CN110059356A - 一种基于大数据和人工智能的大电网智能调控系统和方法 - Google Patents
一种基于大数据和人工智能的大电网智能调控系统和方法 Download PDFInfo
- Publication number
- CN110059356A CN110059356A CN201910203352.XA CN201910203352A CN110059356A CN 110059356 A CN110059356 A CN 110059356A CN 201910203352 A CN201910203352 A CN 201910203352A CN 110059356 A CN110059356 A CN 110059356A
- Authority
- CN
- China
- Prior art keywords
- data
- power grid
- model
- unit
- grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 27
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 230000003993 interaction Effects 0.000 claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 238000003012 network analysis Methods 0.000 claims abstract description 9
- 238000003860 storage Methods 0.000 claims description 39
- 230000003068 static effect Effects 0.000 claims description 27
- 238000004088 simulation Methods 0.000 claims description 18
- 238000011158 quantitative evaluation Methods 0.000 claims description 17
- 238000011161 development Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 230000033228 biological regulation Effects 0.000 claims description 11
- 230000006641 stabilisation Effects 0.000 claims description 10
- 238000011105 stabilization Methods 0.000 claims description 10
- 238000013097 stability assessment Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 8
- 230000002265 prevention Effects 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 5
- 230000007774 longterm Effects 0.000 claims description 5
- 238000010206 sensitivity analysis Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 230000001052 transient effect Effects 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000007418 data mining Methods 0.000 claims description 3
- 210000000352 storage cell Anatomy 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 230000006835 compression Effects 0.000 claims 1
- 238000007906 compression Methods 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000007726 management method Methods 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000009412 basement excavation Methods 0.000 abstract description 3
- 238000013139 quantization Methods 0.000 abstract description 3
- 230000005611 electricity Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000005201 scrubbing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000007794 visualization technique Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明公开了一种基于大数据和人工智能的大电网智能调控系统和方法。所述系统和方法利用人工智能和大数据技术，通过分布式计算引擎，基于广域实测信息，对建立的电网虚拟等效模型进行数据分析和挖掘，对电网的在线稳定态势进行统一量化评估以及智能优化决策控制，同时所述系统和方法还能实时显示采集的数据和分析结果，并进行人机交互。本发明和现有技术相比，有效提升了电力数据的智能挖掘深度、利用广度和电网对量测数据的管理利用和分析能力，提高了电网分析决策的时效性、大电网的智能调度与控制能力，以及大电网在线监控能力和水平。
Description
技术领域
本发明涉及电网监控和调度领域,并且更具体地，涉及一种基于大数据和人工智能的大电网智能调控系统和方法。
背景技术
伴随着交直流混联、新能源接入及大量电力电子设备的运用，使现代电网展现出更加复杂的随机特性、多源大数据特性，极大增加了电网运行环境的不确定性和复杂性，对现代电网调度系统产生了极为深刻的影响。传统的“建模仿真+预想故障”的电网安全分析技术与控制体系逐渐暴露出受模型参数影响大、时效性不足、不可预见性故障导致实用性差、思维场景单一等缺点，逐渐难以应对日渐复杂的大电网运行环境。
当前，信息物理技术及通讯技术快速发展，特别是广域测量系统/相量测量单元(Wide Area Measurement System/Phasor Measurement Unit,WAMS/PMU)在电网信息采集与监控的广泛应用，极大满足了广域大电网的可观性及可控性需求，使得电网信息数据的采集不再困难。但由于受制于传统思维模式的禁锢，导致电网的数据采集与挖掘应用难以适配，无法实现电网运行的高度集成、广泛共享与有效利用，急需加强计算、通信与控制技术的有机融合与深度协作。
发明内容
为了解决现有技术中电网的数据采集与挖掘应用难以适配，无法实现电网运行的高效调控的问题，本发明提供一种基于大数据和人工智能的电网调控系统，所述系统包括：
数据采集单元，其用于采集与大电网调控相关的多源异构数据，所述数据包括电网离线仿真数据、电网运行实时数据、电网外部环境数据；
预处理单元，其用于将所述多源异构数据转换成统一格式的标准化数据，并进行存储；
模型建立单元，其用于根据电网静态/动态场景下的稳定特征，建立保持电网稳定的设备元件的虚拟等效模型；
数据分析单元，其用于基于所述虚拟等效模型，通过分布式计算引擎调用存储的数据进行电网的实时和在线分析，确定电网的时空动力学运行特性和演变规律，以及量化评估电网在线稳定态势；
决策控制单元，其用于调用存储的数据，并基于电网在线稳定态势的量化评估结果，对电网进行决策控制。
进一步地，所述系统还包括：
显示单元，其用于对采集的电网数据和电网分析结果进行显示；
人机交互单元，其用于根据建立的人机协同模型，利用多通道交互技术，通过人机交互，进行电网调度与控制。
进一步地，所述预处理单元包括：
数据划分单元，其用于根据电网采集的数据的特点，分为结构化数据、半结构化数据和非结构化数据，针对不同的数据类型，采用不同的存储策略；
格式转换单元，其用于对采集到的数据通过分布式消息队列进行数据的统一接入，并对所述数据进行融合、清洗、转换和压缩，生成具有统一格式的标准化数据；
数据存储单元，其用于将具有统一格式的标准化数据按照不同的存储策略，分不同存储方式进行存储。
进一步地，所述模型建立单元包括：
第一模型单元，其用于构建电网戴维南等效参数辨识模型，结合轨迹灵敏度分析，对辨识参数的个数、初值及步长进行迭代优化；
第二模型单元，其用于构建含可再生能源的发电环节辨识模型，识别能源场站机电/电磁暂态模型的主导参数；
第三模型单元，其用于构建电网静态/动态临界稳定边界模型，从最大输电能力及能量平衡的角度，识别多场景下临界稳定的主导特征。
进一步地，所述数据分析单元包括：
数据挖掘单元，其用于利用轨迹模式挖掘方法、机器学习方法和机电混合仿真方法，确定电网的时空动力学运行特性和演变规律；
静态稳定评估单元，其用于针对电网静态场景，构建具有非线性边界的静态稳定域，识别电网节点综合稳定裕度；
动态稳定评估单元，其用于针对电网动态场景，构建动态稳定域，对电网动态稳定进行评估；
未来态势评估单元，其用于针对电网未来稳定态势，采用深度循环神经网络技术，基于电网节点状态参量的长短期记忆信息和空间邻近节点状态信息，预测电网未来态势。
进一步地，所述决策控制单元包括：
预防控制单元，其用于结合综合稳定指标，利用超实时鲁棒优化算法，生成电网预防控制策略；
运行控制单元，其用于针对电网潜在风险及薄弱环节，对电网运行方式进行微调。
根据本发明的另一方面，本发明提供一种基于大数据和人工智能的大电网智能调控方法，所述方法包括：
采集与大电网调控相关的多源异构数据，所述数据包括电网离线仿真数据、电网运行实时数据、电网外部环境数据；
将所述多源异构数据转换成统一格式的标准化数据，并进行存储；
根据电网静态/动态场景下的稳定特征，建立保持电网稳定的设备元件的虚拟等效模型；
基于所述虚拟等效模型，通过分布式计算引擎调用存储的数据进行电网的实时和在线分析，确定电网的时空动力学运行特性和演变规律，以及量化评估电网在线稳定态势；
调用存储的数据，并基于电网在线稳定态势的量化评估结果，对电网进行决策控制。
进一步地，所述方法还包括：
对采集的电网数据和电网分析结果进行显示；
建立人机协同模型，利用多通道交互技术，通过人机交互，进行电网调度与控制。
进一步地，所述将所述多源异构数据转换成具有统一格式的标准化数据，并进行存储包括：
根据电网采集的数据的特点，分为结构化数据、半结构化数据和非结构化数据，针对不同的数据类型，采用不同的存储策略；
对采集到的数据通过分布式消息队列进行数据的统一接入，并对所述数据进行融合、清洗、转换和压缩，生成具有统一格式的标准化数据；
将具有统一格式的标准化数据按照不同的存储策略，分不同存储方式进行存储。
进一步地，所述根据电网静态/动态场景下的稳定特征，建立保持电网稳定的设备元件的虚拟等效模型包括：
构建电网戴维南等效参数辨识模型，结合轨迹灵敏度分析，对辨识参数的个数、初值及步长进行迭代优化；
构建含可再生能源的发电环节辨识模型，识别能源场站机电/电磁暂态模型的主导参数；
构建电网静态/动态临界稳定边界模型，从最大输电能力及能量平衡的角度，识别多场景下临界稳定的主导特征。
进一步地，所述基于所述虚拟等效模型，通过分布式计算引擎调用存储的数据进行电网的实时和在线分析，确定电网的时空动力学运行特性和演变规律，以及量化评估电网在线稳定态势包括：
利用轨迹模式挖掘方法、机器学习方法和机电混合仿真方法，确定电网的时空动力学运行特性和演变规律；
针对电网静态场景，构建具有非线性边界的静态稳定域，识别电网节点综合稳定裕度；
针对电网动态场景，构建动态稳定域，对电网动态稳定进行评估；
针对电网未来稳定态势，采用深度循环神经网络技术，基于电网节点状态参量的长短期记忆信息和空间邻近节点状态信息，预测电网未来态势。
进一步地，所述调用存储的数据，并基于电网在线稳定态势的量化评估结果，对电网进行决策控制包括：
结合综合稳定指标，利用超实时鲁棒优化算法，生成电网预防控制策略；
针对电网潜在风险及薄弱环节，对电网运行方式进行微调。本发明技术方案提供的基于大数据和人工智能的大电网智能调控系统和方法利用人工智能和大数据技术，通过分布式计算引擎，基于广域实测信息，对建立的电网虚拟等效模型进行数据分析和挖掘，对电网的在线稳定态势进行统一量化评估以及智能优化决策控制，同时所述方法和系统还能实时显示采集的数据和分析结果，并进行人机交互。本发明所述的基于大数据和人工智能的大电网智能调控系统和方法和现有技术相比，具有如下有益效果：
1、本发明融合与大电网调控相关的多源异构数据，集成化使用电力数据分析工具，利用电网大数据、信息通信及电网物理系统的相互作用及反馈，从数据中洞察电网状态信息，有效提升电力数据的智能挖掘深度和利用广度，提升电网对量测数据的管理利用和分析能力。
2、本发明以大数据技术为底层平台支撑，采用分布式计算引擎，极大提升了对电网信息的计算分析性能，提高电网分析决策的时效性。
3、本发明面向调度员，结合调度员特征，通过人机交互协同的模型及通道，支撑调度员通过语音等完成与系统的交互工作，提升大电网的智能调度与控制能力。
4、本发明利用在线可视化技术，有效直观的将调度员最关心的内容呈现出来。帮助调度员实时把握电网运行状态并辅助调度员及时有效地做出正确决策，提升大电网在线监控能力和水平。
附图说明
通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
图1为根据本发明优选实施方式的基于大数据和人工智能的大电网智能调控系统的结构示意图；
图2为根据本发明优选实施方式的基于大数据和人工智能的大电网智能调控方法的流程图；
图3为根据本发明优选实施方式的基于大数据和人工智能的大电网智能调控方法的模型结构图；
图4为根据本发明优选实施方式的基于大数据和人工智能的大电网智能调控方法的模型中的关键节点指标示意图；
图5为根据本发明优选实施方式的基于大数据和人工智能的大电网智能调控方法的模型中的参数值示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明优选实施方式的基于大数据和人工智能的大电网智能调控系统的结构示意图。如图1所示，本优选实施方式所述的基于大数据和人工智能的电网调控系统100包括：
数据采集单元101，其用于采集与大电网调控相关的多源异构数据，所述数据包括电网离线仿真数据、电网运行实时数据、电网外部环境数据；
预处理单元102，其用于将所述多源异构数据转换成统一格式的标准化数据，并进行存储；
模型建立单元103，其用于根据电网静态/动态场景下的稳定特征，建立保持电网稳定的设备元件的虚拟等效模型；
数据分析单元104，其用于基于所述虚拟等效模型，通过分布式计算引擎调用存储的数据进行电网的实时和在线分析，确定电网的时空动力学运行特性和演变规律，以及量化评估电网在线稳定态势；
决策控制单元105，其用于调用存储的数据，并基于电网在线稳定态势的量化评估结果，对电网进行决策控制。
优选地，所述系统还包括：
显示单元，其用于对采集的电网数据和电网分析结果进行显示；
人机交互单元，其用于根据建立的人机协同模型，利用多通道交互技术，通过人机交互，进行电网调度与控制。
优选地，所述预处理单元102包括：
数据划分单元121，其用于根据电网采集的数据的特点，分为结构化数据、半结构化数据和非结构化数据，针对不同的数据类型，采用不同的存储策略；
格式转换单元122，其用于对采集到的数据通过分布式消息队列进行数据的统一接入，并对所述数据进行融合、清洗、转换和压缩，生成具有统一格式的标准化数据；
数据存储单元123，其用于将具有统一格式的标准化数据按照不同的存储策略，分不同存储方式进行存储。
优选地，所述模型建立单元103包括：
第一模型单元131，其用于构建电网戴维南等效参数辨识模型，结合轨迹灵敏度分析，对辨识参数的个数、初值及步长进行迭代优化；
第二模型单元132，其用于构建含可再生能源的发电环节辨识模型，识别能源场站机电/电磁暂态模型的主导参数；
第三模型单元133，其用于构建电网静态/动态临界稳定边界模型，从最大输电能力及能量平衡的角度，识别多场景下临界稳定的主导特征。
优选地，所述数据分析单元104包括：
数据挖掘单元141，其用于利用轨迹模式挖掘方法、机器学习方法和机电混合仿真方法，确定电网的时空动力学运行特性和演变规律；
静态稳定评估单元142，其用于针对电网静态场景，构建具有非线性边界的静态稳定域，识别电网节点综合稳定裕度；
动态稳定评估单元143，其用于针对电网动态场景，构建动态稳定域，对电网动态稳定进行评估；
未来态势评估单元144，其用于针对电网未来稳定态势，采用深度循环神经网络技术，基于电网节点状态参量的长短期记忆信息和空间邻近节点状态信息，预测电网未来态势。
优选地，所述决策控制单元105包括：
预防控制单元151，其用于结合综合稳定指标，利用超实时鲁棒优化算法，生成电网预防控制策略；
运行控制单元152，其用于针对电网潜在风险及薄弱环节，对电网运行方式进行微调。
图2为根据本发明优选实施方式的基于大数据和人工智能的电网调控方法的流程图。本优选实施方式所述的基于大数据和人工智能的大电网智能调控方法是基于大电网物理系统、信息系统和仿真系统之间的深度融合集成，针对电力网络实际的工业背景，全面依托大电网仿真、信息通信及人工智能大数据技术，集成化使用电力数据分析工具，利用电力大数据、信息通信及电网物理系统的相互作用及反馈，在数据中洞察出更多的信息，提升电网对量测数据的管理、利用及分析能力，满足电网实时态、预想态和未来态的分析需求，提高大电网智能监控及分析能力，实现大电网的“即测-即辨-即控”。如图2所示，本优选实施方式所述的基于大数据和人工智能的电网调控方法200从步骤201开始。
在步骤201，采集与大电网调控相关的多源异构数据，所述数据包括电网离线仿真数据、电网运行实时数据、电网外部环境数据。
在本优选实施方式中，所述离线仿真数据，主要利用常规数据读取方式，针对电网各类场景下大量离线仿真数据的采集，如静态场景、动态场景等，利用电网仿真服务提供丰富的仿真数据；所述电网运行实时数据是利用Flume在电网正常或故障情况下实时采集的数据，按照测量系统的不同，主要有D5000、SCADA、WAMS等实时数据，构成电网运行实时数据集合；所述电网外部环境信息，如周围温度、湿度、风速、天气预报等信息，通过传感器实时接入。同时数据采集包含有数据清理、数据抽取、协议转换等操作，为数据存储提供干净、便于处理的数据清洗服务。
在步骤202，将所述多源异构数据转换成统一格式的标准化数据，并进行存储。
在本优选实施方式中，对采集到的数据通过分布式消息队列Kafka进行数据的统一接入，并对电网各类仿真数据、运行数据及外界环境数据进行融合、清洗、转换和压缩，为电网态势感知及电网协调控制算法提供全面而精确的统一数据标准格式；同时根据电网采集数据的特点，分为结构化数据、半结构化数据和非结构化数据、图数据等，针对其不同的数据类型，采用HDFS、MySQL、HBase不同的存储方案，经过统一存储标准处理后，根据不同存储策略分不同存储方式接入存储层。
在步骤203，根据电网静态/动态场景下的稳定特征，建立保持电网稳定的设备元件的虚拟等效模型。
在步骤204，基于所述虚拟等效模型，通过分布式计算引擎调用存储的数据进行电网的实时和在线分析，确定电网的时空动力学运行特性和演变规律，以及量化评估电网在线稳定态势。
在本优选实施方式中，采用Spark作为核心分布式计算引擎，提供统一的计算框架服务，利用其基于内存的分布式计算引擎及良好的完整生态环境，快速处理海量数据，共同支撑电网大数据高效能的分析和计算。同时，针对电网大数据，除利用常规经典轨迹模式挖掘(关联、聚类、分类、预测)方法以外，进一步结合机器学习、电网数据分析方法、机电混合仿真技术等方法，进行电网大数据的实时和离线分析，揭示电网的时空动力学运行特性及演变规律。
在量化评估电网在线稳定态势上，针对静态场景，进行信息驱动的大电网静态安全稳定评估，构建具有非线性边界的静态稳定域，快速识别节点综合稳定裕度；针对动态场景，进行信息驱动的大电网动态安全稳定评估，实现在线动态稳定域计算与动态稳定域构建，完成大电网动态稳定评估；针对未来态势，进行基于电网节点状态参量的长短期记忆信息和空间邻近节点状态信息，采用深度循环神经网络技术，实现大电网时空趋势的精准预测。
在步骤205，调用存储的数据，并基于电网在线稳定态势的量化评估结果，对电网进行决策控制。
图3为根据本发明优选实施方式的基于大数据和人工智能的大电网智能调控方法的模型结构图。如图3所示，本优选实施方式基于大数据和人工智能的大电网智能调控方法搭建的调控模型的逻辑架构包括数据采集处理层、数据存储管理层、数据分析挖掘层、综合应用层和人机交互层，所述模型架构向下联合硬件集群，向上提供电网业务应用的智能分析与计算支撑。在所述模型中，所述数据采集处理层通过ADPSS进行仿真数据采集，通过D5000测量电网实时数据，同时采集电网静态、动态数据，并对上述数据进行数据清理，抽取和协议转换后传输至数据存储层，将其按照划分的类型进行统一分布式存储；而数据分析挖掘层则对存储的数据调用后，结合机器学习和电网数据分析方法，进行电网大数据的实时和离线分析。所述知识图谱将电力系统的各类信息(包括电力系统的基本信息、对电网数据的挖掘分析信息、异常状况处理信息等)通过可视化图谱的形式建立联系，以便实现快速计算查询，并提供智能分析结果，达到对电网状态的精准智能感知等功能。所述策略云库针对电力系统可能出现的各种情况，将历史处理经验、调度员经验、仿真分析得到的控制经验等统一存储在云上，形成策略云库，以便当故障等异常情况发生时，能够快速准确地给调度人员提供辅助决策信息，达到快速精准控制的目的。所述模型通过搭建的Hadoop实验室集群环境，采用Zookeeper对资源进行统一调度。所述模型包含了电网的141个发电机电源，2444个母线，2583条线路，以及758个负荷。
优选地，所述方法还包括：
对采集的电网数据和电网分析结果进行显示；
建立人机协同模型，利用多通道交互技术，通过人机交互，进行电网调度与控制。
在本优选实施方式中，针对海量的电网数据及电网分析结果，基于G I S的大电网时空数据在线可视化技术，实现潮流流动、局部潮流控制、潮流越限警示等多种特性，可视化展示大电网潮流分布与迁移，同时提供电网信息流、能量流、态势评估结果、扰动事件、大电网安全稳定域及辅助决策的直观动态可视化展示。同时结合调度员业务特征，建立人机协同模型，利用多通道交互技术，构建面向语音通道和文本通道的整合模型，支持调度员与知识库之间的自然交互；同时面向多通道人机交互的智能调度仿真分析引擎，支撑电力系统仿真计算和智能分析。
图4为根据本发明优选实施方式的基于大数据和人工智能的大电网智能调控方法的模型中的关键节点指标示意图。通过图3中的PSASP进行仿真得到了电网的基本潮流水平，再通过逐渐增加全网负荷，得到了图4的关键节点阻抗模稳定指标的变化趋势。如图4所示，电网部分关键节点随着负荷的逐渐增大，不同分区的阻抗模指标随之增大，并逐渐接近于1，说明此时电网随着负荷的增大逐渐接近输电极限。
图5为根据本发明优选实施方式的基于大数据和人工智能的大电网智能调控方法的模型中的参数值示意图。如图5所示，其展示了电网部分节点的戴维南等值参数值，结合图4，可以评估出静态场景下，电网稳定态势的情况，给电网调度员直观形象的展示。
优选地，所述将所述多源异构数据转换成具有统一格式的标准化数据，并进行存储包括：
根据电网采集的数据的特点，分为结构化数据、半结构化数据和非结构化数据，针对不同的数据类型，采用不同的存储策略；
对采集到的数据通过分布式消息队列进行数据的统一接入，并对所述数据进行融合、清洗、转换和压缩，生成具有统一格式的标准化数据；
将具有统一格式的标准化数据按照不同的存储策略，分不同存储方式进行存储。
优选地，所述根据电网静态/动态场景下的稳定特征，建立保持电网稳定的设备元件的虚拟等效模型包括：
构建电网戴维南等效参数辨识模型，结合轨迹灵敏度分析，对辨识参数的个数、初值及步长进行迭代优化；
构建含可再生能源的发电环节辨识模型，识别能源场站机电/电磁暂态模型的主导参数；
构建电网静态/动态临界稳定边界模型，从最大输电能力及能量平衡的角度，识别多场景下临界稳定的主导特征。
优选地，所述基于所述虚拟等效模型，通过分布式计算引擎调用存储的数据进行电网的实时和在线分析，确定电网的时空动力学运行特性和演变规律，以及量化评估电网在线稳定态势包括：
利用轨迹模式挖掘方法、机器学习方法和机电混合仿真方法，确定电网的时空动力学运行特性和演变规律；
针对电网静态场景，构建具有非线性边界的静态稳定域，识别电网节点综合稳定裕度；
针对电网动态场景，构建动态稳定域，对电网动态稳定进行评估；
针对电网未来稳定态势，采用深度循环神经网络技术，基于电网节点状态参量的长短期记忆信息和空间邻近节点状态信息，预测电网未来态势。
优选地，所述调用存储的数据，并基于电网在线稳定态势的量化评估结果，对电网进行决策控制包括：
结合综合稳定指标，利用超实时鲁棒优化算法，生成电网预防控制策略；
针对电网潜在风险及薄弱环节，对电网运行方式进行微调。
已经通过参考少量实施方式描述了本发明。然而，本领域技术人员所公知的，正如附带的专利权利要求所限定的，除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地，在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释，除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例，除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行，除非明确地说明。
Claims (12)
1.一种基于大数据和人工智能的大电网智能调控系统，其特征在于，所述系统包括：
数据采集单元，其用于采集与大电网调控相关的多源异构数据，所述数据包括电网离线仿真数据、电网运行实时数据、电网外部环境数据；
预处理单元，其用于将所述多源异构数据转换成统一格式的标准化数据，并进行存储；
模型建立单元，其用于根据电网静态/动态场景下的稳定特征，建立保持电网稳定的设备元件的虚拟等效模型；
数据分析单元，其用于基于所述虚拟等效模型，通过分布式计算引擎调用存储的数据进行电网的实时和在线分析，确定电网的时空动力学运行特性和演变规律，以及量化评估电网在线稳定态势；
决策控制单元，其用于调用存储的数据，并基于电网在线稳定态势的量化评估结果，对电网进行决策控制。
2.根据权利要求1所述的系统，其特征在于，所述系统还包括：
显示单元，其用于对采集的电网数据和电网分析结果进行显示；
人机交互单元，其用于根据建立的人机协同模型，利用多通道交互技术，通过人机交互，进行电网调度与控制。
3.根据权利要求1或者2所述的系统，其特征在于，所述预处理单元包括：
数据划分单元，其用于根据电网采集的数据的特点，分为结构化数据、半结构化数据和非结构化数据，针对不同的数据类型，采用不同的存储策略；
格式转换单元，其用于对采集到的数据通过分布式消息队列进行数据的统一接入，并对所述数据进行融合、清洗、转换和压缩，生成具有统一格式的标准化数据；
数据存储单元，其用于将具有统一格式的标准化数据按照不同的存储策略，分不同存储方式进行存储。
4.根据权利要求1或者2所述的系统，其特征在于，所述模型建立单元包括：
第一模型单元，其用于构建电网戴维南等效参数辨识模型，结合轨迹灵敏度分析，对辨识参数的个数、初值及步长进行迭代优化；
第二模型单元，其用于构建含可再生能源的发电环节辨识模型，识别能源场站机电/电磁暂态模型的主导参数；
第三模型单元，其用于构建电网静态/动态临界稳定边界模型，从最大输电能力及能量平衡的角度，识别多场景下临界稳定的主导特征。
5.根据权利要求1或者2所述的系统，其特征在于，所述数据分析单元包括：
数据挖掘单元，其用于利用轨迹模式挖掘方法、机器学习方法和机电混合仿真方法，确定电网的时空动力学运行特性和演变规律；
静态稳定评估单元，其用于针对电网静态场景，构建具有非线性边界的静态稳定域，识别电网节点综合稳定裕度；
动态稳定评估单元，其用于针对电网动态场景，构建动态稳定域，对电网动态稳定进行评估；
未来态势评估单元，其用于针对电网未来稳定态势，采用深度循环神经网络技术，基于电网节点状态参量的长短期记忆信息和空间邻近节点状态信息，预测电网未来态势。
6.根据权利要求2所述的系统，其特征在于，所述决策控制单元包括：
预防控制单元，其用于结合综合稳定指标，利用超实时鲁棒优化算法，生成电网预防控制策略；
运行控制单元，其用于针对电网潜在风险及薄弱环节，对电网运行方式进行微调。
7.一种基于大数据和人工智能的大电网智能调控方法，其特征在于，所述方法包括：
采集与大电网调控相关的多源异构数据，所述数据包括电网离线仿真数据、电网运行实时数据、电网外部环境数据；
将所述多源异构数据转换成统一格式的标准化数据，并进行存储；
根据电网静态/动态场景下的稳定特征，建立保持电网稳定的设备元件的虚拟等效模型；
基于所述虚拟等效模型，通过分布式计算引擎调用存储的数据进行电网的实时和在线分析，确定电网的时空动力学运行特性和演变规律，以及量化评估电网在线稳定态势；
调用存储的数据，并基于电网在线稳定态势的量化评估结果，对电网进行决策控制。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
对采集的电网数据和电网分析结果进行显示；
建立人机协同模型，利用多通道交互技术，通过人机交互，进行电网调度与控制。
9.根据权利要求7或者8所述的方法，其特征在于，所述将所述多源异构数据转换成具有统一格式的标准化数据，并进行存储包括：
根据电网采集的数据的特点，分为结构化数据、半结构化数据和非结构化数据，针对不同的数据类型，采用不同的存储策略；
对采集到的数据通过分布式消息队列进行数据的统一接入，并对所述数据进行融合、清洗、转换和压缩，生成具有统一格式的标准化数据；
将具有统一格式的标准化数据按照不同的存储策略，分不同存储方式进行存储。
10.根据权利要求7或者8所述的方法，其特征在于，所述根据电网静态/动态场景下的稳定特征，建立保持电网稳定的设备元件的虚拟等效模型包括：
构建电网戴维南等效参数辨识模型，结合轨迹灵敏度分析，对辨识参数的个数、初值及步长进行迭代优化；
构建含可再生能源的发电环节辨识模型，识别能源场站机电/电磁暂态模型的主导参数；
构建电网静态/动态临界稳定边界模型，从最大输电能力及能量平衡的角度，识别多场景下临界稳定的主导特征。
11.根据权利要求7或者8所述的方法，其特征在于，所述基于所述虚拟等效模型，通过分布式计算引擎调用存储的数据进行电网的实时和在线分析，确定电网的时空动力学运行特性和演变规律，以及量化评估电网在线稳定态势包括：
利用轨迹模式挖掘方法、机器学习方法和机电混合仿真方法，确定电网的时空动力学运行特性和演变规律；
针对电网静态场景，构建具有非线性边界的静态稳定域，识别电网节点综合稳定裕度；
针对电网动态场景，构建动态稳定域，对电网动态稳定进行评估；
针对电网未来稳定态势，采用深度循环神经网络技术，基于电网节点状态参量的长短期记忆信息和空间邻近节点状态信息，预测电网未来态势。
12.根据权利要求8所述的方法，其特征在于，所述调用存储的数据，并基于电网在线稳定态势的量化评估结果，对电网进行决策控制包括：
结合综合稳定指标，利用超实时鲁棒优化算法，生成电网预防控制策略；
针对电网潜在风险及薄弱环节，对电网运行方式进行微调。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910203352.XA CN110059356A (zh) | 2019-03-18 | 2019-03-18 | 一种基于大数据和人工智能的大电网智能调控系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910203352.XA CN110059356A (zh) | 2019-03-18 | 2019-03-18 | 一种基于大数据和人工智能的大电网智能调控系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110059356A true CN110059356A (zh) | 2019-07-26 |
Family
ID=67316942
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910203352.XA Pending CN110059356A (zh) | 2019-03-18 | 2019-03-18 | 一种基于大数据和人工智能的大电网智能调控系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110059356A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110704577A (zh) * | 2019-10-10 | 2020-01-17 | 国家电网公司华中分部 | 一种电网调度数据的搜索方法及系统 |
| CN110825885A (zh) * | 2019-11-13 | 2020-02-21 | 南方电网科学研究院有限责任公司 | 一种电力设备知识图谱应用系统 |
| CN110825798A (zh) * | 2019-10-29 | 2020-02-21 | 深圳供电局有限公司 | 一种电力应用数据维护方法及装置 |
| CN111162565A (zh) * | 2019-12-26 | 2020-05-15 | 国网宁夏电力有限公司 | 基于多源数据融合的中低压网络在线拼接方法及系统 |
| CN111221794A (zh) * | 2020-02-17 | 2020-06-02 | 湖南工学院 | 配电网广域量测控制系统多源数据融合方法 |
| CN111474444A (zh) * | 2020-04-14 | 2020-07-31 | 国网山东省电力公司电力科学研究院 | 一种基于知识图谱的线路故障复电决策方法 |
| CN111598376A (zh) * | 2020-02-18 | 2020-08-28 | 中国电力科学研究院有限公司 | 一种基于信息驱动的对电网大数据进行辅助决策的方法及系统 |
| CN111914037A (zh) * | 2020-07-15 | 2020-11-10 | 国网能源研究院有限公司 | 一种面向电网发展的多元信息挖掘分析方法及系统 |
| CN112487789A (zh) * | 2020-11-27 | 2021-03-12 | 贵州电网有限责任公司 | 一种基于知识图谱的操作票调度逻辑合法性验证方法 |
| CN112561311A (zh) * | 2020-12-15 | 2021-03-26 | 深圳供电局有限公司 | 一种基于人工智能的电网调度系统、方法及设备 |
| CN112820282A (zh) * | 2020-12-18 | 2021-05-18 | 中国南方电网有限责任公司 | 基于语音识别及自然语言处理电网调度系统 |
| CN113219897A (zh) * | 2021-05-28 | 2021-08-06 | 沈阳恒久安泰环保与节能科技有限公司 | 基于大数据和人工智能的冷热联供智能调控系统和方法 |
| CN113991872A (zh) * | 2021-12-01 | 2022-01-28 | 四川中电启明星信息技术有限公司 | 一种用于工业园区的综合能源配电网系统 |
| CN114501347A (zh) * | 2022-01-25 | 2022-05-13 | 中国电力科学研究院有限公司 | 异构系统间信息交互方法、装置及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103279638A (zh) * | 2013-04-23 | 2013-09-04 | 国家电网公司 | 一种基于响应的大电网全态势在线一体化量化评估方法 |
| CN107133255A (zh) * | 2017-03-15 | 2017-09-05 | 中国电力科学研究院 | 一种大电网全景安全防御方法和系统 |
-
2019
- 2019-03-18 CN CN201910203352.XA patent/CN110059356A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103279638A (zh) * | 2013-04-23 | 2013-09-04 | 国家电网公司 | 一种基于响应的大电网全态势在线一体化量化评估方法 |
| CN107133255A (zh) * | 2017-03-15 | 2017-09-05 | 中国电力科学研究院 | 一种大电网全景安全防御方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 刘道伟等: "基于大数据及人工智能的大电网智能调控系统框架", 电力信息与通信技术, 15 March 2019 (2019-03-15), pages 14 - 21 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110704577A (zh) * | 2019-10-10 | 2020-01-17 | 国家电网公司华中分部 | 一种电网调度数据的搜索方法及系统 |
| CN110825798A (zh) * | 2019-10-29 | 2020-02-21 | 深圳供电局有限公司 | 一种电力应用数据维护方法及装置 |
| CN110825885B (zh) * | 2019-11-13 | 2022-06-17 | 南方电网科学研究院有限责任公司 | 一种电力设备知识图谱应用系统 |
| CN110825885A (zh) * | 2019-11-13 | 2020-02-21 | 南方电网科学研究院有限责任公司 | 一种电力设备知识图谱应用系统 |
| CN111162565A (zh) * | 2019-12-26 | 2020-05-15 | 国网宁夏电力有限公司 | 基于多源数据融合的中低压网络在线拼接方法及系统 |
| CN111162565B (zh) * | 2019-12-26 | 2023-06-20 | 国网宁夏电力有限公司 | 基于多源数据融合的中低压网络在线拼接方法及系统 |
| CN111221794A (zh) * | 2020-02-17 | 2020-06-02 | 湖南工学院 | 配电网广域量测控制系统多源数据融合方法 |
| CN111598376A (zh) * | 2020-02-18 | 2020-08-28 | 中国电力科学研究院有限公司 | 一种基于信息驱动的对电网大数据进行辅助决策的方法及系统 |
| CN111474444A (zh) * | 2020-04-14 | 2020-07-31 | 国网山东省电力公司电力科学研究院 | 一种基于知识图谱的线路故障复电决策方法 |
| CN111474444B (zh) * | 2020-04-14 | 2022-06-21 | 国网山东省电力公司电力科学研究院 | 一种基于知识图谱的线路故障复电决策方法 |
| CN111914037A (zh) * | 2020-07-15 | 2020-11-10 | 国网能源研究院有限公司 | 一种面向电网发展的多元信息挖掘分析方法及系统 |
| CN112487789A (zh) * | 2020-11-27 | 2021-03-12 | 贵州电网有限责任公司 | 一种基于知识图谱的操作票调度逻辑合法性验证方法 |
| CN112487789B (zh) * | 2020-11-27 | 2023-12-01 | 贵州电网有限责任公司 | 一种基于知识图谱的操作票调度逻辑合法性验证方法 |
| CN112561311A (zh) * | 2020-12-15 | 2021-03-26 | 深圳供电局有限公司 | 一种基于人工智能的电网调度系统、方法及设备 |
| CN112820282A (zh) * | 2020-12-18 | 2021-05-18 | 中国南方电网有限责任公司 | 基于语音识别及自然语言处理电网调度系统 |
| CN113219897A (zh) * | 2021-05-28 | 2021-08-06 | 沈阳恒久安泰环保与节能科技有限公司 | 基于大数据和人工智能的冷热联供智能调控系统和方法 |
| CN113991872A (zh) * | 2021-12-01 | 2022-01-28 | 四川中电启明星信息技术有限公司 | 一种用于工业园区的综合能源配电网系统 |
| CN114501347A (zh) * | 2022-01-25 | 2022-05-13 | 中国电力科学研究院有限公司 | 异构系统间信息交互方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110059356A (zh) | 一种基于大数据和人工智能的大电网智能调控系统和方法 | |
| EP2907059B1 (en) | Computer implemented method for hybrid simulation of power distribution network and associated communication network for real time applications | |
| CN103296677B (zh) | 一种在线大电网恢复辅助决策系统 | |
| Green et al. | Applications and trends of high performance computing for electric power systems: Focusing on smart grid | |
| CN110311376A (zh) | 一种电力系统动态安全评估综合模型及时空可视化方法 | |
| CN107133255B (zh) | 一种大电网全景安全防御方法和系统 | |
| WO2023115842A1 (zh) | 一种数据驱动的离线在线一体化配电网仿真系统及方法 | |
| CN104331543A (zh) | 一种船舶电力推进系统故障诊断专家系统和建立方法 | |
| CN105656028B (zh) | 一种基于gis的电网稳定裕度的可视化显示方法 | |
| CN110826228B (zh) | 一种地区电网运行品质极限评估方法 | |
| CN110119888A (zh) | 一种基于分布式电源接入的有源网格化规划方法 | |
| Wang et al. | Actuator placement for enhanced grid dynamic performance: A machine learning approach | |
| CN105528671A (zh) | 一种基于大数据的电网多维感知与安全评估系统及方法 | |
| CN111598376A (zh) | 一种基于信息驱动的对电网大数据进行辅助决策的方法及系统 | |
| CN114565779A (zh) | 一种低压台区户变拓扑辨识方法及系统 | |
| CN110363334A (zh) | 基于灰色神经网络模型的光伏并网的电网线损预测方法 | |
| CN113991856B (zh) | 一种微能网多适应性μPMU最优布点方法 | |
| Ju et al. | The use of edge computing-based internet of things big data in the design of power intelligent management and control platform | |
| CN109412155B (zh) | 一种基于图计算的配电网供电能力评估方法 | |
| Ni et al. | A review of line loss analysis of the low-voltage distribution system | |
| CN103296678B (zh) | 一种在线大电网恢复辅助决策方法 | |
| Wang et al. | Analysis of network loss energy measurement based on machine learning | |
| Ma et al. | Research Progress of Distribution Network Digitization Based on Digital Twin Technology | |
| Luo et al. | Research on transmission and transformation engineering cost system based on BIM 3D modelling technology | |
| Guan et al. | Enhancing security and resilience of bulk power systems via multisource big data learning |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |