2024年人工智能赋能电力系统安全稳定研究报告

——动力、范式、问题及应对思考南方电网科学研究院李诗旸2024年12月本文件的知识产权属南方电网公司所有。对本文件的使用及处置应严格遵循南方电网公司有关规定或获取本文件的合同及约定的条件和要求。未经南方电网公司事先书面同意，不得对外披露、复制。IntellectualPropertyRightsStatementThisdocumentisthepropertyofandcontainsproprietaryinformationownedbyCSGand/oritsrelatedproprietor.Yoconditionsoftheagreementunderwhichitwasprovidedtoyou.NodisclosureorcopyofthisdocumentispermittedwithoutthepriorwrittenpermissionofCSG.目目录第二部分第二部分第三部分第三部分SEPRI南方电网科学研究院电力系统是一个复杂动力系统，为了完成供电根本任务，安全稳定是必要条件。稳定：遭受扰动后系统运行状态自动归于平静；安全：遭受扰动后系统运行状态可接受。电力系统安全稳定问题，主要包括安全稳定分析与控制。分析：回答系统运行状态是否安全稳定、有多(不)安全稳定、为什么(不)安全稳定；控制：回答如何在正常运行波动和扰动下维持安全稳定。电力系统稳定性电力系统稳定性功角稳定频率稳定电压稳定大扰动小扰动短期短期长期短期大扰动长期2004IEEE/CIGRE稳定性经典分类角稳定位定l角检定短期新荡蛋汤步小祝动大批动个批动相角电压检定电浓振压电压动角2022中国电科院、国调提出的安全稳定分类oCSG2024.AllRightsReserved南网中央研究院原创技术策源地“非平凡”的回答：在新的系统安全稳定特性及需求发展趋势下，有的要紧事，融合Al可以干得更好，有的要紧事，没有AI几乎干不了。新型电力系统中，占比逐渐上升的新能源和变流器并网设备具有不同于同步机的出力特性、动态特性、谐波特性和接入分布特性，给电网安全稳定问题引入了新场景、新机理和相应的新安全稳定风险。改进决策改进决策这些新特性，从分析控制主体的视角看，都可近似归结为(模型、运行方式、扰动的)不确定性。安全稳定分析控制应对策略：两个扩展、两个加强。改善边界传统机组改善边界传统机组虚拟电厂新能源厂站功率新能源厂站涉网参数控制决策广域量测未来态预测宽频量测营销数据扩展预测资源控制觉略生成.控制觉略生成.可盘略生成8凡度操作池老和执行记录开略和置策略生快的问文鸡准加强决策预见扩展控制资源当朗障向错施计制及当朗障向错施计制及器口要加强决策应变匾发展电力人工智能及其配套基础设施是实现上述不确定性应对策略不可或缺的一条关键途径。新Al技术的优势，可支持整体与还原、经验与心智更优平衡的科学范式，恰好擅于破解不确定性。是归结于不确定性的系统复杂性上升，逼迫大系统安全稳定分析控制与人工智能形成“统一战线”。∵海量参数所沉淀∵海量参数所沉淀的海量数据信息∴突破人类记忆对新型电力系统多变运行环境的感知能力驾驭高维空间驾驭高维空间∵维数灾新边界下∵维数灾新边界下奥卡姆剃刀的变化∴一定程度避免对复杂新型电力系统做强降阶导致损失信息显式表征非线性显式表征非线性隐式关联∵联结主义信念下∵联结主义信念下神经网络的通用近似能力线性动态的解析预见能力∵具备有限步可简∵具备有限步可简单计算性的神经网络形式DD多种归纳偏置渠道理模型、量测、定律定理和仿真∵统计学基因赋予∵统计学基因赋予的随机分析框架∴可直接利用含不确定性误差、矛盾的量测数据并获得统计特征SEPRI南方电网科学研究院SEPRI南方电网科学研究院式研究中，不得不将典型运行方式基础数据从传统的5套扩展到9套予以应对。过去一年的若干事故事件暴露出现有分析模型的不足，为此需将模型规模扩大至少一个数量级，强化电磁仿真运用，并建立对源生离线计算校核的规模较以往至少上升1~2个数量级在线计算决策的速度必代表性：电力系统，尤其是安全稳定领域，是一个代表性的复杂非线性动力系统研究场景，是Al4S研究的一片沃土，如果能形成突破性的成果，将会像这些年广为人知的围棋、星际争霸、文本/图像/视5节点环状网随机线路电抗采样下潮流方程非平凡实数解个数直方图[Bernard2019]南网中央研究院原创技术策源地三节点系统的分岔现象[Piklu2020]挑战性：目前Al和人类智能比，最突出的弱点包括高风险任务难以完全信赖，以及是训练能效低。作为能源基础设施，电力系统安全稳定分析控制，恰恰对可信赖性有极强需求，且需兼顾能效目标。如果说兼顾可持续性和重大安全风险的领域是AI应用研究力图摘取的皇冠，那么电力系统安全稳定控制一定是皇冠上最为璀璨的明珠之一。电力系统安全稳定Al研究，一定会反哺Al科学并惠及其他领域。全球数据中心、Al、数字货币耗电量预测[IEA2024]高斯：数学是科学的皇后，而数论是数学的皇后第一部分第一部分第二部分目目录问题集：27个挑战性问题及应对思考作为算法作为智能体作为算法作为智能体Al在分析和控制决策中可作为端到端解决问题的算法以完成具体的归纳或演绎任务，也可充当协调资源、调度流程的智能体以辅助人类或独立达成需要分析或综合的复杂目标。归纳：从特殊到一般归纳：从特殊到一般分析：从整体到部分分析：从整体到部分·规范分析流程自动化·Co-pilot·系统特性抽象与评估·C演绎：从一般到特殊演绎：从一般到特殊·得到运行状态/安稳指·因果推断：用因果关系标/控制对象控制量·逻辑推演：用蕴含关系·预测和估计：用相关关·样本生成：用生成模型综合：从部分到整体综合：从部分到整体·异构数据融合·嵌入领域知识·控制策略设计·异构数据融合·嵌入领域知识oCSG2024.AllRightsReserved南网中央研究院原创技术策源地当前主流Al技术以大数据、大算例、大模型为基础，需要大资金、大系统、大团队推动运转，研究和部署应用都是一项系统工程，AI工程组织实现形式是Al研究和应用范式内涵的重要元素。充分的可信赖性是Al分析决策闭环落地应用的前提，Al的可信赖程度决定了Al与人协作的可行模式。能够替代人的AI通常是因时而变的，Al的研究和应用范式需考虑Al全寿命周期的健康和成长性。作为规范的系统安全稳定研究或分析控制工具，测试、评估、验证、考核、退出、替代方案也是构成研究和应用范式的重要元素。调度部门、运维单位、厂家在厂内模拟环境逐功能测试验证厂家根据策略表调度部门、运维单位、厂家在厂内模拟环境逐功能测试验证厂家根据策略表装置持续挂网运行，仅断开出口回路，评估是否正常通过硬件在环半实物仿真，验证稳控程序在搭建的大电网模拟环境中对高风险稳控系统，在一次系统上施加或在二次系统模拟设定的扰动，验证一、二次系统WhatmustcalinstumentsdoMnAmanwakedintoamstaurarnt,ocasdabowAgphsintholatweokof原创技术策源地mAQ盛14第一部分第三部分应对思路：升级建设量测系统及数据库；利用数据增强技术；利用仿真模型生成数据；利用问题对电网的局部对称性；嵌入领域知识归问题：无论是历史真实数据还是生成数据，靠近安全稳定域/收敛域边界的数据远少于远离边界的数据，域外数据远少于域内数据应对思路：利用各种通用的样本平衡技术，如欠/过采样、数据增强、代价敏感损失函数、对不平衡低敏感的模型；训练弱模型生成少数类并逐步迭代；利用其他追踪域边界的方法获得边界附近样本和域外样本应对思路：优化利用历史数据，平衡仿真模型构建校准和预测/生成模型训练等多个目标；训练模型感知Sim和Real的差距变化；持续学习；借助无模型的安全稳定指标降低基于模型的安全稳定指标对模型误差的敏感度应对思路：融合A建模技术；探索厂家+电网“灰箱”规范化合作建模路径；建设应对思路：利用时下可解释A的前沿成果，如更透明的模型结构，模型的局部解释、图像解释，神经微分方程；反思可解释性对特定问题的价值，容许可信任但难解释的模型泛化性泛化性问题：机器学习类Al的一般性问题，电力系统作为真实数据不算充裕的、安全风险敏感的高维复杂非线性系统，泛化性挑战尤为突出应对思路：借鉴利用一切提升Al泛化性的前沿成果，尤其关注自动驾驶、医疗、航空航天等安全风险敏感领域；建立电力系统安全稳定领域AI泛化性评估的标准方法和基准算例(benchmark),覆盖对网络图拓扑、主要网络参数和设备涉网参数的泛化性测评电力系统基本方程、基本优化模型所隐含映射的可学习性(误差可控性)电力系统基本方程、基本优化模型所隐含映射的可学习性(误差可控性)问题：电力科学计算AI模型试图直接给出电力系统基本方程、基本优化模型所隐含映射的神经网络近似，部分隐射(如常规潮流解映射)一般可满足通用近似定理条件，但对于电力系统的维度，当前学习技术是否可按给定误差、用有限样本在关心区域高效拟合仍待探究电力系统基本方程、优化模型的多解问题标签本身存在理论困难应对思路：利用全纯嵌入、延拓法等技术获得标签；全局最优算法；探索是否可接受以多解支随机切换的映射为学习目标模型序列、多阶段学习及反向沉淀务端上层模型在持续学习中获得的知识和智慧应可作为下层模型的经验得到抽象沉淀，反过来提升底层模型的更通用的智能应对思路：规划预训练模型序列和谱系；建立模型开发生态圈；充分利用大模型的两(多)阶段训练和迁移学习技术；探索以模型为学习对象的学习技术3.2问题集|演绎问题：场景参数维度极高，逼真的场景需符合电力电要利用“幻觉”又要限制“幻觉”应对思路：进一步发展Al支持的多时间尺度运行运行模拟；利用条件生成模型；保存并充分挖掘历史数据电力系统规划运行场景集及基于场景集分析的有效性问题：场景集设置是仿真分析法的灵魂，有效场景集一方面要能可靠概括所研究的问题(如“包住”设防风险),一方面要节制规模应对思路：运用Al定位域边界；运用A快速评估问题关心的指标，如安全稳定风险，保障场景化信息丢失的安全性；运用A挖掘场景间关系，利用场景关系增强数据、剔除低信息量场景、建立场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提升数值仿真(初值收敛性、初值匹配、加速、算法参数优化等)问题：潮流初值超出(合理解)收敛域、潮流解与动态模型静态约束不匹配是阻碍仿真分析自动闭环、制约效率的顽疾；电力系统方程和优化问题求解器中通常提供了一些可影响收敛性、求解速度和解质量的算法参数，存在优化空间；底层数值求解器也存在A优化空间应对思路：运用Al预解优化初值(Al直接求解或利用附近历史求解数据);与专业求解器团队合作开展底层AI优化3.3问题集|分析应对思路：进一步规范化和抽象分析流程；提供人在环路的交互分析接口；量化分析和控制决策流程目标以支持强化学习，使用A逐步代理专家决策并由专家做后审查；在计算分析平台上开发专家行为记录功能，提供引导学习素材；以仿真场问题：稳定性(按定义)本身不可直接观测，所有安全稳定性指标都是对场景参数和状态轨迹的强降维，以往人们通过机理分析降维得到的指标应充分继承，但不排除受到分析范式的限制，指标可能存在假设过强、不宜求解、过于保守等问题，有待补充完善问题：对电力系统安全稳定分析和控制决策已积累了许多行之有效的分析方法、流程，以及针对其中各环节的标准工具，目前针对较为复杂的上层分析和控制决策任务，只能靠专家来拆解任务、设定和动态调整分析流水线、调用分散数据和分散工具、操作相关设备3.4问题集|综合安全稳定约束嵌入安全稳定约束嵌入问题：电力系统安全稳定分析和控制决策许多环节需满足安全稳定硬约束，不接受“近似满足”,但经典的神经网络训练是一个无约束优化求解过程，模型从数据中很难直接精准学到硬约束；通过语言、符号输入直接“教给”模型硬约束，又存在是否真正理解的问题应对思路：利用各类先进的安全学习训练方法；对Al的结果做硬约束审查；综合运用符号逻辑方法集成学习、群体学习问题：各个内部单位，以及引入竞争的多个外部单位，可应对思路：利用集成学习和各类分布式学习方法，实现群体智慧对个体的超越领域先验、解析计算、时域仿真、逻辑推演、优化和机器学习的粘合问题：先验知识需要继承，各类方法各有优缺点，针对具体问题，需有系统性的综合方法应对思路：目前这是研究人员的领地，现有解决方案基于专家对问题、方法和相关价值观的深入理解，当前AI是否能承担或辅助承担这类任务有待探索3.5问题集数据基础设施问题：与系统安全稳定分析评估相关的有用数据尚未实现对Al平台完全打通，跨区、跨单位、跨平台数据整合、对齐工作量巨大；缺乏统一的训练数据筛选、存储管理机制，大量有用实测数据和仿真计算数据遭到直接抛弃应对思路：持续推进数字化基础设施整体建设，针对使能Al有步骤地打通若干关键数据平台；建设电网大扰动数据库算力优化配置负荷空间转移，缺乏算力、数据、任务、计算用电的联合优化调度机制应对思路：探索系统性的算力需求评估方法；探索算例内部分配及合作研发的对外分配机制；研究四个元素的跨时空协同优化合作研发模式合作研发模式执优势资源，任何单一方面难以独立破解相关的高难度科学、技术和工程挑战，合作研发机制尚待进一步建立健全应对思路：电网公司作为业务需求方、数据持有方，可牵头积极探索电力AI大规模前沿研究的合作研发模式，打造原创技术