TW201636750A - 用於辨識及遵守公共網格中的標準操作限制條件之系統及方法 - Google Patents
用於辨識及遵守公共網格中的標準操作限制條件之系統及方法 Download PDFInfo
- Publication number
- TW201636750A TW201636750A TW104134731A TW104134731A TW201636750A TW 201636750 A TW201636750 A TW 201636750A TW 104134731 A TW104134731 A TW 104134731A TW 104134731 A TW104134731 A TW 104134731A TW 201636750 A TW201636750 A TW 201636750A
- Authority
- TW
- Taiwan
- Prior art keywords
- control
- grid
- dimensional space
- control item
- item
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000015654 memory Effects 0.000 claims description 27
- 230000006886 spatial memory Effects 0.000 claims description 12
- 230000006399 behavior Effects 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000009412 basement excavation Methods 0.000 claims 2
- 239000003990 capacitor Substances 0.000 claims 2
- 230000000694 effects Effects 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 239000007789 gas Substances 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 206010003591 Ataxia Diseases 0.000 description 1
- 206010010947 Coordination abnormal Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 208000028756 lack of coordination Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02B90/20—Smart grids as enabling technology in buildings sector
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Automation & Control Theory (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本發明係關於用於制定及維護自動化實驗系統之限制條件以及實驗之可容許範圍的系統及方法。本發明之方法及系統評估可用的控制項、產生代表該等控制項之組合的一多維度空間、以及分析操作資料以判定該多維度空間中之哪些點為受控制系統之可容許狀態。可選地，一些實施例具有用於操縱或更動限制條件的一使用者介面為特徵。經限制的多維度空間係透過在用於實驗試驗的多維度空間中選擇點來用於自動化實驗中。
Description
目前對於「智慧網格(smart grid)」以及將詳細的感測器測量和機器學習(machine learning)應用至公共網格管理的方法，僅使用回溯性(retrospective)資料探勘「巨量資料(big data)」的學習方法，而不使用主動控制及改變來探索對於各種狀況(condition)的網格反應。主動控制(active control)可對於網格狀態(藉由特定感測器反應所指示)以及對整體網格狀況的動作之效應，提供更快、更強大的因果關係(cause-and-effect)之理解，並更佳地致能公共網格之管理以及對彼等網格的潛在故障之反應。
由於公共資源(utilities)的物理特性以及公共資源之運輸及分配方法，不管該等公共資源是易爆炸天然氣、高壓水(high-pressure water)、或電力，公共網格操作具有固有的風險。除了彼災難性的風險外，網格操作可係高度複雜的，且對公共資源使用者的遞送品質係高度重要的。舉例而言，透過諸如縮短裝置生命週期等的影響，電力品質問題每年損失超過1億美元。網格設計及公共資源傳輸
可能係非常複雜的，且各在彼參數之操作狀況之內的若干狀況之組合可能引發網格故障或造成所遞送公共資源(utility)的品質問題。需要詳細的限制條件(constraint)以將網格操作交託給自動化控制方案。
此風險將機會成本(opportunity cost)的可能性引入至在網格上的操作決策之控制、以及用以建立網格知識之主動實驗。然而，由於網格元件間的複雜度及缺乏協調、以及動作之實施和選擇的不確定度(uncertainty)，一般會有一個網格之主動控制的機會成本於之中係等於或小於普通網格機會者的區間(window)，而基本上使得彼包絡(envelope)與目前的網格管理相較而言，係零機會成本(opportunity-cost-free)的且允許網格特性和反應行為之有意義的實驗和發現。
由於公共網格之操作所涉及的風險，公共網格作為營業事業是非常保守的並且受到高度規範。由於彼等兩個因素，許多用以調整網格參數的動作之選擇需要圈(loop)內人士之核可，從而在沒有用以核可及管理自動化系統可驅動網格的風險程度和操作範圍之手段的情況下，公共網格之自動控制的可能性受到限制。
需要有能用以保持系統在可容許操作範圍內，且同時致能自動化網格狀況改變和處理的方法。一個完成上述的方法是透過機器學習及/或專家系統(expert system)來發現標準操作狀況(normative operating condition)，且接著應用該等可容許的操作狀態作為限制條件，從而僅允許經預測在所實施之時間和位置處將支持該等正常操作限制條件之網格狀態變更、動作、以及處理。
本發明係關於用於制定網格狀況之一範圍的系統與方法，該範圍匹配於網格的可容許操作變更之包絡，在該範圍內可執行網格動作之實驗以及網格動作之經最佳化選擇，而不使風險或機會成本增加到超過正常網格操作之風險或機會成本，達成上述之實施例係藉由接收與主動控制項相關的資訊；產生一多維度空間，該多維度空間中各維度係一控制項，且彼等維度之各者包括彼控制項之若干狀態；限制該空間以消除包括非可容許的控制項狀態或組合之若干部分；以及僅在該經限制的多維度空間所定義的範圍內主動地控制該網格。
100‧‧‧步驟
102‧‧‧步驟
104‧‧‧步驟
106‧‧‧步驟
200‧‧‧控制項
202‧‧‧控制項
204‧‧‧控制項
206‧‧‧控制項
300‧‧‧網格控制項
302‧‧‧控制項記憶體
304‧‧‧多維度空間記憶體；記憶體
306‧‧‧普通操作包絡記憶體；記憶體
308‧‧‧經限制的多維度空間記憶體
310‧‧‧空間定義處理器
312‧‧‧限制條件處理器
314‧‧‧自動化主動控制系統
400‧‧‧控制項狀態；控制項狀態索引；控制項狀態索引資訊
402‧‧‧未經限制的多維度空間
404‧‧‧限制條件資訊
406‧‧‧經限制的多維度空間；多維度空間
408‧‧‧控制項記憶體
410‧‧‧空間定義處理器
412‧‧‧多維度空間記憶體
414‧‧‧限制條件處理器
416‧‧‧普通操作包絡記憶體；限制條件處理器
418‧‧‧經限制的多維度空間記憶體
420‧‧‧自動化主動控制系統；主動控制系統
422‧‧‧控制決策
424‧‧‧網格控制項
圖1為本發明之一方法的一流程圖。
圖2為本發明之一例示性實施例中的一網格以及其可用的控制項之圖示。
圖3為繪示本發明之一系統的一系統圖。
圖4為繪示本發明之一系統內資訊之流動的一資料流程圖。
探索網格狀況及反應的自動化控制最適地係在不干擾客戶的公共資源服務、且能夠與正常操作無縫整合的情況下進行。藉由發現可用的控制項、基於可能控制項狀態來定義一空間、以及基於可容許操作狀況來限制彼空間，可將可動作發現(actionable discoveries)作為中心進行探索且探索係與正常操作整合，而在不增加風險或機會
成本至超過普通網格操作(ordinary grid operation)中所固有者的情況下，產生一可透過普通網格操作來搜尋的空間。
圖1為本發明之一例示性方法實施例之一流程圖。在步驟100中接收控制項資訊，且該控制項資訊係用作為用於在102中建構可能控制項狀態之多維度空間的基礎。於104中，基於網格的標準操作狀況來限制潛在控制項狀態(potential control state)之空間，且於步驟106中，在彼經限制的多維度空間內應用自動化實驗及/或操作性控制項(operational control)。
於步驟100中接收控制項資訊。控制項資訊包括在一自動化實驗及/或最佳化系統中所包括的各控制項之可能狀態。控制項包括任何具有多個潛在狀態的網格特定元件，該等網格特定元件可被主動地控制。在電氣網格上的控制項之實例包括引導電力路由的開關、可供應可變位準電力至網格的光伏逆變器(photovoltaic inverter)、及/或可控制的電力儲存裝置。在水網格上的實例包括具可變通量率(throughput rate)的處理設施、沿配送線路之閥、及/或控制管道接合及分枝處流量的開關。在瓦斯配送網路上的實例包括沿配送線路的開關及閥、及/或提供壓力或流動的來源。對於個別的控制項而言，舉例來說，可能的控制項狀態可係電氣網格上開關處之開關位置、或水或瓦斯網格上閥口徑之大小。此資訊之收集可來自網格操作員所保存的網格組件之預存在資料庫、或網格組件模型，於網格組件模型可得處，藉由實際上交給自動控制之控制項所修改。可選地，可對網格控
制項編索引以提供控制項資訊，舉例而言，藉由使用在控制項及自動化實驗及/或最佳化系統之間的連接來識別所有可用的網格控制項。
於步驟102中，使用控制項資訊來建構一多維度空間。對此多維度空間而言，各控制項係視為一維度，沿著該維度有若干點，該等點用於該控制項之可能特定狀態之各者。接著，給定可用於自動控制之控制項，多維度空間將可能控制項狀態之各可能組合代表為在彼空間內之一點。多維度空間係儲存於記憶體中，舉例而言，儲存為含有多維度空間之點以及可選地含有將各維度與其代表的特定控制項相關聯之後設資料(metadata)的一矩陣。
對於有離散控制項狀態的維度而言(諸如僅具有「開」和「關」狀態的開關)，維度可簡單地將所有控制項包括為該維度中之個別點，因為此等控制項狀態即使在數量有多個的情況下亦係有限的(finite)。對於理論上係無限的連續控制項狀態而言(諸如閥之孔徑寬度)，使此等控制項成為有限的，舉例而言，藉由指定連續控制項之範圍至多維度空間中的一個具體的點。此指定可透過選擇若干點且基於在歐氏空間(Euclidian space)中對所選擇點之鄰近度將資料格化(binning)來完成，各所選擇的點係沿彼控制項維度的點所擷取之控制項狀態。對於實驗系統而言，此類點之數目的運算可基於對所給定沿彼維度之測試的經預測信噪比(signal-to-noise ratio,SNR)而言係可能的粒度(granularity)、基於實驗的檢定力分析(power analysis)、使用測試機會之預測數目以及沿連續控制項之維度的特定離散點之間的預期差異大小。
於步驟104中，控制項狀態之多維度空間經限制以反映正常操作狀況。該等限制條件避免自動化控制項將被控制的網格元件推至在普通網格操作期間不可接受的狀態(諸如緊急或停工(shutdown)狀態)、或推至在普通網格操作期間不可接受的多個元件間的網格控制項狀態之組合(例如導致在部分電氣網格中之嚴重欠壓狀況(undervoltage condition)的控制項組合、或會在瓦斯網格之區段中產生危險的過高壓力者)。單一控制項限制條件在與彼控制項相關聯之維度上作用，以禁止不可接受的控制項狀態。組合數學限制條件(combinatoric constraint)可藉由應用機器學習方法到用來判定限制條件的資料，而透過機器學習方法來發現，該等機器學習方法諸如類神經網路(neural network)、或部分可觀察馬可夫決策程序(Partially Observable Markov Decision Processes)，部分可觀察馬可夫決策程序中的信念狀態(belief state)關係到用於判定限制條件之資料來源的組合數學限制條件之存在。
此等限制條件可透過一或多種技術而衍生出，且接著應用至該多維度空間。該等限制條件可係預存在的(pre-existing)、由網格儲存於資料庫中、或來自網格操作人員之輸入。該等限制條件約束多維度空間，以確保自動化主動控制系統之搜尋空間中僅包括了代表與公共網格之普通操作包絡一致的控制項狀態組合之點，而確保系統的實驗與知識開發不會造成網格偏離普通狀況。
限制條件可藉由應用機器學習技術至歷史資料以產生過去操作之模型，而衍生自歷史資料，該等機器學習技術諸如統計分類
(statistical classification)、強化學習(reinforcement learning)、分群分析(cluster analysis)、或人工類神經網路(artificial neural network)。此亦可包括(自動地或透過人工輸入方式)標籤(tagging)某些時段用於排除，使之不被視為「正常」操作狀況，以便確保該等限制條件反映網格之普通操作包絡，而非在故障、洩漏、停工的時段期間內或其他偏離普通操作包絡的期間內之異常狀況(outlier condition)。替代地，被應用來分析歷史資料的機器學習技術之異常偵測態樣可自動識別此等時段，並移除該等時段且不考慮從此等資料組中得出限制條件。
可自組件模型衍生出限制條件，舉例而言，藉由使用網格組件行為及相互作用之模擬來制定網格控制項的普通操作包絡，使用之模擬諸如網格行為之蒙地卡羅(Monte Carlo)模擬，其使用組件模型來識別網格的普通操作包絡。
限制條件可藉由多種輸入系統而自網格操作人員引出，該等輸入系統諸如專家系統，其經組態以動態詢問問題來縮小關於普通操作包絡參數的信念狀態之搜尋空間，或經組態以呈現情況以讓人員接受(或拒絕)該等情況作為與網格之普通操作包絡一致的網格狀況。
此等方法可被單獨使用或相互搭配使用，使用不同的方法建立在彼此之上，舉例而言，使用基於歷史資料的機器學習及/或基於模型的模擬來建立專家系統所使用的初始信念狀態，以收集普通操作包絡上的人員輸入，且此等方法可被用來測試及驗證彼此之結論，
舉例而言，藉由加標誌(flag)於基於歷史資料的機器學習與基於模型的模擬之間的差距，以供人員查核。
於步驟106中，經限制的多維度空間係用以定義對網格控制項狀態之探索及開發、及其對自動化主動網格控制系統的網格目標之效應。自動化實驗系統使用經限制的多維度空間作為控制項可被操縱之可能性空間(possibility space)，以透過實驗試驗來測試控制項之影響、或選擇待實施以最大化一網格目標(grid objective)的網格控制項狀態之組合，該網格目標可係網格效能之一或多個度量(measure)，諸如在水網格中最小化損失、在瓦斯網格中維持在適當遞送範圍內之壓力、安全性及效率、或在電氣網格中最大化電力品質、緊密地匹配需求且同時滿足客戶之要求、及/或再生能源(renewable source)利用。
可選地，當狀況產生多維度空間改變時，多維度空間可被動態更新，該等改變諸如將新組件添加至網格、擴展自動化控制的範圍、或透過輸入或發現而對限制條件作改變，包括管制或其他人為介入的限制條件之輸入、以及從網格操作之觀察及普通網格狀況之定義所衍生者。對於新添加的控制項而言，新的維度被產生且限制條件被收集。對於被置換的部分，舊的維度被捨棄，新的維度被產生且限制條件被收集，以反映由新的組件所帶來的新的控制項選項與限制條件，而非舊者。當新的限制條件資訊被添加，限制條件經重新計算以應用至多維度空間之所有目前維度。
多維度空間亦可週期性更新，以更動自動化實驗和最佳化的空間和時間粒度。為增加粒度，原本與一特定控制項相關聯之維度將被劃分成若干代表在某些外部狀況期間內的控制項之不同維度，該等外部狀況諸如時段、來自非經控制網格資產(non-controlled grid asset)的網格上負載、或諸如風暴等經定義的外部狀況。於此等情形中，針對狀況之特定集合產生一個新的維度，且於空間中的維度之間存有一條件性相依度(conditional dependence)，其中該等外部狀況將判定空間中所包括維度中之何者待探索及開發。對各維度而言，資料較佳地係分開保存，即使該等維度係與在不同狀況下的同一控制項有關。維度經添加且可能經受限制條件之添加，如同普通網格控制項維度一般；可提示使用者核可新維度之產生、或在需要新維度時警示以及經詢問以應用限制條件。額外維度之限制亦可基於網格操作資料或網格組件行為之模型，包括於自動化主動控制系統之操作期間所產生的資料，該資料可提供組件行為之因果知識(causal knowledge)。維度可經組合或折疊(collapse)，以減小自動化主動控制系統所管理之維數(dimensionality)，舉例而言，此係回應於對於以下之發現而進行：一控制項具有一完全優於其他可能狀態的狀態(無論其他網格控制項狀態為何，該狀態均優於其他可能狀態)、或多個控制項具有共同軌跡且可被視為相同。由自動化主動網格控制系統所產生的資料可被用來判定是要組合還是折疊維度。維度之組合係指定兩個控制項至一個維度，而消除另一個維度。維度之折疊係指定控制項至一特定狀態而移
除維度，或從自動化主動網格控制系統之控制項中移除該控制項而移除維度。
經限制的多維度空間可被用來作為公共網格主動控制的搜尋及最佳化空間，而確保網格之操縱維持在網格之正常操作狀況內，從而控制對電力網格元件之自動化、演算法(algorithmic)的控制所涉及的風險和機會成本、以及將彼控制用於網格狀況之實驗及最佳化的可能性。
圖2係可透過本發明之實施例來控制的數個網格控制項的說明性實施例，以及彼等控制項及網格之位置和其等影響網格之潛在能力。於此實例中網格係一電氣網格，具有可用於自動化實驗及最佳化的4個控制項，該4個控制項之可能操作狀態及普通操作狀態定義出彼自動化系統的搜尋及最佳化空間。
於此實例中，控制項200係將一組光伏電池(photovoltaic cell)的逆變器連接至網格而為一整體的一開關。此控制項具有兩個離散狀態：連接逆變器至網格的一「開(on)」位置、以及從網格將逆變器隔離的一「關(off)」位置。因此，基於此控制項的維度具有兩個狀態，一個代表「開」而另一個代表「關」。自動化主動控制系統可使用此控制項來選擇何時整合來自逆變器的電力至網格中，此對可用電力和電力系統具有影響，且可能對諸如再生能源的利用之評量指標(metric)為重要的。
控制項202係在沿著網格的三個不同的節點之間導引(routing)電力的一三通開關(three-way switch)，電力自該控制項傳播
通過網格之其餘部分。此控制項具有三個離散狀態，該等離散狀態代表該控制項可能對其供應電力的該等節點之各者。自動化主動網格控制系統可使用此控制項來匹配電力需求、管理電力品質問題、以及最小化傳送到含已偵測到故障的區域之電力。
控制項204係一可變負載(variable-load)電力儲存裝置，其在從零到100%電力汲取(power draw)間為連續地可變，且當該控制項供應電力至網格時有一個輸出位準。連續可變的電力汲取可藉由選擇若干點而成為離散的，且資料係基於歐氏空間中的距離而格化至該等點。對於此實例而言，連續的電力汲取係視為具有4個離散的點：可行電力汲取之0%、33%、67%、及100%；對彼等點而言，格化可係如下：0至16%被指定至0%點、17至50%被指定至33%點、51至83%被指定至66%點、且84至100%被指定至100%點，主動控制系統維護彼等範圍用於指定彼等點；範圍及點之數目可隨著時間過去而調整。此控制項最後沿其維度具有5個點，該5個點代表4個範圍及「供應電力(supplying power)」狀態。此控制項可被自動化主動網格控制系統用來最大化再生能源之用量、匹配電力需求，且可能有涉及來自儲存裝置的負載或所提供電力的電力品質問題。
控制項206係一渦輪(turbine)，該渦輪連接到網格之一區段以提供用於滿足突然之需求峰值的備轉容量(spinning reserve)；此渦輪之電力輸出係可控制的，彼控制項跨一範圍係連續的。因為該控制項係連續的，其必可劃分成離散的點以作為在多維度空間中沿著其相對應的維度上的若干點。實驗試驗的檢定力分析係基於對變化控
制項206的可行樣本大小之預測來執行，從而基於在彼時段內可行的試驗數目來判定在一給定時間量內可被偵測到的效果大小(size of effect)。對於此實例而言，由於可能有延遲效應(lagging effect)以及渦輪的起轉(spin-up)/降轉(spin-down)時間造成所運算實驗單位(experimental unit)非常長，因此改變控制項206之機會數目相當低。小的潛在樣本大小意謂著效果需非常大以超過彼等測量所涉及之噪音而係可偵測的。使用來自檢定力分析的信噪比(signal-to-noise ratio)，而判定沿著用以格化附近資料的範圍之點數目；於此實例中，僅大的效果可被偵測，而點之數目相對應地少。於信噪比非常高、且因大的預測樣本大小(sample size)而使小的效果可被偵測的其他情況中，可選擇較多數目個點，以提供較佳的粒度給使用多維度空間的自動化主動控制系統，並對於效果可被偵測為更佳SNR的若干控制項提供更細節之控制。由於此控制項的不良SNR，控制項206沿其範圍具有三個點：0、50%及100%之容量，且資料會格化至該等點；此意謂於此實例中，0至25%之容量會被格化至0%的該維度中之點，26至74%之容量會被格化至50%的該維度中之點，且75至100%之容量會被格化至100%的該維度中之點。控制項206可影響電力品質、需求滿意度，且影響網格之再生利用位準及燃料成本，且可被用以探索及開發控制項於彼等參數上的效果。
於此實例中，多維度空間係4維(4-dimensional)，有用於各控制項(控制項200、202、204及206)之維度。對控制項200而言，維度包括「開」及「關」狀態的兩個點。對控制項202而言，
維度包括開關位置之各者的三個點。對控制項204而言，維度包括五個點，有連續範圍所格化至的四個點、以及儲存裝置提供電力至網格而非汲取電力所處之狀態。對控制項206而言，維度包括0%、50%、及100%之容量狀態的三個點。此意謂在應用限制條件前，圖2之例示性多維度空間包括180個點，該等點由沿著該四個維度的點來定義，諸如[關，位置1，66%，100%]或[開，位置3，33%，50%]。
此例示性空間可接著基於個別控制項及控制項彼此之組合兩者的標準操作狀況而經限制。個別限制條件之實例係如下：透過應用至歷史操作資料的機器學習，發現控制項204一直處於電力汲取或電力供應狀態之一者，而從未在普通網格操作期間內處於中性、0%汲取狀態；反映彼狀況的限制條件可藉由從整個代表控制項204的可能狀態之維度中移除0%點來實施。對於組合數學限制條件之實例而言，控制項202之開關及控制項204之儲存裝置可具有交互作用，而使得在正常操作狀況中，當電力來源係在其電力汲取的33%、67%、或100%時，該開關僅可係在位置一之處。此條件性限制條件(conditional constraint)係藉由在多維度空間中移除個別的點來反映在多維度空間中，該等個別的點包括下列點之組合：在相對應於控制項202之維度上代表位置2及位置3的若干點，且該等點在相對應於控制項204的維度上代表33%、67%、及100%電力汲取狀態。經限制的多維度空間可接著用以定義一空間，自動化主動網格控制系統在該空間內影響例示性電氣網格的控制項200、202、204、及206。
圖3係本發明之實施例作為一系統的圖。記憶體可為諸如快閃記憶體、使用磁性媒體之硬式磁碟機等已知的電腦儲存手段、或用於可儲存資料並可頻繁且規律存取之資料儲存器的其他方法。處理器可經組態以透過軟體指令執行計算。組件間的連接可為硬佈線(hard-wired)、用於多步驟之共用處理器之使用、或透過諸如各種802.11協定、ZigBee或藍牙標準、乙太網路等有線或無線手段之網路連線、或用於在分離的感測器、處理器、記憶體與模組間傳輸資料之其他已知手段。感測器、記憶體、處理器、以及模組可分配於包括感測器本身所在處等位置間、或共置於中間或中央位置。
網格控制項300係公共網格可被控制的具體點。在電氣網格上的控制項之實例包括引導電力路由的開關、可供應可變位準電力至網格的光伏逆變器(photovoltaic inverter)、及/或可控制的電力儲存裝置。在水網格上的實例包括具可變通量率(throughput rate)的處理設施、沿配送線路之閥、及/或控制管道接合及分枝處流量的開關。在瓦斯配送網路上的實例包括沿配送線路的開關及閥、及/或提供壓力或流動的來源。網格控制項具有狀態，該等狀態可係離散的(諸如僅可被設定至「開啟」或「關閉」的開關或閥之位置)或連續的(諸如可變孔徑大小閥)。此等網格控制項係經與可更動控制項狀態的自動化主動控制系統網路連接。
控制項記憶體302係一記憶體，其經組態用以接收及儲存網格控制項300之一索引(index)以及其等之潛在狀態。索引含有控
制項以及與該等控制項之可能狀態相關聯之點的一清單，該等點係離散控制項之個別點、或與連續控制項的範圍相關聯之點。
多維度空間記憶體304係一記憶體，其經組態用以接收及儲存原始多維度空間，該原始多維度空間係從可用的網格控制項300之可能狀態所運算出。此係由空間定義處理器310運算，空間定義處理器310指定控制項記憶體302中被索引的各控制項至一維度，該維度具有與彼控制項之可能狀態相關聯的若干點。
普通操作包絡記憶體306係一記憶體，其經組態用以接收及儲存普通操作限制條件資料。普通操作限制條件資料可包括使用者輸入、組件之資料庫、歷史操作資料、及/或組件行為之模型。
經限制的多維度空間記憶體308係一記憶體，其經組態用以接收及儲存經限制的多維度空間，該經限制的多維度空間係從儲存於記憶體304中的原始多維度空間所運算出，其由限制條件處理器312所修改。
空間定義處理器310係一處理器，其經組態用以從控制項記憶體302接收控制項索引資訊，且將該控制項索引資訊匯集(assemble)成一多維度空間，該多維度空間中該等控制項係維度，一維度中的點相對應於控制項之可能狀態。
限制條件處理器312係一記憶體，其經組態用以自記憶體306接收普通操作包絡資料，且判定與該普通操作包絡資料一致的控制項狀態及組合，接著應用控制項資訊以限制原始多維度空間，使得在多維度空間內的點僅相對應至與網格之普通操作包絡一致的可用
網格控制項之狀態組合；此經限制的多維度空間經傳遞至且儲存於經限制的多維度空間記憶體308。
自動化主動控制系統314係自經限制的多維度空間記憶體308接收經限制的多維度空間之一系統，且使用彼經限制的多維度空間來定義控制項可被改變並同時維持網格的普通操作包絡內的空間。自動化主動控制系統判定將網格控制項300置於何狀態，且自動地實施彼等控制項狀態，而使用彼等經選擇且實施的控制項狀態來調整網格參數。自動化主動控制系統可使用經選擇且實施的控制項狀態來驅動特定網格參數至較為所欲的狀態，或可使用其改變網格控制項300的能力來進行實驗試驗、或產生若干個網格對經選擇且實施的控制項狀態之反應為可測量的狀況，以細化對網格控制項300與網格作為整體的反應之間的連結之理解。
圖4為展示本發明之一實施例之多種組件間的資訊交換的一資料流程圖。由此發明之實施例產生、使用、及/或傳遞的資料包括：控制項狀態400、未經限制的多維度空間402、限制條件資訊404、以及經限制的多維度空間406。
控制項狀態索引400由空間定義處理器410從控制項記憶體408處接收。控制項狀態索引資訊400被空間定義處理器410使用來運算未經限制的多維度空間402。舉例而言，藉由使用在控制項與自動化實驗及/或最佳化系統之間的連接，來產生索引以識別所有可用的網格控制項。
未經限制的多維度空間402由空間定義處理器410藉由產生各控制項之維度所運算，沿該維度存在有限數目個代表離散控制項之可能狀態的點、或代表連續控制項之控制範圍的點。該空間係基於控制項狀態索引400。未經限制的多維度空間資訊經傳遞至且儲存於多維度空間記憶體412中，該多維度空間記憶體412可接著將其傳遞至限制條件處理器414以轉化成經限制的多維度空間406。
限制條件資訊404為指示網格之普通操作包絡且指示在彼包絡內之控制項狀態的資料。限制條件資訊可係預存在的且接收自網格資料庫、組件模型、或歷史網格操作資料、或來自網格操作人員的輸入。限制條件資訊404係由普通操作包絡記憶體416接收及儲存，且經供應至限制條件處理器414，該限制條件處理器414使用該限制條件資訊以轉換未經限制的多維度空間402成為經限制的多維度空間406，以確保經限制的多維度空間406與網格之普通操作包絡一致。
經限制的多維度空間406係由該限制條件處理器輸出，該限制條件處理器衍生限制條件且應用該等限制條件以約束該多維度空間到網格的普通操作包絡。經限制的多維度空間406由限制條件處理器416基於未經限制的多維度空間402以及限制條件資訊404所產生，且係儲存於經限制的多維度空間記憶體418中，並被輸出至自動化主動控制系統420。自動化主動控制系統420使用經限制的多維度空間406來定義其可用的空間，因為在該空間內自動化主動控制系統420可更動網格參數以探索對控制項之網格反應、或開發對控制項的網格反應之知識，以改善網格在一或多項評量指標上的效能。主動控
制系統420自經限制的多維度空間406的成員之間選擇控制決策422，該等控制決策422經分配至網格控制項424，使得該等網格控制項能實施在多維度空間406內所選擇的控制項狀態至公共網格上。
100‧‧‧步驟
102‧‧‧步驟
104‧‧‧步驟
106‧‧‧步驟
Claims (20)
- 一種電腦實施方法，其包含：接收控制項資訊；使用一處理器基於該控制項資訊來產生可能網格控制項狀態之一多維度空間；以及藉由移除於正常操作狀況之外的網格控制項狀態來限制該多維度空間。
- 如請求項1之電腦實施方法，其進一步包含使用一處理器自經限制的該多維度空間中選擇一網格控制項狀態。
- 如請求項2之電腦實施方法，其進一步包含自動地調整該公共網格之一或多個控制項以實施所選擇的該網格控制項狀態。
- 如請求項3之電腦實施方法，其中該一或多個控制項包含一負載分接頭轉換器(load tap changer)。
- 如請求項3之電腦實施方法，其中該一或多個控制項包含一電容器組。
- 如請求項3之電腦實施方法，其中該一或多個控制項包含對瓦斯管線附近之挖掘的反應。
- 如請求項1之電腦實施方法，其進一步包含：透過一使用者介面呈現一網格控制項狀態給一使用者；接收與所呈現的該網格控制項狀態相關之一使用者輸入；以及基於該使用者輸入來包括或從經限制的該多維度空間中排除所呈現的該網格控制項狀態。
- 如請求項1之電腦實施方法，其中控制項資料包含各控制項的一識別符及彼控制項之可能狀態。
- 如請求項1之電腦實施方法，其中產生該多維度空間包含指定連續的控制項之數值範圍至相對應於該等連續的控制項之維度中的離散點。
- 如請求項1之電腦實施方法，其中該多維度空間對於各控制項包含一維度，且於彼維度中對於彼控制項之每一個可能狀態具有一個點。
- 如請求項1之電腦實施方法，其中限制該多維度空間包含：接收網格操作資料；判定該網格操作資料所代表的控制項狀態；以及藉由排除該操作資料中未代表的該等控制項狀態來限制該多維度空間。
- 如請求項1之電腦實施方法，其中限制該多維度空間包含：模擬一組件模型中的網格控制項行為；基於該模擬來判定與普通網格操作一致的該等控制項狀態；以及藉由排除經判定為與普通網格操作不一致的該等控制項狀態來限制該多維度空間。
- 一種用於管理一公共網格的系統，其包含：一控制項記憶體，其儲存控制項資訊；一空間定義處理器，其經組態用以接收該控制項資訊以及基於該控制項資訊產生一多維度空間；一多維度空間記憶體，其經組態用以接收及儲存該空間定義處理器所產生的該多維度空間；以及一限制條件處理器，其經組態用以自該多維度空間記憶體接收該多維度空間且限制彼多維度空間。
- 如請求項13之系統，其進一步包含一自動化主動控制系統，該自動化主動控制系統經組態用以自一經限制的多維度空間中選擇網格控 制項狀態。
- 如請求項14之系統，其進一步包含網格控制項。
- 如請求項15之系統，其中該等網格控制項包含一或多個負載分接頭轉換器。
- 如請求項15之系統，其中該等網格控制項包含一或多個電容器組。
- 如請求項15之系統，其中該等網格控制項包含對瓦斯管線附近之挖掘的反應。
- 如請求項13之系統，其進一步包含一普通操作包絡(envelope)記憶體，該普通操作包絡記憶體經組態用以儲存網格操作資料。
- 如請求項13之系統，其進一步包含一普通操作包絡記憶體，該普通操作包絡記憶體經組態用以儲存來自一網格組件模型的結果。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201462067493P | 2014-10-23 | 2014-10-23 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TW201636750A true TW201636750A (zh) | 2016-10-16 |
Family
ID=55761360
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW104134731A TW201636750A (zh) | 2014-10-23 | 2015-10-22 | 用於辨識及遵守公共網格中的標準操作限制條件之系統及方法 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US20170250571A1 (zh) |
| EP (1) | EP3210181B1 (zh) |
| KR (1) | KR20170072284A (zh) |
| CN (1) | CN107077109B (zh) |
| BR (1) | BR112017008240A2 (zh) |
| CA (1) | CA2964369A1 (zh) |
| TW (1) | TW201636750A (zh) |
| WO (1) | WO2016064721A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI683224B (zh) * | 2018-12-19 | 2020-01-21 | 國立屏東科技大學 | 群集分析方法及採用該方法之資料探勘系統 |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019106534A1 (en) | 2017-12-01 | 2019-06-06 | 3M Innovative Properties Company | Causal analytics for powertrain management |
| CN108647864B (zh) * | 2018-04-25 | 2021-12-31 | 国网江西省电力有限公司电力科学研究院 | 老旧架空地线腐蚀度多维采集与评测方法 |
| CN109921514A (zh) * | 2019-02-01 | 2019-06-21 | 国网浙江省电力有限公司金华供电公司 | 用于电能质量治理决策支持的方法 |
| EP3770833A1 (de) * | 2019-07-25 | 2021-01-27 | Siemens Aktiengesellschaft | Ressourcenmanagementvorrichtung und verfahren zum verwalten oder verteilen einer physikalischen ressource |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU1918892A (en) * | 1991-05-10 | 1992-12-30 | Echelon Corporation | Power line communication while avoiding determinable interference harmonics |
| US6917845B2 (en) * | 2000-03-10 | 2005-07-12 | Smiths Detection-Pasadena, Inc. | Method for monitoring environmental condition using a mathematical model |
| US9092593B2 (en) * | 2007-09-25 | 2015-07-28 | Power Analytics Corporation | Systems and methods for intuitive modeling of complex networks in a digital environment |
| KR100941618B1 (ko) * | 2007-09-17 | 2010-02-11 | 한국전기연구원 | 다수의 분산전원 및 에너지 저장장치를 포함하는 마이크로그리드의 제어 방법 |
| US20090265042A1 (en) * | 2008-04-17 | 2009-10-22 | Mollenkopf James D | System and Method for Providing Voltage Regulation in a Power Distribution System |
| CA2743667A1 (en) * | 2008-11-14 | 2010-05-20 | Thinkeco Power Inc. | System and method of democratizing power to create a meta-exchange |
| US8788097B2 (en) * | 2009-06-22 | 2014-07-22 | Johnson Controls Technology Company | Systems and methods for using rule-based fault detection in a building management system |
| US9685784B2 (en) * | 2009-11-26 | 2017-06-20 | Lg Electronics Inc. | Network system for a component |
| KR101059061B1 (ko) * | 2010-01-08 | 2011-08-24 | (주)넥스챌 | 스마트 그리드용 시설물 통합 시스템 및 그 방법 |
| DE102010005955B4 (de) * | 2010-01-27 | 2020-03-05 | Abb Schweiz Ag | Anordnung und Verfahren zur Optimierung der Arbeitsweise eines Versorgungsnetzes |
| JP5583507B2 (ja) * | 2010-07-29 | 2014-09-03 | 株式会社日立製作所 | スマートグリッドの監視制御方法及び装置 |
| WO2012071485A2 (en) * | 2010-11-24 | 2012-05-31 | Hirl Joseph P | Decision support system for the management of energy use, contracting and capital investments for facilities |
| KR20130120657A (ko) * | 2012-04-26 | 2013-11-05 | 한국전자통신연구원 | 스마트 그리드 연동 장치 |
| JP6092099B2 (ja) * | 2012-05-18 | 2017-03-08 | 株式会社東芝 | 社会インフラ制御システム、制御方法、制御装置およびサーバ |
| US20130325542A1 (en) * | 2012-06-01 | 2013-12-05 | Global Precision Solutions, Llp. | System and method for distribution of utility asset data in a project area |
| US9147153B2 (en) | 2012-11-06 | 2015-09-29 | Rockwell Automation Technologies, Inc. | Empirical modeling with globally enforced general constraints |
| WO2015151143A1 (ja) * | 2014-03-31 | 2015-10-08 | 株式会社日立製作所 | 電力系統の制御指令装置 |
-
2015
- 2015-10-19 WO PCT/US2015/056191 patent/WO2016064721A1/en active Application Filing
- 2015-10-19 EP EP15852123.7A patent/EP3210181B1/en active Active
- 2015-10-19 BR BR112017008240A patent/BR112017008240A2/pt not_active IP Right Cessation
- 2015-10-19 CA CA2964369A patent/CA2964369A1/en not_active Abandoned
- 2015-10-19 CN CN201580057691.1A patent/CN107077109B/zh active Active
- 2015-10-19 US US15/514,935 patent/US20170250571A1/en not_active Abandoned
- 2015-10-19 KR KR1020177013574A patent/KR20170072284A/ko not_active Application Discontinuation
- 2015-10-22 TW TW104134731A patent/TW201636750A/zh unknown
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI683224B (zh) * | 2018-12-19 | 2020-01-21 | 國立屏東科技大學 | 群集分析方法及採用該方法之資料探勘系統 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP3210181B1 (en) | 2022-05-04 |
| EP3210181A1 (en) | 2017-08-30 |
| CN107077109B (zh) | 2021-07-09 |
| EP3210181A4 (en) | 2018-06-13 |
| CA2964369A1 (en) | 2016-04-28 |
| BR112017008240A2 (pt) | 2018-01-09 |
| KR20170072284A (ko) | 2017-06-26 |
| US20170250571A1 (en) | 2017-08-31 |
| CN107077109A (zh) | 2017-08-18 |
| WO2016064721A1 (en) | 2016-04-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Aguilar et al. | A systematic literature review on the use of artificial intelligence in energy self-management in smart buildings | |
| US10746428B2 (en) | Building automation system with a dynamic cloud based control framework | |
| Soler et al. | Penalty-based nonlinear solver for optimal reactive power dispatch with discrete controls | |
| CN110249348A (zh) | 能量控制系统的配置与参数化 | |
| TW201636750A (zh) | 用於辨識及遵守公共網格中的標準操作限制條件之系統及方法 | |
| Bedoya et al. | Distribution system resilience under asynchronous information using deep reinforcement learning | |
| US10637238B2 (en) | Systems and methods for coordinating signal injections to understand and maintain orthogonality among signal injections patterns in utility grids | |
| US20170178158A1 (en) | Systems and methods for managing electricity consumption on a power grid | |
| Ibrar et al. | A machine learning-based model for stability prediction of decentralized power grid linked with renewable energy resources | |
| Hu et al. | Optimal operating strategies and management for smart microgrid systems | |
| Jacob et al. | Real-time outage management in active distribution networks using reinforcement learning over graphs | |
| Kong et al. | A prediction-based adaptive grouping differential evolution algorithm for constrained numerical optimization | |
| He et al. | Integrated facility location and production scheduling in multi-generation energy systems | |
| Wang et al. | Multi-objective ant colony system for data-intensive service provision | |
| Zhang et al. | Real-Time Outage Management in Active Distribution Networks Using Reinforcement Learning over Graphs | |
| WO2023172287A9 (en) | Controller for modular power systems |