基于混合增强智能的电网优化调度决策方法.docx

汇报提纲0研究背景数据驱动的优化调度方法基于混合增强智能的优化调度方法©结语国家电网STATRGRID中国电力科学劈有限公司凤兀新能很X机口比，火电机加长机占比 TL区此次能淑电比新能源装机容量不断增长/源荷侧调节对象增加近年来，新能源装机容量持续上升，其波动性、随机性对电网运行调节构成巨大挑战。为此，我国加快了新型电力系统建设步伐，在源、网、荷、储各侧均出现了大量新型调节对象。预计2050年，全球电动汽车总数将达10亿辆，电储能容 量达到12TWh,空调热泵数骤增至2. 5亿台以上。截止至2023年8月，新能源装机容量突破8亿千瓦!传统电网调度面临的挑战调节对象增多：加剧了短时优化决策的难度；资源不可观性：负荷侧资源的引入对优化模型的构建提出了挑战；多场景计算复杂度：不确定运行场景下，调度决策的随机适应性有待提升;海量分布式调度资源多场景计算复杂度高调节资源不可观tc¾ 19* MU M¾ MU 新占比难点：传统以运筹学理论为核心的传统调度模式，难以有效地协调灵活性需求和资源人工智能的快速发展为实现智能调度提供手段快速性：在线应用过程仅需前向计算，无需迭代优化，求解速度大幅提高场景适应性：由海量运行数据挖掘出特征规律，实现随机场景自适应决策无模型特性：端对端学习，无需建立底层灵活资源运行机理模型特点：符号模型优势：规则明确不足：应用封闭应用案例应用案例智能安全防控特点：数据驱动优势：学习能力强不足：解释性差泛化性差nRB M关键断时发现*来源，迈向第三代人工智能的新征程，中国科学院院士张银，第五届中国人工智能大会(2019)基于数据驱动的人工智能应用难题Q高维空间收敛难：优化调度问题往往具有高维输入数据空间和输出策略空间，对算法的收'敛稳定性构成了巨大挑战。/电网药束满足难：天多数数据驱动方法难以直接考虑电网物理药束条件（如电力传输、容量限制等），导致生成的调度方案不可行。决策过程解释难:信赖其结果 _数据驱动方法决策过程往往缺乏透明性和解释性，使得调度员难以完全如何克服纯数据驱动人工智能存在的瓶颈？国家电网STTRGRlD人机协同= WzSi医疗操作混合增强智能无人驾驶混合增强智能有望成为解决方案混合增强智能作为国家新一代Al规划五大技术方向之一，具有数据与知识的双重驱动特征，预期可有效解决第二代AI解释性差、泛化性差等问题，目前，工业界有关混合增强智能的具体应用包括：医疗操作、无人驾驶以及电网调度等复杂人机协同决策任务。国家新一代人工智能发展规划方向虽一宗数据智能跨媒体智能.国主智能率.中华人民共和国中央人民政府fc国务院关于印发新一代人工智能发展规划的通知国发（2017）35号3-基于混合增强智能的优化调度方法;国家电网STATRGRID中国电力M学研究院有限公司混合增强智能定义混合增强智能，是指将人的认知模型引入到人工智能系统中，与机器智能共同形成混合增强智能的形态*。实现混合增强智能的关键，是让人工智能机器能够自主理解人类所掌握的信息，然后将其融入自身的调度决策过程。知识表征电网规模 结构形态 电网分区 运行方式 调度需求知识利用转化知识表征知识表征转化*国家自然科学基金联合基金项目面向电网调度的混合增强智能知识演化理论与方法Q研究背景数据驱动的优化调度方法基于混合增强智能的优化调度方法结语汇报提纲2-数据驱动的优化调度方法电网优化调度问题电网优化调度问题是一种针对前瞻窗口内发用电调整计划、灵活机组开停机计划以及运行方式调整的多时段联合优化问题。前瞻滚动调度模式电网优化调度决策对象及目标2-数据驱动的优化调度方法国家电网 STATE GRID中圜电力科学翻突院有限公司电网优化调度数学模型输入参数节点负荷L=/<./.；,J；新能源出力预测P仪/=决策变量机组有功出力P/：'；./：；,!'：.机组启停状态目标函数经济性目标££“用)1地(兄">3(=+叱清洁性目标实时功率平衡,=yc÷-rIi机组出力上下限仁践二黑约束条件新能源出力0：；”4(Xi机组爬坡约束K黑哈线路潮流约束Gr.MrtrMi3JL-<型RirHI，,)机组启停约束V-lfO-l3，。L-%”)系统状态安全约束Pl<Pa<E,Q<Q<02-数据驱动的优化调度方法»国家电网STATRGRID中国电力科学研究院物限公司电网优化调度转换为序贯决策问题调度智能体与仿真环境的不断迭代，将多时段调度计划可将电网优化调度问题转为序贯决策问题。优化解耦为单时段的滚动优化问题。k+1时刻电网(k+1)时刻运行状态负荷超短期预测形成多时段调度计划k+n时亥J新能源预测电网(k÷l) 时刻计划 o*电网(k+n) 时刻计划决策时间点：k+n决策时间点：k+12-数据驱动的优化调度方法国家电网Mll.(ikll)面向优化调度的深度强化学习方法考虑到电网优化调度问题具有状态信息高维、机组功率采用连续调节动作的特点，采用基于评价-策略网络架构的深度强化学习训练方法。深度强化学习方法分类132-数据驱动的优化调度方法调度智能体构建及训练过程基于评价-策略网络架构的离线学习方法：包含仿真环境、智能体经验池、评价网络、策略网络四个关键环节。梯度信息汇报提纲0研究背景数据驱动的优化调度方法基于混合增强智能的优化调度方法结语3-基于混合增强智能的优化调度方法»国家电网STATRGRID蹿电力科学研究院有限公司研究框架基础内容1：混合增强智能调度的知识表示（解决“机器知识形成”）核心内容2:混合增强智能调度的知识利用（解决“利用机器知识决策"）验证内容3:技术集成与仿真验证3-基于混合增强智能的优化调度方法.国家电网STTRGRID中国电力科学研究院有限公司知识表征总体技术路线9-*SMm拓扑图及模型类信息载体Sg*成果面向优化调度问题的知识图谱表示方法文本类信息载体周国主m理论调度规调度支本=知识图谱时序数据类信息载体成果面向优化调度可行域的斜决策树表示方7二WWI一彷真样木成果面向电网动态拓扑的注意力网络表征方电两拓扑一设客故障3-基于混合增强智能的优化调度方法国家电网SlAiRGRID中国电力科学研究院有限公司基于知识图谱的知识建模及分析方法针对文本类载体，为了实现调度知识的有效集成和持续积累，提出基于知识图谱的日前调度优化知识建模与事件分析方法。美电机blL厂姑事件从同交备从M-设行许指履任从限分区厂站厂基SS期吉坡找检修断面名称表页五型坡变替反险映身射新捺中文IkIa1省级电网图谱子图架构运行方式工SS=一第，和执检任细制运行规程图谱子图架构断面端连接:检修预案图谱子图架构调度细则图谱子图架构18支撑材料：Reviewonknowledgegraphanditsapplicationinpowerdispatching,2O21IEEEInternationalConferenceonPowerJnteIligcntComputingandSystems(ICPICS).3-基于混合增强智能的优化调度方法基于知识图谱的知识建模及分析方法国家电网STATRGRID中国电力科学研究院有限公司通过类型识别、统计分析、关联路径分析等方法获取调度决策相关知识，实现多维度、多层次的调度知识推送。日前调度优化知识图谱提供筛选条件（实体/关系的类型、属性）类型识别：通过匹配指定场景的实体/关系，获取不同类型的运行约束或控制措施；选中某个节点或关系，进一步推送查看相应的属性和与之关联的设备、运行方式等节点信息。获得符合条件的知识（实体、关系、类型、属性）线路检修的控制措施有哪些？潮流功率控制地区新能源力抑制火电机组停运选取分析对象（实体、关系）关联路径分析：基于关联路径可以实现各种语义搜索和智能问答,并提供可视化的解释路径选取分析指标（实体/关系的特定属性）对选取指标进行统计计算（计数、累加、判断等）风电小发时的上备用如何调整？联络上备线,用当日晚上17约束结果输会与解释说明（辅助调度决策）调整动作上备用=风电*0.6+500支撑材料：Reviewonknowledgegraphanditsapplicationinpowerdispatching,2021IEEEInternationaConferenceonPowenIntelligentComputingandSystems(ICPICS)193-基于混合增强智能的优化调度方法国家电网STATRGRID中国电力号那史度有限公司基于知识图谱的知识建模及分析方法针对全网充裕度、局部断面限额、设备检修、环保调控的机组调整等应用场景提供相对应的调整建议。未经调度日志和辅助工具修正的优化过程及结果国调.宁东二期电厂kV. #3机优化会清日前调度 输入数据优化软件经调度日志和辅助工具修正的优化过程及结果日前调度 输入数据优化软件修正096磨煤机突发缺陷， 机组出力受阻。原最大可调能力60600MW,520Wo现为020 O 6080ime掌材料：Reviewcnknde9graphanditsapplicaticninpowerdiHtching2021IEEEIntematicnalGcnferencecnR»er;IntelligaitGupiitingandSystens(ICPlCS).203-基于混合增强智能的优化调度方法国家电网STATE GRID基于斜决策树的安全规则抽取方法基于斜决策树的电网安全约束表征方法实现了电力系统运行状态安全性的快速精准辨识，可以为调度智能体提供安全调度规则。0.3x+x