2024年人工智能賦能電力系統(tǒng)安全穩(wěn)定研究報告

——動力、范式、問題及應對思考南方電網(wǎng)科學研究院李詩旸2024年12月本文件的知識產(chǎn)權(quán)屬南方電網(wǎng)公司所有。對本文件的使用及處置應嚴格遵循南方電網(wǎng)公司有關規(guī)定或獲取本文件的合同及約定的條件和要求。未經(jīng)南方電網(wǎng)公司事先書面同意，不得對外披露、復制。IntellectualPropertyRightsStatementThisdocumentisthepropertyofandcontainsproprietaryinformationownedbyCSGand/oritsrelatedproprietor.Yoconditionsoftheagreementunderwhichitwasprovidedtoyou.NodisclosureorcopyofthisdocumentispermittedwithoutthepriorwrittenpermissionofCSG.目目錄第二部分第二部分第三部分第三部分SEPRI南方電網(wǎng)科學研究院電力系統(tǒng)是一個復雜動力系統(tǒng)，為了完成供電根本任務，安全穩(wěn)定是必要條件。穩(wěn)定：遭受擾動后系統(tǒng)運行狀態(tài)自動歸于平靜；安全：遭受擾動后系統(tǒng)運行狀態(tài)可接受。電力系統(tǒng)安全穩(wěn)定問題，主要包括安全穩(wěn)定分析與控制。分析：回答系統(tǒng)運行狀態(tài)是否安全穩(wěn)定、有多(不)安全穩(wěn)定、為什么(不)安全穩(wěn)定；控制：回答如何在正常運行波動和擾動下維持安全穩(wěn)定。電力系統(tǒng)穩(wěn)定性電力系統(tǒng)穩(wěn)定性功角穩(wěn)定頻率穩(wěn)定電壓穩(wěn)定大擾動小擾動短期短期長期短期大擾動長期2004IEEE/CIGRE穩(wěn)定性經(jīng)典分類角穩(wěn)定位定l角檢定短期新蕩蛋湯步小祝動大批動個批動相角電壓檢定電濃振壓電壓動角2022中國電科院、國調(diào)提出的安全穩(wěn)定分類oCSG2024.AllRightsReserved南網(wǎng)中央研究院原創(chuàng)技術(shù)策源地“非平凡”的回答：在新的系統(tǒng)安全穩(wěn)定特性及需求發(fā)展趨勢下，有的要緊事，融合Al可以干得更好，有的要緊事，沒有AI幾乎干不了。新型電力系統(tǒng)中，占比逐漸上升的新能源和變流器并網(wǎng)設備具有不同于同步機的出力特性、動態(tài)特性、諧波特性和接入分布特性，給電網(wǎng)安全穩(wěn)定問題引入了新場景、新機理和相應的新安全穩(wěn)定風險。改進決策改進決策這些新特性，從分析控制主體的視角看，都可近似歸結(jié)為(模型、運行方式、擾動的)不確定性。安全穩(wěn)定分析控制應對策略：兩個擴展、兩個加強。改善邊界傳統(tǒng)機組改善邊界傳統(tǒng)機組虛擬電廠新能源廠站功率新能源廠站涉網(wǎng)參數(shù)控制決策廣域量測未來態(tài)預測寬頻量測營銷數(shù)據(jù)擴展預測資源控制覺略生成.控制覺略生成.可盤略生成8凡度操作池老和執(zhí)行記錄開略和置策略生快的問文雞準加強決策預見擴展控制資源當朗障向錯施計制及當朗障向錯施計制及器口要加強決策應變匾發(fā)展電力人工智能及其配套基礎設施是實現(xiàn)上述不確定性應對策略不可或缺的一條關鍵途徑。新Al技術(shù)的優(yōu)勢，可支持整體與還原、經(jīng)驗與心智更優(yōu)平衡的科學范式，恰好擅于破解不確定性。是歸結(jié)于不確定性的系統(tǒng)復雜性上升，逼迫大系統(tǒng)安全穩(wěn)定分析控制與人工智能形成“統(tǒng)一戰(zhàn)線”?！吆Ａ繀?shù)所沉淀∵海量參數(shù)所沉淀的海量數(shù)據(jù)信息∴突破人類記憶對新型電力系統(tǒng)多變運行環(huán)境的感知能力駕馭高維空間駕馭高維空間∵維數(shù)災新邊界下∵維數(shù)災新邊界下奧卡姆剃刀的變化∴一定程度避免對復雜新型電力系統(tǒng)做強降階導致?lián)p失信息顯式表征非線性顯式表征非線性隱式關聯(lián)∵聯(lián)結(jié)主義信念下∵聯(lián)結(jié)主義信念下神經(jīng)網(wǎng)絡的通用近似能力線性動態(tài)的解析預見能力∵具備有限步可簡∵具備有限步可簡單計算性的神經(jīng)網(wǎng)絡形式DD多種歸納偏置渠道理模型、量測、定律定理和仿真∵統(tǒng)計學基因賦予∵統(tǒng)計學基因賦予的隨機分析框架∴可直接利用含不確定性誤差、矛盾的量測數(shù)據(jù)并獲得統(tǒng)計特征SEPRI南方電網(wǎng)科學研究院SEPRI南方電網(wǎng)科學研究院式研究中，不得不將典型運行方式基礎數(shù)據(jù)從傳統(tǒng)的5套擴展到9套予以應對。過去一年的若干事故事件暴露出現(xiàn)有分析模型的不足，為此需將模型規(guī)模擴大至少一個數(shù)量級，強化電磁仿真運用，并建立對源生離線計算校核的規(guī)模較以往至少上升1~2個數(shù)量級在線計算決策的速度必代表性：電力系統(tǒng)，尤其是安全穩(wěn)定領域，是一個代表性的復雜非線性動力系統(tǒng)研究場景，是Al4S研究的一片沃土，如果能形成突破性的成果，將會像這些年廣為人知的圍棋、星際爭霸、文本/圖像/視5節(jié)點環(huán)狀網(wǎng)隨機線路電抗采樣下潮流方程非平凡實數(shù)解個數(shù)直方圖[Bernard2019]南網(wǎng)中央研究院原創(chuàng)技術(shù)策源地三節(jié)點系統(tǒng)的分岔現(xiàn)象[Piklu2020]挑戰(zhàn)性：目前Al和人類智能比，最突出的弱點包括高風險任務難以完全信賴，以及是訓練能效低。作為能源基礎設施，電力系統(tǒng)安全穩(wěn)定分析控制，恰恰對可信賴性有極強需求，且需兼顧能效目標。如果說兼顧可持續(xù)性和重大安全風險的領域是AI應用研究力圖摘取的皇冠，那么電力系統(tǒng)安全穩(wěn)定控制一定是皇冠上最為璀璨的明珠之一。電力系統(tǒng)安全穩(wěn)定Al研究，一定會反哺Al科學并惠及其他領域。全球數(shù)據(jù)中心、Al、數(shù)字貨幣耗電量預測[IEA2024]高斯：數(shù)學是科學的皇后，而數(shù)論是數(shù)學的皇后第一部分第一部分第二部分目目錄問題集：27個挑戰(zhàn)性問題及應對思考作為算法作為智能體作為算法作為智能體Al在分析和控制決策中可作為端到端解決問題的算法以完成具體的歸納或演繹任務，也可充當協(xié)調(diào)資源、調(diào)度流程的智能體以輔助人類或獨立達成需要分析或綜合的復雜目標。歸納：從特殊到一般歸納：從特殊到一般分析：從整體到部分分析：從整體到部分·規(guī)范分析流程自動化·Co-pilot·系統(tǒng)特性抽象與評估·C演繹：從一般到特殊演繹：從一般到特殊·得到運行狀態(tài)/安穩(wěn)指·因果推斷：用因果關系標/控制對象控制量·邏輯推演：用蘊含關系·預測和估計：用相關關·樣本生成：用生成模型綜合：從部分到整體綜合：從部分到整體·異構(gòu)數(shù)據(jù)融合·嵌入領域知識·控制策略設計·異構(gòu)數(shù)據(jù)融合·嵌入領域知識oCSG2024.AllRightsReserved南網(wǎng)中央研究院原創(chuàng)技術(shù)策源地當前主流Al技術(shù)以大數(shù)據(jù)、大算例、大模型為基礎，需要大資金、大系統(tǒng)、大團隊推動運轉(zhuǎn)，研究和部署應用都是一項系統(tǒng)工程，AI工程組織實現(xiàn)形式是Al研究和應用范式內(nèi)涵的重要元素。充分的可信賴性是Al分析決策閉環(huán)落地應用的前提，Al的可信賴程度決定了Al與人協(xié)作的可行模式。能夠替代人的AI通常是因時而變的，Al的研究和應用范式需考慮Al全壽命周期的健康和成長性。作為規(guī)范的系統(tǒng)安全穩(wěn)定研究或分析控制工具，測試、評估、驗證、考核、退出、替代方案也是構(gòu)成研究和應用范式的重要元素。調(diào)度部門、運維單位、廠家在廠內(nèi)模擬環(huán)境逐功能測試驗證廠家根據(jù)策略表調(diào)度部門、運維單位、廠家在廠內(nèi)模擬環(huán)境逐功能測試驗證廠家根據(jù)策略表裝置持續(xù)掛網(wǎng)運行，僅斷開出口回路，評估是否正常通過硬件在環(huán)半實物仿真，驗證穩(wěn)控程序在搭建的大電網(wǎng)模擬環(huán)境中對高風險穩(wěn)控系統(tǒng)，在一次系統(tǒng)上施加或在二次系統(tǒng)模擬設定的擾動，驗證一、二次系統(tǒng)WhatmustcalinstumentsdoMnAmanwakedintoamstaurarnt,ocasdabowAgphsintholatweokof原創(chuàng)技術(shù)策源地mAQ盛14第一部分第三部分應對思路：升級建設量測系統(tǒng)及數(shù)據(jù)庫；利用數(shù)據(jù)增強技術(shù)；利用仿真模型生成數(shù)據(jù)；利用問題對電網(wǎng)的局部對稱性；嵌入領域知識歸問題：無論是歷史真實數(shù)據(jù)還是生成數(shù)據(jù)，靠近安全穩(wěn)定域/收斂域邊界的數(shù)據(jù)遠少于遠離邊界的數(shù)據(jù)，域外數(shù)據(jù)遠少于域內(nèi)數(shù)據(jù)應對思路：利用各種通用的樣本平衡技術(shù)，如欠/過采樣、數(shù)據(jù)增強、代價敏感損失函數(shù)、對不平衡低敏感的模型；訓練弱模型生成少數(shù)類并逐步迭代；利用其他追蹤域邊界的方法獲得邊界附近樣本和域外樣本應對思路：優(yōu)化利用歷史數(shù)據(jù)，平衡仿真模型構(gòu)建校準和預測/生成模型訓練等多個目標；訓練模型感知Sim和Real的差距變化；持續(xù)學習；借助無模型的安全穩(wěn)定指標降低基于模型的安全穩(wěn)定指標對模型誤差的敏感度應對思路：融合A建模技術(shù)；探索廠家+電網(wǎng)“灰箱”規(guī)范化合作建模路徑；建設應對思路：利用時下可解釋A的前沿成果，如更透明的模型結(jié)構(gòu)，模型的局部解釋、圖像解釋，神經(jīng)微分方程；反思可解釋性對特定問題的價值，容許可信任但難解釋的模型泛化性泛化性問題：機器學習類Al的一般性問題，電力系統(tǒng)作為真實數(shù)據(jù)不算充裕的、安全風險敏感的高維復雜非線性系統(tǒng)，泛化性挑戰(zhàn)尤為突出應對思路：借鑒利用一切提升Al泛化性的前沿成果，尤其關注自動駕駛、醫(yī)療、航空航天等安全風險敏感領域；建立電力系統(tǒng)安全穩(wěn)定領域AI泛化性評估的標準方法和基準算例(benchmark),覆蓋對網(wǎng)絡圖拓撲、主要網(wǎng)絡參數(shù)和設備涉網(wǎng)參數(shù)的泛化性測評電力系統(tǒng)基本方程、基本優(yōu)化模型所隱含映射的可學習性(誤差可控性)電力系統(tǒng)基本方程、基本優(yōu)化模型所隱含映射的可學習性(誤差可控性)問題：電力科學計算AI模型試圖直接給出電力系統(tǒng)基本方程、基本優(yōu)化模型所隱含映射的神經(jīng)網(wǎng)絡近似，部分隱射(如常規(guī)潮流解映射)一般可滿足通用近似定理條件，但對于電力系統(tǒng)的維度，當前學習技術(shù)是否可按給定誤差、用有限樣本在關心區(qū)域高效擬合仍待探究電力系統(tǒng)基本方程、優(yōu)化模型的多解問題標簽本身存在理論困難應對思路：利用全純嵌入、延拓法等技術(shù)獲得標簽；全局最優(yōu)算法；探索是否可接受以多解支隨機切換的映射為學習目標模型序列、多階段學習及反向沉淀務端上層模型在持續(xù)學習中獲得的知識和智慧應可作為下層模型的經(jīng)驗得到抽象沉淀，反過來提升底層模型的更通用的智能應對思路：規(guī)劃預訓練模型序列和譜系；建立模型開發(fā)生態(tài)圈；充分利用大模型的兩(多)階段訓練和遷移學習技術(shù)；探索以模型為學習對象的學習技術(shù)3.2問題集|演繹問題：場景參數(shù)維度極高，逼真的場景需符合電力電要利用“幻覺”又要限制“幻覺”應對思路：進一步發(fā)展Al支持的多時間尺度運行運行模擬；利用條件生成模型；保存并充分挖掘歷史數(shù)據(jù)電力系統(tǒng)規(guī)劃運行場景集及基于場景集分析的有效性問題：場景集設置是仿真分析法的靈魂，有效場景集一方面要能可靠概括所研究的問題(如“包住”設防風險),一方面要節(jié)制規(guī)模應對思路：運用Al定位域邊界；運用A快速評估問題關心的指標，如安全穩(wěn)定風險，保障場景化信息丟失的安全性；運用A挖掘場景間關系，利用場景關系增強數(shù)據(jù)、剔除低信息量場景、建立場景注意力和仿真排序；利用AI加速的快速仿真做必要校核Al提升數(shù)值仿真(初值收斂性、初值匹配、加速、算法參數(shù)優(yōu)化等)問題：潮流初值超出(合理解)收斂域、潮流解與動態(tài)模型靜態(tài)約束不匹配是阻礙仿真分析自動閉環(huán)、制約效率的頑疾；電力系統(tǒng)方程和優(yōu)化問題求解器中通常提供了一些可影響收斂性、求解速度和解質(zhì)量的算法參數(shù)，存在優(yōu)化空間；底層數(shù)值求解器也存在A優(yōu)化空間應對思路：運用Al預解優(yōu)化初值(Al直接求解或利用附近歷史求解數(shù)據(jù));與專業(yè)求解器團隊合作開展底層AI優(yōu)化3.3問題集|分析應對思路：進一步規(guī)范化和抽象分析流程；提供人在環(huán)路的交互分析接口；量化分析和控制決策流程目標以支持強化學習，使用A逐步代理專家決策并由專家做后審查；在計算分析平臺上開發(fā)專家行為記錄功能，提供引導學習素材；以仿真場問題：穩(wěn)定性(按定義)本身不可直接觀測，所有安全穩(wěn)定性指標都是對場景參數(shù)和狀態(tài)軌跡的強降維，以往人們通過機理分析降維得到的指標應充分繼承，但不排除受到分析范式的限制，指標可能存在假設過強、不宜求解、過于保守等問題，有待補充完善問題：對電力系統(tǒng)安全穩(wěn)定分析和控制決策已積累了許多行之有效的分析方法、流程，以及針對其中各環(huán)節(jié)的標準工具，目前針對較為復雜的上層分析和控制決策任務，只能靠專家來拆解任務、設定和動態(tài)調(diào)整分析流水線、調(diào)用分散數(shù)據(jù)和分散工具、操作相關設備3.4問題集|綜合安全穩(wěn)定約束嵌入安全穩(wěn)定約束嵌入問題：電力系統(tǒng)安全穩(wěn)定分析和控制決策許多環(huán)節(jié)需滿足安全穩(wěn)定硬約束，不接受“近似滿足”,但經(jīng)典的神經(jīng)網(wǎng)絡訓練是一個無約束優(yōu)化求解過程，模型從數(shù)據(jù)中很難直接精準學到硬約束；通過語言、符號輸入直接“教給”模型硬約束，又存在是否真正理解的問題應對思路：利用各類先進的安全學習訓練方法；對Al的結(jié)果做硬約束審查；綜合運用符號邏輯方法集成學習、群體學習問題：各個內(nèi)部單位，以及引入競爭的多個外部單位，可應對思路：利用集成學習和各類分布式學習方法，實現(xiàn)群體智慧對個體的超越領域先驗、解析計算、時域仿真、邏輯推演、優(yōu)化和機器學習的粘合問題：先驗知識需要繼承，各類方法各有優(yōu)缺點，針對具體問題，需有系統(tǒng)性的綜合方法應對思路：目前這是研究人員的領地，現(xiàn)有解決方案基于專家對問題、方法和相關價值觀的深入理解，當前AI是否能承擔或輔助承擔這類任務有待探索3.5問題集數(shù)據(jù)基礎設施問題：與系統(tǒng)安全穩(wěn)定分析評估相關的有用數(shù)據(jù)尚未實現(xiàn)對Al平臺完全打通，跨區(qū)、跨單位、跨平臺數(shù)據(jù)整合、對齊工作量巨大；缺乏統(tǒng)一的訓練數(shù)據(jù)篩選、存儲管理機制，大量有用實測數(shù)據(jù)和仿真計算數(shù)據(jù)遭到直接拋棄應對思路：持續(xù)推進數(shù)字化基礎設施整體建設，針對使能Al有步驟地打通若干關鍵數(shù)據(jù)平臺；建設電網(wǎng)大擾動數(shù)據(jù)庫算力優(yōu)化配置負荷空間轉(zhuǎn)移，缺乏算力、數(shù)據(jù)、任務、計算用電的聯(lián)合優(yōu)化調(diào)度機制應對思路：探索系統(tǒng)性的算力需求評估方法；探索算例內(nèi)部分配及合作研發(fā)的對外分配機制；研究四個元素的跨時空協(xié)同優(yōu)化合作研發(fā)模式合作研發(fā)模式執(zhí)優(yōu)勢資源，任何單一方面難以獨立破解相關的高難度科學、技術(shù)和工程挑戰(zhàn)，合作研發(fā)機制尚待進一步建立健全應對思路：電網(wǎng)公司作為業(yè)務需求方、數(shù)據(jù)持有方，可牽頭積極探索電力AI大規(guī)模前沿研究的合作研發(fā)模式，打造原創(chuàng)技術(shù)