电器_火狐体育官网iOS下载-安卓版最新版-链接



火狐体育安卓版最新版:人工智能在电力系统宽频振荡中的应用与挑战

发布时间:2022-08-04 15:49:46 来源:火狐体育安卓版最新版 作者:火狐体育官网链接

  与传统电力系统的振荡问题不同,宽频振荡由变流器控制主导,激发机理复杂,并具有显著的宽频域、强时变性、强非线性、多模态以及广域传播等特征,目前尚缺乏统一有效的数学模型和分析方法。人工智能由于具有对系统模型的低依赖性,对大量数据之间非线性复杂关系的强大学习能力以及对随机时变环境的快速适应性等优秀性能,为电力系统宽频振荡问题提供了新的解决思路。  本文根据宽频振荡在数学模型、分析方法和表现形式方面的

  

  与传统电力系统的振荡问题不同,宽频振荡由变流器控制主导,激发机理复杂,并具有显著的宽频域、强时变性、强非线性、多模态以及广域传播等特征,目前尚缺乏统一有效的数学模型和分析方法。人工智能由于具有对系统模型的低依赖性,对大量数据之间非线性复杂关系的强大学习能力以及对随机时变环境的快速适应性等优秀性能,为电力系统宽频振荡问题提供了新的解决思路。

  本文根据宽频振荡在数学模型、分析方法和表现形式方面的特点,阐述人工智能应用于宽频振荡问题的必要性与合理性。从宽频振荡的辨识、振荡源定位与抑制方法3个方面构建人工智能的典型框架,在此框架下总结提炼人工智能应用于宽频振荡问题的研究成果,并探讨人工智能技术在以上3个研究领域面临的挑战。结合人工智能的最新发展与宽频振荡的研究动态,从多个角度对未来的研究方向进行展望,为相关研究提供有益参考。

  但是在实际电网应用中,一方面基于人工智能的监测方法对表现形式多样的宽频振荡是否依然具有良好的适应性有待进一步探索;另一方面基于人工智能的辨识方法对数据的依赖性极大,因此如何提高数据质量问题下振荡辨识的精确性也亟需深入研究。

  基于人工智能的宽频振荡定位方法通过挖掘电力系统振荡数据与扰动源位置之间的关系实现振荡源的定位,摆脱了依赖系统数学模型、需要对系统进行假设和简化的缺点,对多种运行条件下的宽频振荡具有较好的适应性。采用人工智能解决宽频振荡定位问题的方法框架如图2所示。

  根据是否需要离线训练模型可以将基于人工智能的宽频振荡定位方法分为两类。一类是离线训练,在线定位:这类方法的基本思路是根据电网同步相量测量单元、数据采集与监视控制系统等多源数据结合宽频振荡信号量测技术,提取宽频振荡定位关键特征,然后采用多种人工智能算法离线训练定位模型,用于在线定位振荡源。另一类方法是直接在线定位,无需离线训练:此类方法一般是通过人工智能算法分析得到系统或元件某方面的物理特性,以此解决振荡定位问题,由于此类方法基于一定的物理模型,人工智能算法主要用于模型特性的分析,因此具有较好的可解释性。

  虽然目前基于人工智能的宽频振荡定位准确率较高,但是将人工智能算法应用于实际电网的宽频振荡定位时,还需要面临在电力系统部分可观的情况下,如何保证基于人工智能的宽频振荡定位方法的适用性,以及如何将现有的人工智能定位模型迁移至复杂多源的宽频振荡问题中等颇具挑战性的问题。

  “双高”电力系统的非线性和复杂多变的运行状态,使得所引发的宽频振荡问题也往往具有非线性和时变性。人工智能方法不仅具有处理非线性问题的能力,还能够与外部环境进行实时交互,并不断调整自身行为策略,因此能够很好地适应非线性电力系统的随机时变特性,并显著提高宽频振荡的抑制效果。基于人工智能的宽频振荡抑制方法主要分为两类,如图3所示。一类是基于电力系统模型,采用人工智能优化算法对控制器参数在多种运行状态或多频段的性能进行优化;另一类是直接采用人工智能算法设计控制策略,得到控制信号。

  目前,将人工智能应用在振荡抑制领域的理论研究成果很多,但是用于实际系统宽频振荡的抑制时仍有很多问题需要解决。例如,电力系统对安全稳定性的极高要求是人工智能应用于宽频振荡抑制的一大挑战;全局多设备协调也给基于人工智能的振荡抑制算法的收敛性带来了挑战。

  在未来研究中,可以从宽频振荡数据生成技术、基于可解释性人工智能的宽频振荡分析、考虑电网拓扑信息的宽频振荡分析、对多类型宽频振荡具有宽适应性的人工智能算法、基于多智能体系统的振荡分析与抑制方法以及基于宽频量测技术的中高频段宽频振荡在线分析等角度对人工智能应用于宽频振荡问题进行深入探索。

  东南大学电力系统自动化研究所长期从事电力系统稳定分析与控制、电网信息物理系统、能源互联网分析与控制等方面的研究。目前有教授3名,副教授3名,讲师3名,博士后、博士、硕士研究生共50余名。近年来,承担和参与了国家重点研发计划子课题5项、国家自然科学基金8项,国家电网公司总部及网省公司科技项目等科研项目100余项。近三年来发表SCI论文40余篇,EI收录论文120余篇,参与制定电网相关标准5项。

  冯双(1990),女,博士,讲师,硕士生导师,主要研究方向为电力电子化电力系统分析与控制、人工智能在电力系统中的应用,

  汤奕(1977),男,教授,博士生导师,东南大学电力系统自动化研究所所长,研究方向为电力系统稳定分析与控制、电网信息物理融合系统等;