新一代人工智能技术在电力系统调度运行中的应用评述

被引:156
作者
赵晋泉 [1 ]
夏雪 [1 ]
徐春雷 [2 ]
胡伟 [2 ]
尚学伟 [3 ]
机构
[1] 河海大学能源与电气学院
[2] 国网江苏省电力有限公司
[3] 北京科东电力控制系统有限责任公司
基金
国家重点研发计划;
关键词
人工智能; 电力系统; 调度运行; 深度学习; 强化学习; 场景适配;
D O I
暂无
中图分类号
TM73 [电力系统的调度、管理、通信];
学科分类号
120103 [信息系统与信息管理];
摘要
以深度学习、强化学习为代表的新一代人工智能技术及其应用是当前电力系统领域的研究热点。人工智能技术具有不依赖物理机理,计算速度快,辨别效率高等优点。但人工智能固有的可解释性差、稳定性弱等缺点也制约了其在电力系统一些场景的应用。文中梳理了新一代人工智能技术在电力系统负荷和新能源预测、故障诊断、在线稳定性评估、频率及电压优化控制和电网运行方式制定等调度运行场景中的应用,并进行了分析和评述。总结了现有研究中存在的问题,指出人工智能技术的应用应当以问题为导向,以场景为基础,以应用为目的。最后,对未来人工智能技术在电力系统调度运行中的应用作出了展望。
引用
收藏
页码:1 / 10
页数:10
相关论文
共 52 条
[1]
含高比例风电的电力市场电价预测 [J].
姚子麟 ;
张亮 ;
邹斌 ;
顾申申 .
电力系统自动化, 2020, 44 (12) :49-55
[2]
基于两阶段集成深度置信网络的电力系统暂态稳定评估 [J].
邵美阳 ;
吴俊勇 ;
李宝琴 ;
张若愚 .
电网技术, 2020, 44 (05) :1776-1787
[3]
基于卷积神经网络和简单循环单元集成模型的风电场内多风机风速预测 [J].
王晨 ;
寇鹏 .
电工技术学报, 2020, 35 (13) :2723-2735
[4]
基于多视角迁移学习的风场内机群划分及等值风场参数综合优化 [J].
韩佶 ;
苗世洪 ;
李力行 ;
杨炜晨 ;
李姚旺 .
中国电机工程学报, 2020, 40 (15) :4866-4881
[5]
基于DBN-IFCM的变压器故障诊断方法 [J].
刘仲民 ;
翟玉晓 ;
张鑫 ;
周静龙 .
高电压技术, 2020, 46 (12) :4258-4265
[6]
配电网持续无功优化的深度强化学习方法 [J].
李琦 ;
乔颖 ;
张宇精 .
电网技术, 2020, 44 (04) :1473-1480
[7]
基于LSTM和非参数核密度估计的风电功率概率区间预测 [J].
郎伟明 ;
麻向津 ;
周博文 ;
杨东升 ;
罗艳红 ;
刘林奇 .
智慧电力, 2020, 48 (02) :31-37+103
[8]
基于集成深度置信网络的精细化电力系统暂态稳定评估 [J].
李宝琴 ;
吴俊勇 ;
邵美阳 ;
张若愚 ;
郝亮亮 .
电力系统自动化, 2020, 44 (06) :17-26
[9]
基于时间卷积网络分位数回归的短期负荷概率密度预测方法 [J].
庞昊 ;
高金峰 ;
杜耀恒 .
电网技术, 2020, 44 (04) :1343-1350
[10]
基于SAE-ELM的电动汽车充电站负荷预测模型 [J].
龚钢军 ;
安晓楠 ;
陈志敏 ;
张帅 ;
文亚凤 ;
吴秋新 ;
苏畅 .
现代电力, 2019, 36 (06) :9-15