渐进学习的电网聚合的调控理论研究

以分散、分布、集中等方式大规模并入电网的可再生资源发电已成趋势，必将打破电力系统中发输配用等固有划分的传统模式，使集中式的电网优化调控面临困境。对此，在电网运行状况全景过程化可观测条件下，本项目提出渐进学习的电网聚合的调控理论研究，核心在于：将电网运行视为融自然、社会及智慧于一体的进化过程，提出基于学习理论的电网运行过程化的信息挖掘方法，即元件、源网流拓扑构架，以及资源互补、时空关联等特征信息规律的提取；据此，基于现代模式识别理论，提出聚合、电网聚合新概念，建立融合特征信息规律的聚合、电网聚合的模型与算法，实现渐进学习型电网建模，将复杂问题简单化；进而演绎具有自学习的、聚合的、时空滚动且关联的渐进调控机制，建立充分计及过去、关注现在又顾及将来的组合调控模型与算法，使电网调控策略在渐进学习中不断改进，赋予自愈思想，体现智能化。该项目在切合智能电网理念上，具有明显的理论意义和储备价值。

以分散、分布、集中等方式大规模并入电网的可再生能源发电已成趋势，必将打破电力系统中发输配用等固有划分的传统模式，使集中式的电网优化调控面临困境。对此，在电网运行状况全景过程化可观测条件下，本项目提出渐进学习的电网聚合的调控理论研究，主要研究内容与目标包括：提出基于学习理论的电网运行过程化信息挖掘方法，即元件、源网流拓扑构架，以及资源互补、时空关联等特征信息规律的提取；提出聚合、电网聚合新概念，建立融合特征信息规律的聚合、电网聚合的模型与算法；进而演绎具有自学习的、聚合的、时空滚动且关联的渐进调控机制，建立组合调控模型与算法。围绕上述三方面研究内容与目标，项目组开展了大量的研究工作，并取得了一系列研究成果，具体阐述如下。.（1）在电网过程化信息挖掘方面，以变压器、负荷及可再生能源发电个体为对象，通过预测、学习等方法对上述电网个体模型与特性展开研究，得到了部分电网个体的渐进性特征及表达；基于个体模型与特性分析，在广域环境下，研究提出了基于多代理系统的厂站拓扑和基于黑板模型的全局电网拓扑分析方法；最后，以风电、微网为例对风电功率的时空分布特性及多能源间的资源互补特性进行了研究，并对所得分析结果在调度运行、误差分析、储能配置等方面进行了应用研究。.（2）在聚合与电网聚合研究方面，研究提出了聚合电网的概念，并以此概念为核心，提出了观测点、观测点观测函数、聚合电网调控函数等概念；在电网聚合概念的牵引下，就如何形成电网聚合以及电网聚合内在规律性问题进行了深入研究，给出了聚合电网的形成方法；进一步探讨了电网聚合概念引导下的其它相关研究，如主导节点选择等方面；最终，构建了包括聚合电网概念、形成方法、内在规律分析及聚合电网应用范例的聚合电网基本理论体系。.（3）在渐进的调控机制理论研究方面，首先从预测环节着手，以风电为例对可再生能源随机注入功率进行渐进的过程化组合预测研究，服务后续决策、控制；其次，基于组合预测、学习研究基础上，在决策环节研究了风场无功补偿容量优化决策、微网运行优化决策等问题；最后，聚焦自动电压控制，提炼出渐进过程化组合控制方法，明晰了渐进调控理论的内在机制。.按计划书要求，本项目总体上完成了预定的研究计划，所提出的聚合电网渐进学习调控理论使电网调控具备了渐进、学习的特性，为未来电网调控提供了一种全新的手段方法，丰富、发展了电网调控的思想。.