论文部分内容阅读
智能电网是电力工业一次重大的技术革命。智能电网由智能调度中心、智能变电站、智能输配电网组成。狭义智能调度指的调度辅助决策,广义智能调度指的是调度中心各应用功能的智能化。因此智能调度的实现需要解决智能调度中心的架构,以及应用功能的智能化两大问题。
在智能调度中心的架构方面,本文对智能调度中心的底层支撑平台、应用功能、对外通信方式、安全防护及容灾策略进行了研究。提出了智能调度柔性支撑平台架构(Flexible Support Platform Architecture, FSPA),该架构包括柔性数据流、数据引擎、智能引擎、展示引擎等技术特点。基于FSPA架构可以实现应用功能与支撑平台的松耦合,灵活拓展实时监测、分析与评估、调度管理、调度计划、调整与控制等5类应用功能。
电网报警作为实时监测的核心应用功能,其难点体现在最终同一征兆可能对应的源头并不唯一,故障发生时会产生连锁报警事件。根据笔者在各省级调度中心的工程实践项目中发现,目前国内能量管理系统(Energy Management System,EMS)采用的报警方法多为简单的设置优先级方式。多年来,国内外学者提出将人工神经源网络,专家系统等方法用于电网报警处理。然而基于规则的专家系统,规则的完备性是制约其使用效果的重要因素。因此基于模型报警方法(例如潮流模型)也不断被提出。然而电网智能报警需要涉及推理及判断的过程,该过程是建模的复杂度较大。从国内外情况来看,真正的智能型、综合型电网报警系统并未广泛使用。
在电网智能报警方法方面,本文分别提出了规则自生成的智能报警(Rules Self-generated Intelligent Alarming, RSIA)方法,快速电网智能报警(Fast Intelligent Gird Alarming, FIGA)方法,模型及规则结合的智能报警(Models and Rules Combined Intelligent Alarming, MRCIA)方法。RSIA方法的核心是统计学习,通过对样本的机器学习生成报警所需的判别规则,取代人工给出报警规则的方式。FIGA方法通过采用相量测量单元(Phaser Measurement Unit, PMU)优化算法来降低观测器维度,并采用基于决策树的支持向量机(Decision Tree-support Vector Machine, DT-SVM)减少分类数,从而达到对RSIA方法性能改进的目的。MICIA方法将图形化的分层流模型与启发式规则相结合,即不失专家系统的灵活性,同时基于图形的建模方法也较潮流模型简单。通过对RSIA方法、FIGA方法以及MRCIA方法的研究,本文认为通过机器学习获取相应规则,适度补充人工经验规则,并与图形化的建模方式结合是实现电网智能报警良好的解决思路。
结合本课题组在故障诊断以及本文在智能报警方法方面的研究成果,设计及实现了智能报警及故障诊断一体化系统(Intelligent and Fault Diagnosis Integrative System, IFDIS),该系统包括底层支撑平台及智能报警及故障诊断应用功能。底层支撑平台采用柔性智能调度支撑平台架构(FSPA),该系统及可以进行独立的智能报警及故障诊断,也可以将智能报警的结果作为故障诊断的输入,体现了智能报警与故障诊断一体化的思想。