参考文献：

[1]朱罡，王茂春.含新能源发电的电力系统状态估计研究[J].电网与清洁能源，2020，36（04）：32-40+47.

[2]陈国强，韩延龙，李国强，魏大庆.含新能源电力系统状态估计研究现状和展望研究[J].科技风，2018（25）：174.

[3]赵俊博，张葛祥，黄彦全.含新能源电力系统状态估计研究现状和展望[J].电力自动化设备，2014，34（05）：7-20+34.

[4]徐国辉，吴俊佚，刘涛，武刚，葛宏泽.智能电网在电力技术及电力系统规划中的应用研究[J].中国管理信息化，2021，24（02）：131-132.

[5]谢彦祥，肖汉，李嘉逸，李小雨.电力系统暂态稳定评估方法研究现状及展望[J].电工电气，2020（11）：1-9+27.

[6]姜文立，王凯，王虹富，边宏宇，吕鹏.新一代离线仿真数据平台及其在华中电网的应用[J].江西电力，2019，43（12）：2-6.

[7]张晨宇，王慧芳，叶晓君.基于XGBoost算法的电力系统暂态稳定评估[J].电力自动化设备，2019，39（03）：77-83+89.

[8]文云峰，赵荣臻，肖友强，刘祯斌.基于多层极限学习机的电力系统频率安全评估方法[J].电力系统自动化，2019，43（01）： 133-140.

[9]王亚俊，王波，唐飞，陈得治，王静，王乙斐，周雨田.基于响应轨迹和核心向量机的电力系统在线暂态稳定评估[J].中国电机工程学报，2014，34（19）：3178-3186.

作者简介：

陈博，男，上海，汉族 ，1980年10月，本科 ，电力营销 ，国网上海市电力公司市区供电公司 ，工程师。