業(yè)務,保證分析決策業(yè)務不中斷.

2.3 并行計算

分析決策中心的計算對象覆蓋全網,同時又要為所有調控中心提供分析決策服務,計算任務繁重.并行計算同時使用多種計算資源,是提高分析決策中心計算速度和處理能力的一種有效手段,已經在多控制中心分解協(xié)調計算中得到初步應用[13].通過對分析決策中心硬件、數(shù)據(jù)、模型等多維度資源的動態(tài)調度,實現(xiàn)資源的快速分配和彈性擴展,構建基于多機多核和圖形處理器(GPU)的高速并行計算框架,實現(xiàn)不確定潮流和多目標優(yōu)化等的并行計算,可以大幅提高分析決策中心的計算速度,滿足應用功能計算快的要求.

2.4 大數(shù)據(jù)

電力系統(tǒng)大數(shù)據(jù)分析是當前的研究熱點之一,在大數(shù)據(jù)的存儲和訪問、建模和融合、數(shù)據(jù)篩選與特征提取、數(shù)據(jù)挖掘與機器學習等方面都取得了一定的進展,未來在電力系統(tǒng)調控領域將得到進一步應用[14-16].大數(shù)據(jù)挖掘相比于傳統(tǒng)方法在計算準確性和計算速度方面存在獨到的優(yōu)勢,文獻[17]基于大數(shù)據(jù)快速挖掘電網運行的薄弱點,幫助電網運行人員準確把握電網安全運行特征.未來調控系統(tǒng)通過構建多級電網運行知識庫,借助電網運行事件序列模式關聯(lián)規(guī)則挖掘技術,可根據(jù)電網運行數(shù)據(jù)特征識別電網運行軌跡；通過構建調控人員操作行為專家知識庫,借助行為模式機器學習技術,可為調控人員操作自動推薦輔助決策.

2.5 人工智能

人工神經網絡、模式識別、多智能體和深度學習等人工智能技術已經在電力暫態(tài)穩(wěn)定分析和負荷預測等領域得到了初步應用[18-19].將人工智能技術和電力系統(tǒng)分析技術相結合,可以為調控系統(tǒng)全、快、準的應用功能提供智能化解決方案.基于時序模式挖掘的設備故障預警與診斷技術,可實現(xiàn)跨變電站、多級調度中心的故障協(xié)同診斷.針對新能源發(fā)電的不確定性,通過智能化技術將發(fā)電計劃沿著日前、日內和實時不斷推進的時間進度,由不確定的運行區(qū)間逐漸逼近到一個確定的最優(yōu)運行點,實現(xiàn)電網運行的經濟、環(huán)保和市場多目標最優(yōu).新能源發(fā)電的不確定進一步加劇了電網運行風險評估的難度,智能化技術在高安全風險場景篩選、預防控制在線快速優(yōu)化決策方面都能發(fā)揮積極的作用,提升電網安全風險防控的智能化水平.

3 實現(xiàn)全、快、準應用功能的基礎工作

實現(xiàn)未來電網調控系統(tǒng)應用功能全局、快速和準確的目標,面臨諸多挑戰(zhàn),當前亟需在電網模型、數(shù)據(jù)積累,以及改進管理措施方面開展一系列的基礎工作.

3.1 模型云建設

電網模型是所有應用功能的基礎.早期調控系統(tǒng)外網模型采用等值方式,不能真實反映實際電網聯(lián)系,導致網絡分析準確率低、誤差偏大.模型拼接需要多個調控中心按一定的規(guī)則對邊界部分的設備重復建模,拼接過程復雜,定時拼接也不能保證模型的實時性.為適應調控一體化和調度一體化的大運行要求,文獻[20]提出了調控中心內部全業(yè)務模型一體化維護和調控中心之間多應用模型一體化共享的模型建設方案,為模型云建設積累了經驗.借鑒先進的云計算技術,構建按需服務的大電網模型云,首先需要加強電網模型參數(shù)質量管控,規(guī)范廠站和設備模型的命名,避免不同調度機構之間設備重名,規(guī)范一、二次設備ID編碼及有效關聯(lián),方便調控系統(tǒng)應用.

按照設備的調度管轄范圍和業(yè)務應用需要,建立多區(qū)域多業(yè)務多用戶分責維護機制,每個調控中心直接在模型云中完成管轄范圍的設備建模,無需模型拼接,實現(xiàn)模型維護和設備參數(shù)的流程化管理,提高模型更新的實時性.通過靜態(tài)規(guī)則校核與動態(tài)參數(shù)校核相結合的模型質量評價與校驗,對模型數(shù)和拓撲連接關系實現(xiàn)雙重校核,提高模型質量.根據(jù)各類業(yè)務對電網模型時間、空間和區(qū)域的不同使用需求,提供合適的模型裁剪與發(fā)布服務.

3.2 數(shù)據(jù)云建設

基于電網模型的因果分析方法已廣泛應用于電力系統(tǒng)分析領域.對于有些內在機理不是十分清晰的應用場景,如電網設備故障預測和診斷,或者計算量太大不能滿足在線應用要求的應用場景,如最大化消納新能源出力的運行方式安排和風險評估,單純依靠傳統(tǒng)的電力系統(tǒng)分析方法已經不能高效解決這類復雜問題,基于大數(shù)據(jù)的人工智能分析方法則可以提供有益的補充.而這些由數(shù)據(jù)驅動的分析方法,其前提是積累種類齊全、數(shù)量充沛的數(shù)據(jù).調控系統(tǒng)存在多種類型的大數(shù)據(jù),從時間維度來看,有電網實時大數(shù)據(jù)、海量歷史大數(shù)據(jù)、預測大數(shù)據(jù)；從業(yè)務維度來看,有電網運行大數(shù)據(jù)、設備大數(shù)據(jù)、管理大數(shù)據(jù)、人員行為大數(shù)據(jù)；從外部環(huán)境來看,有經濟、氣象、輿情等大數(shù)據(jù).這些數(shù)據(jù)目前分散在不同調度機構、不同專業(yè)、不同安全區(qū),嚴重影響了基于大數(shù)據(jù)的人工智能的實現(xiàn).未來調控系統(tǒng)將應用先進成熟的大數(shù)據(jù)存儲、接口、服務等技術,不斷積累數(shù)據(jù),建設服務于全網的數(shù)據(jù)云.結合大電網調控業(yè)務開展大數(shù)據(jù)智能挖掘技術研究,尋求智能化應用的突破,提高數(shù)據(jù)對于分析決策的支撐能力.

3.3 管理措施創(chuàng)新

“統(tǒng)一調度、分級管理”是中國保證電網安全運行的體制性優(yōu)勢.根據(jù)電網業(yè)務特點和計算機技術水平,以往調控系統(tǒng)針對各級調控中心獨立建設.未來調控系統(tǒng)可針對國、分、省和省、地、縣兩個層面分別建設統(tǒng)一的分析決策中心,在各級調控機構建設分散的當?shù)乇O(jiān)控系統(tǒng).部分已有的管理措施可能不適應這種新的調控系統(tǒng)架構,需要創(chuàng)新調控系統(tǒng)建設和運維等方面的管理方法.通過構建各級調控中心協(xié)同管理流程,打破電網模型和運行數(shù)據(jù)管理的“信息孤島”,配套制定相關運行管理規(guī)定,有效提高模型和數(shù)據(jù)質量,使得面向全網一體化運行的未來調控系統(tǒng)能更好地支撐五級調度管理體系.

4 結語

為了全面支撐特高壓互聯(lián)大電網的調度運行,需要借鑒先進成熟的計算機信息通信技術,構建邏輯上高度一體化的大電網調度控制系統(tǒng),支撐各級調控中心業(yè)務的一體化運作.未來調度控制系統(tǒng)的應用功能以模型全、數(shù)據(jù)全、功能全為基礎,以獲取快、計算快、響應快為特征,以信息準、決策準、控制準為目標,實現(xiàn)調控技術支撐手段由局部向全局、由經驗向智能、由計劃向市場的轉變,有望將電網調控運行提升到“正常狀態(tài)下的自動巡航,故障狀態(tài)下的自動導航”的智能調度新高度.