关键词:人工智能 新能源 电网 仿真计算 负荷预测 调度运行 智能决策 电力系统 超算 知识图谱 强化学习 大模型 机器学习 气象预测 功率预测 时序预测 辅助决策
峰会概述
讲义导图
01 电网与人工智能:融合与发展
2023年我国电网总装机达29.2亿千瓦。
新能源装机超过10亿千瓦,发展迅速。
国网经营区2023年新增装机2.4亿千瓦。
新增装机量接近美国新能源总装机(2.5亿千瓦)。
新能源发展带来电网安全等巨大挑战。
电力系统运行技术已形成高度可靠基于物理模型的机理分析模式。
国网公司建立基于超算的电力系统仿真体系,指导生产运行。
新能源快速发展导致电网面临新问题。
应对新形势变化需结合人工智能技术发展。
开展电网运行特性和运行控制相关工作以适应新能源挑战。
人工智能技术具备知识发现和处理的优势。
大模型增强了人工智能的知识理解和推理能力。
人工智能技术因黑盒特性而缺乏可解释性。
泛化能力和不确定性是人工智能的局限。
探索将人工智能与具有物理机理的电网结合的可能性。
电网仿真计算:利用人工智能技术提升计算效率和准确性。
新能源及负荷预测:应用人工智能提高预测精度,支持电网运营。
调度运行辅助决策:采用人工智能技术优化决策流程,增强决策效能。
AI赋能仿真分析:开发结合人工智能的电力系统仿真工具,减少人力需求。
海量数据处理能力:通过人工智能技术应对电力系统运行过程中产生的大数据挑战。
02 AI赋能电力系统仿真分析
传统电网仿真分析面临巨大学习压力,计算规模已达8万节点以上。
每年需进行四次大规模仿真计算,耗时长、参与者众多。
仿真分析对专家经验依赖性强,限制了分析的准确性和效率。
实时性需求提高,电网运行方式复杂,增加仿真分析难度。
离线和现有潮流调整结果分析手段无法满足更短周期的需求。
利用人工智能技术优化电网潮流调整,提高仿真工作效率。
开发智能算法对仿真结果进行分析,减少对人工经验的依赖。
应用深度学习等技术,实现电网稳定性的智能判别和断面限额计算。
探索AI技术在新能源预测领域的应用,特别是在气象预测方面的改进。
目标是使AI辅助科学计算,最终可能取代传统仿真计算方法,但现阶段重点在于提升现有计算效率和准确性。
03 新能源预测误差及其对电力供应的影响
数值天气预报准确性存在缺陷。
极端天气下,新能源(光伏和风电)预测偏差大。
寒潮过程中的负荷增长和风光资源减少形成“剪刀差”。
夏季高温时,风电较小导致剪刀差现象。
提升新能源预测潜力方向在于气象预测大模型的应用。
04 气象大模型与新能源预测:精度与效率的双重提升
华为的盘古、浦江实验室的风乌、复旦大学的伏羲等气象大模型已应用于中央气象台。
气象大模型基于历史气象数据,通过神经网络进行大规模参数估计。
新型气象大模型计算速度快,可大幅缩短预报发布时间。
使用专用气象大模型能提前十几小时更新初始场,提高预报精度。
盘古气象大模型在某些气象要素预报精度上超越传统数智化模型。
通过多模型融合和关键特征提取,新能源预测精度有提升空间。
复合预测目前显示出平均准确率可达95%以上,但提升空间有限。
精度提升的需求十分迫切,以适应保供和新能源消纳的需要。
即便只有1%的预测偏差,在省级或区域内也可能造成百万级别的影响。
传统方法如统计学、决策树和神经网络等,在负荷预测方面仍有改进余地。
时序预测大模型,是未来发展的关键方向。
大模型应用于时序预测,如交通流量预测。
百度发布预测持续预测大模型,成功优化北京亦庄城区交通灯控制,平均通过时间缩短28%,提升约30%。
时序预测大模型适合且未充分利用于电力负荷预测。
05 AI赋能智能决策在电网调度中的应用
电网规模扩大导致运行控制需求复杂化。
调度员需熟悉并掌握大量操作规定,但难以完全记住。
华北华中联网长南线事故处理包含19项运行要求。
在大语言模型的基础上研究RAG技术,以调度知识。
将知识向量化,利用内容检索技术减少大模型的不确定性。
限定大模型搜索范围,确保搜索不出错,只可能提供无效信息。
结合提示词工程,通过大模型知识进行归纳总结。
当前大模型专业性不足,归纳总结能力有待提高。
未来辅助角色需基于人工智能技术构建。
大模型能自动识别电网运行变化。
在线仿真分析包括传统机电展示和电子展示。
笔记备忘气象大模型在气象预测中的应用,可将预报时效提高0.6天,精度超越传统方法。
Why: 提升电力系统的可靠性和效率。
What: 大规模参数神经网络模型。
How: 利用历史气象数据进行深度学习。
How Good: 提升预测精度,支持更精准的电力调度。
END
本文内容来自公开网络,文章内标注的“原创”仅指为原创编撰加工之标记,不意味着本平台拥有其版权。侵权请后台留言联系删除。
……
篇幅原因,仅作部分展示
如需获取完整讲义PDF参考学习,请前往知识星球