《中国人工智能学会通讯》——10.12 电网运行控制发展趋势

10.12 电网运行控制发展趋势

电网运行的主要任务是协调和控制电力的生产、传输、分配和使用。随着技术的发展和市场化的推动,电网运行也在发生相应的变化。电网运行控制的演变如图 1 所示。早期的电网运行以集中控制为主,通常发电、输电、配电、用电全过程统一计划和调控,保证安全可靠地供电是电网运行的主要目标[4] 。在这个阶段,电网运行主要面对的是电力网络的物理约束,电力平衡是电网运行控制的核心。后来随着通信技术的发展,通信网络与电力网络紧密融合, 电网运行不仅需要考虑电力流动的物理约束,而且需要在通信网络的支撑下,及时感知的电网运行状态,获取大量电网运行相关信息和预测未来发展趋势,对电网运行进行更精准的控制[5] 。基于状态感知的趋势控制是电网运行的重要任务。随着电力市场化和互联网商业模式的冲击,传统电网运行中只有有限数量的电力供应商和售电商参与电力交易的情况发生了改变。未来电网中,大量需求不一、特性不一、大小不一的分布式电源、负荷都可能以不同形式参与电力的交易,构成了复杂的电力交易与分配的商业网络。电力交易将以合同、竞价、邀约、分享等多种形式进行,众多电力交易参与者都将进行自主决策。电网运行需要同时支持电力交易的执行和保障电力安全可靠的流动。电网、电源、负荷之间的互动自治将成为未来电网运行的重要特征。
另一方面,在智能电网技术发展的推动下,电网运行控制的对象也发生了巨大的变化,主要体现在柔性负荷和智能电力单元的出现。

泛在的柔性负荷
常规上,用电负荷按照自身需求用电,不受其他因素影响而改变用电水平。然而,随着分布式电源技术的发展,需求响应措施的推广和灵活电价政策的实施,许多负荷可以根据电网运行需要在一定的范围内调整用电水平,这类负荷称之为“柔性负荷”。 柔性负荷包括需求弹性的可调节负荷或可转移负荷(空调、照明、工商业可调节负荷)、具备双向调节能力的电动汽车、储能、蓄能以及分布式电源、微网等。随着智能电网的建设,大量的柔性负荷将普遍出现在电网的配电侧用户端,具有海量分散分布性,而且容量大小、调节能力不一,因此称之为“泛在的柔性负荷”。柔性负荷无所不在,由于用户用电特性不一样,单一负荷不是任意时间都可控的,可调节的能力和响应时间也不同,具有强随机性,然而大量分布的负荷聚合在一起则呈现一定的总体可控性,调节潜力巨大。

柔性负荷资源相对分散,难以实现直接调度,用户响应也难以精准控制。另外,柔性负荷调度的激励补偿机制并不成熟,用户潜力难以挖掘,柔性负荷的多样性使得难以用统一的模式对不同柔性负荷进行控制。

智能的电力单元
智能电网技术的发展推动了电网的智能化,在信息通信技术的帮助下,电网中的电力单元可以实现智能决策,具有智能属性。通常电力单元是指电网中的一个发电、用电或者发用电混合的功率控制单元,例如发电厂、商业楼宇、园区、微网等。电力单元本身具有物理属性,表现为其运行特性受到其物理组成约束。另外,电力单元之间或与控制中心之间存在通信联系,实现信息的传输。因此,如图 2 所示,智能电网中电力单元是智能电力单元,具有物理属性、智能属性和通信属性三重属性。物理属性反映了电力元件运行的状态,智能属性是对电力元件的控制,而通信属性则是传输电力元件的状态和控制所依赖的外部信息。
物理属性描述电力单元特有的物理特性,例如,负荷的物理特性包括负荷需求、与电网频率的关系、受到供电电压的影响等。不同类型的电力单元具有不同的物理属性,分布式电源接入的负荷与没有分布式电源接入的负荷显然功率控制特性不一样;电动汽车的充放电与建筑的空调负荷的功率控制特性不一样;火电机组与水电机组的功率控制特性不一样;风电集群与光伏集群的功率控制特性不一样。电网运行控制必须服从电力单元的物理属性。

智能属性描述电力单元依据电网运行信号的自主决策能力。电力元件的自主决策可以包括基于历史经验或者知识的推理,可以是基于自身利益的优化,或者基于风险度、满意度或者经济性的控制等。例如需求响应负荷参与电网功率平衡问题,负荷代理可以根据电网不同信息(如电价、频率、电压等)确定负荷响应量,从而获得最大的经济效益,同时满足自身的用电需求。电力元件的智能属性确定了电力元件的行为方向。

通信属性描述电力单元之间的信息交换。通信属性包括:电力单元之间的通信连接,数据采集和信息交流的内容、协议、通信方式,以及通信过程中的时延、误码和中断等。

时间: 2024-09-15 09:05:36

《中国人工智能学会通讯》——10.12 电网运行控制发展趋势的相关文章

《中国人工智能学会通讯》——12.10 接触追踪 : 传染病防控的 AI 方法

12.10 接触追踪 : 传染病防控的 AI 方法 传染病的每次爆发都会给人类社会带来巨大损失.1918 年的西班牙大流感导致 2 000 多万人死亡.截止到 2013 年,全球约有 33 亿人感染过疟疾,每60 秒就有一人死于疟疾.肺结核致死率已经超过艾滋病,成为世界上最致命的传染病,南非约有 80%的人口患有潜伏性肺结核,仅在 2013 年就有 45 万例肺结核阳性患者.传染病在威胁人类生命的同时也带来了巨大经济损失.据统计,疟疾每年给非洲各国造成的经济损失多达 120 亿美元,季节性流感每

《中国人工智能学会通讯》——12.51 现有知识图谱资源

12.51 现有知识图谱资源 知识图谱经历了由人工和群体智慧构建,到面向互联网利用机器学习和信息抽取技术自动获取的过程.根据信息来源和获取方式的不同,目前的知识图谱分为以下几类. 依靠人工构建的知识资源 早期知识资源建立是通过人工添加和群体智能合作编辑得到,如英文 Wordnet [1] 和 Cyc 项目[2] ,以及中文的Hownet.Cyc 是一个通用的世界知识库,始建于 1984 年,其目的是将上百万条知识编码为机器可处理形式,并在此基础上实现知识推理等人工智能相关任务.Cyc 包含了 5

《中国人工智能学会通讯》——12.15 时空众包 : 共享经济时代的新型计算范式

12.15 时空众包 : 共享经济时代的新型计算范式 自 Jeff Howe 于 2006 年 首 次 提 出 众 包(Crowdsourcing) 概念[1]以来,这种通过公开的 Web平台,将任务分配给非特定的解决方案提供者群体来完成的分布式问题求解模式,正在变得日益流行,其更为传统的人本计算 (Human Computation) 注入了通过群体智慧来求解问题的新鲜血液.众包最著名的案例莫过于美国卡内基梅隆大学的 Luis vonAhn 教授所研发的 reCAPTCHA 系统[2] ,其巧

《中国人工智能学会通讯》——12.59 基于模糊性的半监督学习

12.59 基于模糊性的半监督学习 假设 A 是一个大数据集,并且 A 中的大部分样例没有类标:B 是 A 中一小部分样例组成的集合,并且 B 中的每个样例都有类标.利用数据集 B 我们可以训练得到分类器,但我们不能保证这样的分类器对 A-B 中的样例有较好的预测结果.基于对数据集 A-B 中的每个样例的预测结果,我们想从 A-B 中挑选出一些样例(连同对这些样例的预测结果)加入到数据集 B 中.再次利用 B 进行训练得到的分类器对于 A-B 中样例的预测精度将会有所提升.此刻需要明确的关键问题

《中国人工智能学会通讯》——12.43 分类型数据聚类算法研究进展

12.43 分类型数据聚类算法研究进展 在大数据环境下,许多数据是缺乏先验信息的,对数据标注的成本也越来越高,一个最自然的方法是对数据进行适当划分之后再进行相关的数据处理,而聚类分析是数据划分的一种重要技术手段[1] .在许多实际应用中,分类型变量是一种非常重要的数据表现形式[2] .比如,在问卷调查中,客户的兴趣爱好.家庭住址.教育情况都是分类型变量:在电子邮件过滤中,将邮件分为垃圾邮件和合法邮件:在医学中,一个病人受伤的程度可分为轻微的.中度的和严重的:在市场营销中,经常将客户分为高.中.低

《中国人工智能学会通讯》——12.57 不确定性的定义

12.57 不确定性的定义 表 1 是对于几种从数学角度进行阐释的不确定性的简介. 下面讨论一种典型的不确定性--模糊集的模糊性.模糊性被用来描述两个语义之间的不明确性程度,比如热和冷.模糊性最早是由 Zadeh 在1968 年提出的,他也是模糊集理论[8]的提出者.Zadeh 模糊集理论的基本思想是,隶属度的函数值从原来的只为 0 或 1 扩展到了区间 [0,1].由于主观上有对于语义理解的不确定性,所以隶属度的函数值范围被扩展了.在模糊集理论的基础上,Luca 和Termini 在 1972

《中国人工智能学会通讯》——12.33 众包知识库补全方法概览

12.33 众包知识库补全方法概览 本章介绍众包知识库补全的方法概览,如图 1所示.其基本思想包含两个部分,其一,利用多种数据源,如现有的多个知识库.Web 结构化数据等,提取知识数据,并将不同数据源的知识数据融合起来,以此补全知识库:其二,在融合的过程中有效地利用众包,通过众包模型细化出具体可供众包完成的任务,利用众包优化算法进行质量和成本的控制,以选择出最优的任务发布到众包平台,如美国亚马逊公司的 Mechanical Turk ( 简称 MTurk) 1 . 知识抽取:提出利用多类数据源进

《中国人工智能学会通讯》——12.50 知识图谱研究综述

12.50 知识图谱研究综述 知识图谱(Knowledge Graph, KG)旨在描述客观世界的概念.实体.事件及其之间的关系.其中,概念是指人们在认识世界过程中形成对客观事物的概念化表示,如人.动物.组织机构等:实体是客观世界中具体事物,如篮球运动员姚明.互联网公司腾讯等:事件是客观世界的活动,如地震.买卖行为等.关系描述概念.实体.事件之间客观存在的关联关系,如毕业院校描述了一个人与他学习所在学校之间的关系,运动员和篮球运动员之间的关系是概念和子概念之间的关系等.谷歌于 2012 年 5月

《中国人工智能学会通讯》——12.48 混合型数据聚类算法

12.48 混合型数据聚类算法 混合型数据在本文是指分类型数据和数值型数据并存的一类数据,由于两类数据描述的差异性,使得混合型数据聚类算法中类个数的确定变得越来越困难.针对分类型数据,Chen et al [36] 利用熵的性质提出了一个针对分类型数据确定聚类个数的层次聚类方法.该方法根据增量熵的变化来指导凝聚层次聚类过程,根据每层对应划分的期望熵的二次导数随类个数的变化曲线来估计候选的最佳聚类个数.Yan et al [37] 提出了一个专门针对事务数据的聚类个数确定方法.该方法给出了基于事务