科学家以新方式使用人工智能来增强电网弹性

导读由Argonne科学家创建的新的人工神经网络模型可以相对较高的精度处理电力系统的静态和动态特征。美国的电网系统不仅规模庞大,而且充满活力

由Argonne科学家创建的新的人工神经网络模型可以相对较高的精度处理电力系统的静态和动态特征。美国的电网系统不仅规模庞大,而且充满活力,这使其管理起来尤其具有挑战性。操作员知道在条件不变时如何维护系统。但是,当条件迅速变化时,例如由于突发故障,操作员就缺乏明确的方法来预测系统应如何最好地满足系统安全性和安全性要求。

借助新的神经网络,实验室科学家帮助创建了可以弥合电力系统静态和动态特性的新公式,这是一项艰巨的任务。图片来源:美国空军/丹尼尔·加西亚(Daniel Garcia),公共领域,通过af.mil

在美国能源部(DOE)的阿贡国家实验室(Argonne National Laboratory),一个研究小组开发了一种新颖的方法,以帮助系统操作员了解如何借助人工智能更好地控制电力系统。根据IEEE Transactions on Power Systems上的最新文章 , 他们的新方法可以帮助运营商以更有效的方式控制电力系统,从而可以增强美国电网的弹性 。

融合动态和静态计算

这种新方法使操作员可以在单个决策模型中以更高的准确性同时考虑电力系统的静态和动态特性来做出决策,这在历史上是一项艰巨的挑战。

“决定打开或关闭发电机并确定其功率输出水平的决定是静态决定的一个示例,该决定在一定时间内不会发生变化。不过,与发电机速度有关的电频率是动态功能的一个示例,因为在中断(例如,负载跳闸)或操作(例如,开关闭合)的情况下,它可能随时间波动),“与这项研究合作的人阿贡计算科学家冯秋说。“如果你把动态和静态配方一起在同一个模型,它本质上是不可能解决的。”

在电力系统中,操作员必须将频率保持在一定范围内,以满足安全限制。静态条件(例如在线发电机的数量)会影响系统的保持频率能力和其他动态功能。

大多数分析人员分别计算静态和动态特征,但结果不足。同时,其他人试图开发可以桥接两种类型的计算的简单模型,但是这些模型的可伸缩性和准确性受到限制,尤其是随着系统变得越来越复杂。

人工神经网络将静态和动态特征之间的点连接起来

Qiu和他的同伴没有尝试将现有的静态和动态公式组合在一起,而是开发了一种方法来创建可以将两者联系起来的新公式。他们的方法集中在使用称为神经网络的人工智能工具上。

“神经网络可以在特定的输入和特定的输出之间创建映射,”研究的主要作者,阿贡大学博士后任命的张宜辰说。“如果我知道我们先从条件以及我们的结束了,我可以用神经网络弄清楚这些条件如何映射到对方。”

尽管他们的神经网络方法可以应用于大功率系统,但该团队在微电网系统上进行了测试,该系统是分布式能源的可控网络,例如柴油发电机和太阳能光伏板。

该团队使用神经网络来跟踪微电网系统中的一组静态条件如何映射到一组动态条件或值。更具体地说,研究人员使用它来优化微电网中的静态资源,从而使电频率保持在安全范围内。

仿真数据用作训练其神经网络的输入和输出。输入是静态数据,输出是动态响应,特别是安全的频率范围。当研究人员通过这两组数据到神经网络,它“学会”映射为一组静态条件下估计的动态响应。

“神经网络将我们通常无法与静态方程结合的复杂动态方程式转变为可以一起求解的新形式,” Qui说。

为新型分析打开大门

研究人员,分析人员和操作人员可以使用Argonne科学家的方法作为起点。例如,运营商可以潜在地使用它来预测何时可以打开和关闭发电资源,同时确保所有在线资源都能够承受某些破坏。

Argonne博士后任命兼合著者Tianqi Hong说:“这种情况是系统操作员一直想分析的情况,但由于无法同时计算静态和动态特征而无法做到。” “现在,我们认为这项工作使得这种类型的分析可能的。”

“我们对这种分析方法的潜力感到兴奋,”阿贡国家电网计划总监马克·佩特里(Mark Petri)说。“举例来说,这可以为运营商快速提供一个更好的方式,安全地中断后恢复供电,通过复杂的业务决策挑战的问题纠缠着系统动力学,使电网更有弹性的外部危害。”

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢