半月刊

ISSN 1000-1026

CN 32-1180/TP

+高级检索 English
  • 人工智能及其应用
    全 选
    显示方式: |
    • 人工智能在电力系统及综合能源系统中的应用综述

      2019, 43(1):2-14. DOI: 10.7500/AEPS20180706005

      摘要 (6901) HTML (0) PDF 1.90 M (7253) 评论 (0) 收藏

      摘要:推进能源生产和消费革命,构建清洁低碳安全高效的能源体系,需要发展更加智能的新一代电力系统及综合能源系统。人工智能(AI)是当前最具颠覆性的科学技术之一,在计算智能、感知智能和认知智能方面具有强处理能力。人工智能技术在电力系统和综合能源系统中的应用,将改变能源传统利用模式,促进系统进一步智能化。文中主要从人工智能概述、电力系统及综合能源系统对人工智能的需求,以及人工智能在能源领域中的应用几个层面进行综述和分析,最后对人工智能在电力系统及综合能源系统中应用所面临的挑战进行了分析和展望。

    • 机器学习在能源与电力系统领域的应用和展望

      2019, 43(1):15-31. DOI: 10.7500/AEPS20180814007

      摘要 (4430) HTML (0) PDF 1.67 M (4408) 评论 (0) 收藏

      摘要:新一代人工智能(AI)近年来成为国内外研究的热点,其中的典型代表机器学习(ML)作为一个算法范畴,通过分析和学习大量已有或生成数据形成预测和判断以做出最佳决策。中国的新一代AI正处于快速发展的关键期,目前已在能源与电力系统中得到初步应用。基于此,文中以新一代AI中的ML为代表,重点综述了强化学习、深度学习、迁移学习、平行学习、混合学习、对抗学习和集成学习等7种代表性ML在能源与电力系统调度优化和控制决策等方面的应用。最后,对未来ML的发展进行了思考与展望。

    • 人工智能应用于电网调控的关键技术分析

      2019, 43(1):49-57. DOI: 10.7500/AEPS20180629002

      摘要 (4136) HTML (0) PDF 1.69 M (6184) 评论 (0) 收藏

      摘要:当前以深度学习为代表的新一代人工智能技术快速发展,作为引领新一轮科技革命和产业变革的战略性技术,已上升为国家战略,备受各行各业关注。电网调控运行作为电力系统运行的“决策大脑”,是集大量数据、机理分析、运行规程和专业经验相结合的综合性决策控制,与以数据驱动、知识引导为特征的新一代人工智能发展思路和演进方向十分相近。在分析新一代人工智能技术特点、电网调控运行业务场景及需求的基础上,提出了未来基于人工智能的调度控制系统设计思路、总体架构和主要功能,并从高性能计算、调控大数据、基于深度学习的电网预测及辨识、基于知识图谱的智能辅助决策以及基于语音交互的调度助手等方面,对其关键技术和潜在应用场景进行了分析。最后对未来人工智能在电网调控中的发展进行了小结和展望。

    • 基于SDAE特征提取的含风电电网可用输电能力计算

      2019, 43(1):32-39. DOI: 10.7500/AEPS20180628009

      摘要 (1295) HTML (0) PDF 1.43 M (1729) 评论 (0) 收藏

      摘要:风力发电的不确定性显著增加了电力系统可用输电能力(ATC)计算的难度。基于点估计的Gram-Charlier级数展开理论和深度学习技术,提出了一种计及越限概率要求的ATC快速计算方法,考虑的约束类型包括静态安全、静态电压稳定和暂态稳定约束。假定风电出力概率分布已知,结合两点估计法和Gram-Charlier级数展开,通过两个确定性场景的最大输电能力(TTC)计算结果逼近TTC的累积分布函数。为了快速、准确地获得确定性场景的TTC,利用堆叠降噪自动编码器(SDAE)建立了TTC计算的深度学习模型。获得TTC的累积分布函数后,将断面功率超过TTC的概率定义为越限概率,推导了给定越限概率要求下ATC计算的表达式。实际电网仿真结果表明,所提方法能够有效计及多类安全稳定约束,快速、准确计算不同越限概率要求下的ATC。

    • 模型—数据混合驱动的电网安全特征选择和知识发现:关键技术与工程应用

      2019, 43(1):95-101. DOI: 10.7500/AEPS20180614002

      摘要 (1469) HTML (0) PDF 1.58 M (2121) 评论 (0) 收藏

      摘要:随着可再生能源的大规模并网、需求响应的逐步实现,电网运行方式的复杂性和波动性不断攀升,电力系统的安全运行正面临新的需求与挑战。因此,基于人工智能技术,在广东电网建立了“模型—数据混合驱动的电网安全特征选择和知识发现平台”,保证电网安全、稳定、经济运行。文中首先定义了电网安全特征和知识,阐述了模型—数据混合驱动的思想与具体实现方法,并分析了降低误差的手段;其次阐释了平台的并行计算技术;接着设计了平台的软硬件架构;最后,展示了平台在广东电网的实际应用效果,结果表明:(1)从运行规则制定层面,将运行专家离线制定粗放运行规则的模式,变革为人工智能在线发现精细运行规则的模式;(2)从运行规则应用层面,将调度员人工判定运行规则的模式,变革为人工智能实时判定运行规则的模式。

    • 基于多层极限学习机的电力系统频率安全评估方法

      2019, 43(1):133-140. DOI: 10.7500/AEPS20180629012

      摘要 (1375) HTML (0) PDF 1.54 M (1937) 评论 (0) 收藏

      摘要:可再生能源发电的随机性、间歇性和低惯性特征导致含可再生能源电力系统的频率安全问题凸显。利用时域仿真进行频率安全评估存在计算量大、耗时长等缺陷,难以满足多重复杂不确定因素“组合数爆炸”下的频率安全快速评估需求。为了实现频率安全的快速分析与预测,提出一种基于多层极限学习机(ML-ELM)的频率安全在线评估方法。该方法通过深层架构建立输入与输出之间的非线性映射关系,并在自下而上的逐层无监督训练过程中,引入自动编码器算法和正则化系数,逐层优化输入层与隐含层之间的权重矩阵,以使ML-ELM有效表征复杂函数、提高预测精度和泛化能力。在IEEE RTS-79系统上开展算例测试,将测试结果与时域仿真和浅层神经网络方法所得结果进行比较,验证了所提方法的准确性和泛化能力。