基于深度学习大数据技术的电网安全稳定智能分析和评估研究

With the expansion of the scale and complexity of the power grid, it is of great significance to analyze and study the security and stability of the power grid by using the information provided by the massive grid data effectively. Based on the research on the evaluation method of power system security and stability with deep learning technology, the new technology of stability analysis and decision-making can grasp the complex power grid. And it has far-reaching theoretical significance and practical value to guarantee the safe and stable operation of power grid. With the advantages in the processing of massive data and accurate physical model, big data technology is introduced into the power system. The large scale data warehouse is constructed in power system by using historical data, real-time measurement data and simulation data, and the integration and concentration of the existing multi-source heterogeneous data has been achieved. And then through the deep learning and data mining technology, it can intelligent extraction of the security and stability rules and key control objects. The security of power system operation is analyzed and evaluated, and the application level of power grid operation data is improved. Finally, through the deep reinforcement learning technology, it can realize the on-line assessment of power system transient stability. In this project, the advanced artificial intelligence technology is introduced into the operation of power system, which can provide an important basis for the safe and stable operation of the power grid.

随着电网规模和复杂性的日益扩大，有效利用海量电网数据提供的信息进行电网安全稳定运行分析研究，具有重大意义。通过对基于深度学习大数据技术的电力系统安全稳定性评估方法研究，可以掌握复杂电网的安全稳定分析与决策新技术，对于保障电网安全稳定运行具有深远的理论意义和工程实用价值。本项目利用大数据技术在处理海量数据和不准确物理模型方面的优势，将大数据技术引入电力系统，利用电网累积的历史量测数据、实时量测数据以及仿真计算数据构建电力系统大规模数据仓库，实现已有多源异构数据的整合与集中；进而通过深度学习和数据挖掘技术，智能提取大电网安全稳定规则和关键控制对象，实现对电力系统运行的安全性分析与评估，提高电网运行数据的应用水平；最后通过深度强化学习技术，实现对电力系统暂态稳定的在线评估。本项目研究将先进的人工智能技术引入电力系统调度运行中，可以为电网安全稳定运行提供重要的决策依据，具有较大的经济和社会效益。

随着全国联网规模的不断扩大和电压等级的不断提高，电网互联模式日益复杂，电力系统调度运行日益朝着“数字化、集成化、智能化”方向发展。但是随着电网业务终端繁多，数据量庞大，电网运行模式难以有效识别，电网运行存在控制模式难以协调统一优化问题，并且现有电网安全稳定分析过于保守，不利于系统高效运行问题突出。因此，采取先进的技术手段，对采集到的电网异常数据进行智能校核，对电网运行进行智能安全分析和评估，提高大电网的可观性和可控性是亟需解决的重要问题。.课题围绕基于深度学习大数据技术的电网安全稳定智能分析和评估研究问题进行了深入研究，取得了一系列研究成果，具体包括：.1）提出了基于自组织特征映射算法的大数据智能检测方法和基于密度的一维孤立点初筛异常数据检测技术，实现了对在线海量调度运行数据的精准辨识；同时利用深度神经网络对风光联合出力特性进行了隐式建模并准确描述其不确定性，具有较强的泛化能力和较好的鲁棒性。.2）提出了基于信息熵和互信息的电力系统关键特征选择算法，通过对电网特征量与电力系统稳定性的互信息进行量化评估，有效提取电网运行关键特征量；同时提出了基于K-means聚类算法的电力系统运行模式智能识别方法，通过拓扑相似度与潮流距离指标，实现了电网运行模式的智能识别。.3）建立了基于深度学习的暂态稳定评估框架，提出了考虑电力网络空间相关性和暂态数据时间相关性的暂态稳定评估方法，并首次提出了循环门单元-深度置信网络的电网暂态稳定评估模型，从时空相关性角度进一步提升稳定性评估的准确性和鲁棒性。.本课题的研究成果是对人工智能和深度学习技术在电力系统智能分析与评估方面的重要应用，实现大电网关键控制对象提取、电网运行模式智能识别、获取电网实用动态安全域，能够有效减少电力系统故障的发生并有效抑制故障的发展，对提高电网的安全稳定运行能力和电网安全稳定运行水平具有重要意义。