推动新型电力系统认知与决策的新手段

发布日期: 2022-12-08

 

构建新型电力系统是贯彻落实国家能源安全新战略的重大需要,是实现我国能源结构转型发展的关键助力,是实现“双碳”目标的必由之路。而新型电力系统在不同建设阶段将呈现出丰富的特征,在推动能源转型发展的同时也将给电力系统的仿真决策带来许多新挑战。作为新一代仿真决策系统,数字孪生通过构筑新型电力系统模型生成演进新格局及搭建完备的关键技术体系,实现物理现实世界与数字虚拟世界精准映射,支持从多尺度、多场景、多任务对新型电力系统进行认知决策,有效适应新型电力系统的发展,成为推动新型电力系统建设的强大助力。

 

为此,南方电网立足发展新阶段,贯彻党和国家的战略方针,全面落实数字电网建设和数字化转型的战略部署,通过以物理电网为基础,以云计算、大数据、物联网、移动互联网、人工智能等数字技术为手段,全面分析新型电力系统发展特征,探索电网数字孪生建设技术范本,旨在贯通电力系统各环节的能量流、信息流、价值流,在数字物理电网、数字企业运营、数字客户服务、数字经济产业四大方面承载新型电力系统建设。

新型电力系统不同发展阶段 面临不同仿真决策挑战

 

结合国家“双碳”战略目标的部署,以2030年及2060年为关键时间节点,新型电力系统建设可被划分为发展期及成型期两个阶段。在由发展到成型的过程中,新型电力系统逐步实现化石能源为支撑到新能源全覆盖的转化,其建设贯穿“电力生产-电力供给-电力消费-电力市场”的全过程,呈现出大规模、多主体、快时变、高随机、非线性的特征,给新型电力系统仿真决策带来了如下挑战:一是新型电力系统调控对象大规模持续变化,非线性特征突出,运行不确定性加剧;二是市场主体出现随机行为及复杂博弈关系;三是系统时空耦合关系复杂,推演及决策的尺度多、跨度大;四是仿真任务繁杂,计算压力大,系统实时认知决策困难。而传统电力系统仿真决策软件多集中于解决一定规模、尺度、范围及任务下的确定性问题,依赖于固定且严格的数学机理模型,通过集中式平台进行统一计算求解。这将难以完全适应新型电力系统带来的新挑战:在仿真的真实性方面,挑战一、二、三表示电力系统运行特性向随机化和复杂化转变,传统仿真决策系统面向单一业务的数学机理模型在未来可能出现计算失准的现象;在决策的有效性方面,挑战一、三、四表示电力系统仿真决策从规模、尺度、跨度到任务都将会快速增长,传统仿真决策系统集中式平台从计算到安全都面临着巨大压力,逐步难以满足未来电力系统实时可观、可知、可控的决策需求。

 

因此,作为新一代仿真决策系统,数字孪生需要构筑新型电力系统模型生成演进的新格局,以对庞大、开放、随机且随社会发展动态变化的新型电力系统进行准确刻画及实时映射,保证其准确性;同时,数字孪生应完善新型电力系统认知决策关键技术体系,以适应新型电力系统不断发展的业务需求,保证其有效性,最终助力新型电力系统认知决策新发展。

 

数字孪生构筑新型电力系统 模型生成演进新格局

 

数字孪生将打破电力系统模型搭建过程低效化、局部化、理想化的局限性。传统电力系统模型搭建方式聚焦于局部区域的具体业务,依托于严格数学公式建立设备物理模型,在跨层级、跨区域、跨业务建模时缺乏有效的机制来应对模型等效、系统不确定度的传递和有效评估,难以有效发挥新型电力系统中海量数据的信息优势,呈现出低效化、局部化、理想化的局限性。相较而言,数字孪生通过“图形-数据-模型”的有机结合,可有效消融电力系统存在的数据交互壁垒,突破各层级、各业务模型之间相互独立、信息割裂、协调困难的现状,实现新型电力系统“源-网-荷”多层级模型的智能生成,加速电力系统建模体系融合。

 

数字孪生将赋予电力系统模型自我演进、终身学习的新能力。理想的电力系统模型旨在实现真实物理对象的准确、实时映射,但由于建模对象特性时变、模型机理偏差及感知设备故障等多种原因,难以保证模型的准确和实时映射。数字孪生一方面依托于“图形-数据-模型”融合驱动技术对模型基础数据进行甄别提取,保障其可用性;另一方面,基于先进、基于多学科知识有效提取建模对象的机理约束,将其转化为有效的数学方程,并作为正则化项融合至数据驱动算法的损失函数中实时引导智能模型进行自我纠偏,保证模型与实体对象物理机理的一致性,实现“机理驱动-数据驱动”的有机融合,赋予了电力系统自我演进、终身学习的重要能力,保障数字孪生仿真的真实性。

 

数字孪生助力新型电力系统 认知决策新发展

 

数字孪生由数据基础层、模型演进层、算法学习层、交互展示层组成,贯穿从局部到整体、从认知到决策的全过程,在依托于模型生成演进框架完成对新型电力系统的精准刻画及实时映射的同时,还需持续完善新型电力系统认知决策配套的关键技术体系,提升能源电力系统的认知和决策的有效性,赋能系统的感知、表征、决策领域,增强系统可观、可知、可控能力, 并为其他领域数字化、智能化转型提供可参考的技术范本。

 

一方面,数字孪生搭建新型电力系统认知决策关键技术体系。广域多参量数据全息感知技术依托于先进传感器的研发,将物理现象转化为数字信息,利用高维数据空间的降维数值分析和等效技术方法,实现多尺度时间-空间-参量的电力系统全息数据感知,是实现数据感知处理的技术基石。

 

多元异构主体的混合驱动模型构建与演进技术综合机理模型、数值仿真、大数据分析、人工智能等技术的长处,基于机理与数据互相纠偏的内在逻辑,形成机理知识+数据驱动联合驱动的新型电力系统多元主体表征演进的理论和方法,是实现自我演进的技术内核。

 

大规模多层级多尺度推演任务的分解协调及加速计算技术基于数字孪生云边协同的高性能计算框架和推演算法,实现多层级多尺度的复杂计算任务分解和协调,形成高强度虚实互动的并行推演计算与算力动态分配方法,是有效映射的技术保障。

 

面向多场景需求的分布式主体群体智能决策技术利用复杂系统智能群体博弈和知识发现方法,达到电力系统智能决策的自学习和自优化,并基于海量场景自动聚类方法选择新型电力系统的典型运行场景,形成面向多元主体复杂系统的高效运行策略,是优化决策的技术要点。

 

数据信息安全防御技术基于新型密码的数据安全防护体系,形成分布式纵深防御功能的信息安全威胁防御保护,实现信息安全计算功能的去中心化,充分利用“云-管-边-端”框架中各部分的算力资源,保证网络边缘能量交换、数据交换的安全性,是安全运行的技术前提。

 

可视化与虚实交互技术基于降维分析及混合现实方法等可视化与虚实交互技术,结合三维建模等基础手段建立系统物理对象的实体模型,并针对实际系统各物理对象的运行特点,对其高维特征进行降维表达,构建物理和数字信息共存,并可实时互动的可视化环境,将虚拟的信息应用到真实世界,实现现实和虚拟世界的有效合并,达到超越现实的感官体验,是服务实际需求、提高业务水平的技术手段。

 

另一方面,数字孪生有效赋能新型电力系统感知、表征、决策领域。依托于上述技术体系,数字孪生在有效满足新型电力系统的认知决策需求的同时,可进一步激发新型电力系统在感知、表征、决策领域的潜在能力。

 

赋能新型电力系统感知领域——增强系统“可观”能力。数字孪生的状态监测基于小微传感、能源USB等量测装置媒介,以数据安防与智能处理技术为核心,在虚拟和现实世界间建立起依托于数据的信息桥梁。同时,数字孪生系统可基于量测数据的贡献度以及系统内含的物理机理,对系统信息的冗余度进行综合分析,探究数据信息价值,合理规划量测设备的布局,增强系统状态感知能力。

 

赋能新型电力系统表征领域——提升系统“可知”能力。随着分布式资源的不断接入及社会行为的影响加深,能源电力系统复杂性愈发突出。其中,高度电力电子化的系统设备的运行机理和高度随机化的市场主体的行为规律都表现出高维非线性特征,其具体特性仍有待深入研究。对此,遵循薛禹胜院士的整体还原思维,数字孪生系统可从整体上实现复杂能源电力系统的信息保全,在局部模型的刻画上实现高维空间向低维平面的还原,在多时间尺度算法上将还原论拓展到非线性领域,把抽象复杂的运行特性转化为可以认知的平面轨迹特征。

 

赋能新型电力系统决策领域——加强系统“可控”能力。作为实际系统的虚拟映射,数字孪生系统积累大量实际系统运行数据,可根据需求对系统可能的运行轨迹进行模拟推演,天然具备成为验证各种调度及控制算法的测试平台的条件。同时,数字孪生系统在与调度人员交互过程中,可对富含大量经验知识的调度指令进行有效学习,探讨调度经验的模型化表达,在数字孪生系统算法层中训练调度机器人,是实现人工智能决策技术由以人为主的辅助决策向以人为辅的智能决策转变的重要途径。

 

数字孪生技术应用 要分阶段展开

 

总体来看,数字孪生建设是当前我国能源电力系统发展的迫切需求,也是在能源行业落实数字中国重大战略的关键举措。对于数字孪生如何在复杂能源电力系统应用的问题,各位学者及从业者需要时刻保持清醒的认知,把握住“数据-模型-算法-控制”这一条主线,分阶段展开工作。在技术研发阶段,对上述关键技术体系进行技术攻关与相关产品的自主研发,形成完备的数字孪生技术研究体系及产品研发供应体系;在试点应用阶段,以局部新增系统或具备改造条件的存量系统为对象,全面铺设数字孪生配套软硬件装置,验证数字孪生技术可行性,并实现相关产品的技术迭代;在规模化推广应用阶段,应充分调研目标地区当前的技术水平及应用需求,有效利用各地区已有的数据基础、硬件设备及相关平台资源,针对具体需求因地制宜的调整数字孪生建设框架,最大程度提高区域能源电力系统的认知和决策水平。

 

(李鹏系南方电网数字电网领域首席技术专家、南方电网数字电网集团有限公司总经理,黄文琦系南方电网人工智能领军技术专家、南方电网数字电网集团有限公司人工智能与智能软件团队负责人,余涛系华南理工大学教授、“珠江学者”特聘教授、博士生导师)

 

信息来源:中国能源网

相关链接