新能源大規(guī)模并網(wǎng)給電力系統(tǒng)帶來了較強的不確定性,電力電子化設備的廣泛接入提升了系統(tǒng)運行的靈活性,分布式電源、儲能、電動汽車的滲透增加了末端配電網(wǎng)分析與控制的復雜性,這些因素都給現(xiàn)代電力系統(tǒng)帶來了新的挑戰(zhàn)。隨著能源互聯(lián)網(wǎng)技術的不斷發(fā)展,先進的數(shù)據(jù)量測、傳輸與存儲技術為數(shù)據(jù)驅(qū)動的分析奠定了良好的基礎,現(xiàn)代電力系統(tǒng)正在進入“數(shù)據(jù)密集”時代。數(shù)據(jù)驅(qū)動方法為電力系統(tǒng)研究提供了新的思路,可以分析電力系統(tǒng)中弱規(guī)律問題、復雜機理問題以及機理尚未清晰的問題,并能夠從海量的電網(wǎng)廣域信息數(shù)據(jù)里挖掘出系統(tǒng)內(nèi)在的內(nèi)稟知識,為運行人員提供較為透明、可理解的控制規(guī)則或決策支持,進一步增強系統(tǒng)運行人員的應急能力,在電力系統(tǒng)中得到了廣泛的研究和關注。但是數(shù)據(jù)驅(qū)動方法在實際應用的場景中,其模型的輸入可能出現(xiàn)測量噪聲、數(shù)據(jù)丟包、通信延時等不良情況,因此需要研究具有抗干擾能力的數(shù)據(jù)庫生成及訓練策略,使得研究結果對于這些不利因素具有較強的容錯性。近年來,深度增強學習技術在優(yōu)化決策和最優(yōu)控制領域得到了廣泛的關注,并已經(jīng)被應用在電網(wǎng)調(diào)頻、調(diào)壓、最優(yōu)潮流計算等領域,未來可重點研究基于深度增強學習的電網(wǎng)穩(wěn)定控制方法。
為展示國內(nèi)外該領域最新研究進展和發(fā)展趨勢,共享最新學術和技術成果,《電力系統(tǒng)自動化》編輯部策劃組織了“面向現(xiàn)代電力系統(tǒng)的數(shù)據(jù)驅(qū)動方法”為主題的專輯。自2020 年9 月發(fā)出征文通知后,引起了學術界和工業(yè)界的廣泛關注,國內(nèi)外學者投稿踴躍,經(jīng)同行評審收錄的稿件將陸續(xù)見刊。本期將首先刊登16 篇論文,內(nèi)容涉及數(shù)據(jù)驅(qū)動方法在電力系統(tǒng)優(yōu)化運行與規(guī)劃、穩(wěn)定分析與控制、系統(tǒng)辨識與監(jiān)測以及用電側管理與分析等方面的應用成果。
數(shù)據(jù)驅(qū)動方法作為相對于模型驅(qū)動而言的新范式,為電力系統(tǒng)研究提供了新的手段。長沙理工大學蘇盛等對數(shù)據(jù)驅(qū)動竊電檢測方法在國內(nèi)外實踐中的工程應用進行了總結,并對其潛在問題和應用前景進行了分析。東南大學湯奕等在總結電力系統(tǒng)數(shù)據(jù)方法與物理方法各自特點的基礎上,提出了一種基于數(shù)據(jù)-物理融合模型的電力系統(tǒng)并聯(lián)模式性能分析方法,為并聯(lián)模式下的數(shù)據(jù)-物理融合模型的構建提供了理論支撐。
在數(shù)據(jù)驅(qū)動信息能源系統(tǒng)異常檢測與辨識方面,華北電力大學畢天姝等基于局部離群因子算法,提出了一種在線數(shù)據(jù)驅(qū)動的同步相量測量單元連續(xù)壞數(shù)據(jù)檢測方法,提高了連續(xù)壞數(shù)據(jù)的辨識和檢測效率。河海大學吳英俊等針對電力系統(tǒng)網(wǎng)絡攻擊問題,提出了一種基于集員濾波的自動發(fā)電控制系統(tǒng)虛假數(shù)據(jù)注入攻擊檢測方法,能夠準確估計系統(tǒng)運行狀態(tài)以檢測虛假數(shù)據(jù)注入攻擊的存在。華中科技大學苗世洪等提出一種配電物聯(lián)網(wǎng)異常辨識方法,利用三維卷積神經(jīng)網(wǎng)絡提取電氣量、通信量與配電物聯(lián)網(wǎng)異常狀態(tài)之間的映射關系,實現(xiàn)配電物聯(lián)網(wǎng)異常類型和異動源位置的統(tǒng)一辨識。
在數(shù)據(jù)驅(qū)動電力系統(tǒng)優(yōu)化運行方面,清華大學張寧等針對高比例可再生能源并網(wǎng)下電力系統(tǒng)安全穩(wěn)定運行問題,提出了內(nèi)嵌安全穩(wěn)定約束的電力系統(tǒng)優(yōu)化運行框架,利用斜回歸樹及其集成算法提取安全穩(wěn)定規(guī)則,具有良好的可解釋性、較強的表示能力與較高的集成效率。新加坡南洋理工大學徐巖等針對系統(tǒng)級拓撲結構優(yōu)化難以求解的問題,提出了一種結合異步優(yōu)勢Actor-Critic(A3C)深度強化學習與電力系統(tǒng)領域知識的運行優(yōu)化方法,將在線優(yōu)化的計算負擔轉移至離線智能體訓練階段,實現(xiàn)電力系統(tǒng)運行拓撲結構優(yōu)化的快速計算,提高電力系統(tǒng)運行的安全性。國家電網(wǎng)有限公司西北分部任沖等針對高比例新能源電網(wǎng)運行方式復雜多變和安全裕度過大的問題,提出了新能源接入電網(wǎng)的斷面?zhèn)鬏敺绞骄垲惙治龇椒ǎ罁?jù)聚類劃分結果對各級斷面輸電限額進行優(yōu)化,進一步提升了電網(wǎng)的輸送能力。重慶大學楊知方等研究了數(shù)據(jù)驅(qū)動潮流分析方法中誤差異常處理問題,提出了基于深度神經(jīng)網(wǎng)絡的數(shù)據(jù)驅(qū)動潮流計算異常誤差改進策略,通過驗證集的絕對學習誤差、越限誤判率及誤差統(tǒng)計指標,確定各潮流變量的學習權重,有效降低了數(shù)據(jù)驅(qū)動潮流計算的異常誤差。
在數(shù)據(jù)驅(qū)動電力系統(tǒng)穩(wěn)定性分析方面,華南理工大學朱林等研究了深度學習算法在電力系統(tǒng)暫態(tài)穩(wěn)定評估中的應用,提出了一種面向暫態(tài)電壓穩(wěn)定評估的卷積神經(jīng)網(wǎng)絡輸入特征構建方法,兼顧了穩(wěn)態(tài)特征量和多維度故障信息的輸入特征,對模型精度與效率有顯著的提升效果。東北電力大學蔡國偉等針對電力系統(tǒng)隨機響應數(shù)據(jù)辨識問題,提出了隨機數(shù)據(jù)驅(qū)動下基于子空間最優(yōu)模式分解的小干擾特征參數(shù)在線辨識算法,通過引入正交投影的矩陣線性變換方法以及共軛梯度優(yōu)化算法,準確反映了系統(tǒng)運行狀態(tài),便于系統(tǒng)振蕩模式的在線監(jiān)測。
在數(shù)據(jù)驅(qū)動配電網(wǎng)優(yōu)化運行方面,河海大學衛(wèi)志農(nóng)等針對交直流配電網(wǎng)實時量測配置不足、量測誤差分布無法確定的問題,提出了基于深度神經(jīng)網(wǎng)絡偽量測建模的交直流配電網(wǎng)區(qū)間狀態(tài)估計方法,利用深度學習技術輔助交直流配電網(wǎng)進行區(qū)間狀態(tài)估計,在保證估計區(qū)間包含真值的同時顯著降低了估計區(qū)間的保守性。
在數(shù)據(jù)驅(qū)動用電管理方面,東南大學葉宇劍等針對傳統(tǒng)方法在模型精準構建和應對多重不確定性等方面的局限性,提出了一種基于深度強化學習的居民實時自治最優(yōu)能量管理策略,在最小化用電成本的同時提升能量管理策略的魯棒性。上海交通大學何光宇等研究了空調(diào)負荷模型參數(shù)辨識問題,提出了一種數(shù)據(jù)驅(qū)動的變頻空調(diào)負荷模型參數(shù)在線辨識方法,在較少的計算量下,進一步提高了參數(shù)辨識的準確性。浙江大學林振智等基于用電信息采集系統(tǒng)的量測數(shù)據(jù),提出了一種基于改進局部離群因子算法的用戶用電隱患檢測方法,通過多局部離群因子模型組合優(yōu)化,提高了低壓用戶用電隱患檢測泛化能力與準確率。
在數(shù)據(jù)驅(qū)動電能質(zhì)量管理方面,華北電力大學齊林海等提出了一種基于改進生成對抗網(wǎng)絡的諧波狀態(tài)估計方法,通過生成網(wǎng)絡充分擬合監(jiān)測節(jié)點與目標節(jié)點間的耦合關系,實現(xiàn)了對目標節(jié)點諧波電流、諧波電壓的準確估算。
上述論文為發(fā)掘數(shù)據(jù)驅(qū)動方法在現(xiàn)代電力系統(tǒng)中的應用提供了思路,進而為現(xiàn)代電力系統(tǒng)的安全、穩(wěn)定、經(jīng)濟運行從另一個側面提供有效支撐。衷心感謝撰稿專家們的大力支持!同時還要感謝本專輯各位特約評審專家,專家們科學求真求實的態(tài)度、樂于奉獻的精神,保證了專輯的高質(zhì)量出版。感謝《電力系統(tǒng)自動化》編輯部為本專輯的選題、策劃、組織和出版所做的大量工作。