0 引言

基于數(shù)學(xué)建模的電網(wǎng)仿真分析是研究大電網(wǎng)運行特性的主要工具,也是電網(wǎng)運行、規(guī)劃和設(shè)計的重要支撐手段。一般意義上,電網(wǎng)仿真分析可分為仿真計算和結(jié)果分析2部分,其中仿真計算基于機理分析,通過對元件的數(shù)學(xué)建模,經(jīng)由各種計算過程獲得對系統(tǒng)運行狀態(tài)變化、以數(shù)值型數(shù)據(jù)為主的描述,重點在于計算結(jié)果的正確性;結(jié)果分析則是基于仿真計算的結(jié)果,結(jié)合分析人員的經(jīng)驗和相關(guān)知識獲得對電網(wǎng)的認識。

隨著電網(wǎng)的不斷發(fā)展,我國電網(wǎng)仿真計算技術(shù)日新月異,已達到國際領(lǐng)先水平^[1],正在建設(shè)的國家電網(wǎng)仿真中心還將把目前以機電暫態(tài)為主的電網(wǎng)仿真計算提升到機電-電磁混合,乃至全電磁計算的水平。但是,對于仿真結(jié)果的分析目前主要依靠人工進行。面對復(fù)雜大電網(wǎng)的海量計算結(jié)果,這種方式已經(jīng)愈發(fā)難以滿足實際工作的需要,并造成了對仿真計算能力的浪費。

為了提升對電網(wǎng)仿真計算結(jié)果的分析能力,引入智能化技術(shù)已是必然選擇^[2],目前已有諸多相關(guān)成果,如基于在線數(shù)據(jù)的快速穩(wěn)定性分析^[3-4]、電網(wǎng)運行規(guī)則提取^[5]等。但是,這些研究只能解決某些特定問題,缺乏對復(fù)雜情況分析的支撐能力且零散而不成體系。

近幾年,大數(shù)據(jù)和人工智能技術(shù)的興起為復(fù)雜數(shù)據(jù)分析提供了新的思路。從本質(zhì)上講,電網(wǎng)分析是一個分析人員基于仿真數(shù)據(jù)對電網(wǎng)特性的認知過程,可以用DICKW模型^[6]進行概括,DICKW認知體系模型如圖1所示。

圖1 DICKW 認知體系模型Fig.1x DICKW cognition system model

DICKW模型總結(jié)了由數(shù)據(jù)到智慧的認知過程,電網(wǎng)分析主要涉及前4層,即數(shù)據(jù)、信息、認知和知識。其中,認知是指對信息的分析過程,認知的結(jié)果可能是人能理解的知識,也可能是某個人無法理解的復(fù)雜模型,例如訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)。

結(jié)合DICKW模型,可以看出目前電網(wǎng)分析主要存在以下問題：

1）在數(shù)據(jù)方面僅限于仿真計算結(jié)果,但大電網(wǎng)運行實際卻受到諸多條件影響,例如氣象、災(zāi)害以及設(shè)備可靠性等,這使得電網(wǎng)分析的視野受到局限;

2）對于數(shù)據(jù)中信息的自動提取能力不足。目前,電網(wǎng)仿真數(shù)據(jù)的輸出方式主要有表格、曲線、單線圖以及地理圖,基本都是數(shù)據(jù)的直觀展示,缺乏對數(shù)據(jù)信息的濃縮、提煉過程;

3）在認知方面,目前電網(wǎng)分析主要依靠人工,缺乏智能化的認知手段以及對認知結(jié)果的自動化應(yīng)用環(huán)境;

4）在知識方面,知識的積累和應(yīng)用主要依靠人工,缺乏知識庫和知識應(yīng)用系統(tǒng)的支撐。

針對上述問題,本文基于數(shù)據(jù)認知研究了電網(wǎng)仿真智能分析模型及系統(tǒng)架構(gòu)。這里將“數(shù)據(jù)認知”定義為基于數(shù)據(jù)的認知過程,其中數(shù)據(jù)指圍繞電網(wǎng)分析的大數(shù)據(jù),認知則指對電網(wǎng)分析大數(shù)據(jù)的提煉、總結(jié)過程,包括數(shù)據(jù)到信息、信息到認知、認知到知識3個子過程。從數(shù)據(jù)認知出發(fā),本文分別闡述智能分析系統(tǒng)數(shù)據(jù)、信息、認知和知識層的特點,進而提出系統(tǒng)架構(gòu)和應(yīng)用構(gòu)建思路。

 1 數(shù)據(jù)層

電網(wǎng)仿真分析基于數(shù)據(jù)進行,數(shù)據(jù)源主要是電網(wǎng)仿真計算數(shù)據(jù)和結(jié)果,屬于結(jié)構(gòu)化數(shù)據(jù)。基于大數(shù)據(jù)思維和技術(shù)^[7-11],可以在多個維度擴展仿真分析的數(shù)據(jù)基礎(chǔ)：

1）結(jié)合電力大數(shù)據(jù)平臺的構(gòu)建,引入電網(wǎng)公司相關(guān)專業(yè)的數(shù)據(jù),如電網(wǎng)運行可靠性數(shù)據(jù)、電網(wǎng)設(shè)備臺賬信息等,使得仿真計算及相關(guān)分析可以充分利用相對可控的電網(wǎng)內(nèi)部數(shù)據(jù),為分析工作的精細化提供必要條件;

2）基于目前的在線分析技術(shù),進一步引入各類在線量測數(shù)據(jù),實現(xiàn)仿真計算與實際系統(tǒng)數(shù)據(jù)的有機結(jié)合;

3）圍繞電力系統(tǒng)分析的相關(guān)問題,引入與之相關(guān)的社會和環(huán)境數(shù)據(jù),例如氣象、社會活動、經(jīng)濟發(fā)展預(yù)測等,拓展仿真計算及相關(guān)數(shù)據(jù)分析的視野;

4）以仿真分析的結(jié)構(gòu)化數(shù)據(jù)為基礎(chǔ),加入相關(guān)半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù),例如電網(wǎng)分析報告以及與電網(wǎng)分析相關(guān)的各類標(biāo)準(zhǔn)規(guī)范,這些非結(jié)構(gòu)化數(shù)據(jù)大多反映了分析人員對電網(wǎng)特性的認識和理解,對于人工智能技術(shù)在電網(wǎng)分析中的應(yīng)用具有重要意義;

5）依托國家電網(wǎng)仿真中心、電網(wǎng)云計算系統(tǒng)等強大的計算支撐平臺,構(gòu)建數(shù)字電力系統(tǒng)并通過大量虛擬計算,針對特定目標(biāo)累積分析樣本和數(shù)據(jù)。

除了上述5個維度外,隨著對電網(wǎng)仿真分析與電力大數(shù)據(jù)相結(jié)合的進一步實踐,更多的對電網(wǎng)仿真分析有意義的數(shù)據(jù)源還將被發(fā)現(xiàn)。這些海量的多類型異構(gòu)數(shù)據(jù)的存儲和處理勢必需要相應(yīng)的大數(shù)據(jù)平臺,在這方面新興的電力大數(shù)據(jù)技術(shù)可以提供有效支撐。

目前,由中國電力科學(xué)研究院研發(fā)的電力大數(shù)據(jù)平臺已在配電、新能源等領(lǐng)域開展了實際應(yīng)用,電網(wǎng)仿真數(shù)據(jù)智能分析系統(tǒng)可以看作是電力大數(shù)據(jù)平臺之上的一個應(yīng)用子系統(tǒng),其數(shù)據(jù)層所需的大數(shù)據(jù)管理、存儲、檢索等功能可以基于平臺提供的服務(wù)構(gòu)建,需要研究的關(guān)鍵問題是將電力大數(shù)據(jù)技術(shù)與電網(wǎng)仿真數(shù)據(jù)智能分析的場景結(jié)合,完成通用技術(shù)的專業(yè)化改造,主要包括2個方面：一是針對前述5個維度多類型異構(gòu)數(shù)據(jù)的數(shù)據(jù)模型,實現(xiàn)對數(shù)據(jù)屬性和關(guān)聯(lián)關(guān)系的高效表達;二是基于提出的數(shù)據(jù)模型,結(jié)合不同類型數(shù)據(jù)的時序特點,研究高效的數(shù)據(jù)清洗和整合方法,滿足實際應(yīng)用時的處理速度要求。

 2 信息層

根據(jù)DICKW模型,在電網(wǎng)仿真大數(shù)據(jù)基礎(chǔ)上需要進一步提煉其中的信息,該環(huán)節(jié)的核心問題在于數(shù)據(jù)特征的定義,對電力系統(tǒng)仿真數(shù)據(jù)進行分析其作用主要如下。

1）對數(shù)據(jù)信息的凝練和數(shù)據(jù)規(guī)模的壓縮。隨著我國電網(wǎng)的日益復(fù)雜、電網(wǎng)仿真計算的不斷精細化,仿真分析所涉及的數(shù)據(jù)量也在迅速增加。根據(jù)不同分析目的和手段的需要,提取相應(yīng)的數(shù)據(jù)特征能夠有效縮減數(shù)據(jù)量、增加數(shù)據(jù)的信息熵值,從而提高分析效率;

2）在數(shù)據(jù)分析過程中融合已有電網(wǎng)知識^[9-10]。數(shù)據(jù)特征的提取除了從數(shù)據(jù)自身規(guī)律出發(fā)構(gòu)建特征量外,還可以將電網(wǎng)已有的運行經(jīng)驗和理論知識融入其中。例如,在研究穩(wěn)定性問題時可以將目標(biāo)電網(wǎng)關(guān)鍵斷面信息作為特征量的一部分。實際上,已有電力系統(tǒng)各類指標(biāo)的研究成果都可以作為數(shù)據(jù)特征的來源。

3）有可能發(fā)現(xiàn)新的指標(biāo)。從數(shù)據(jù)自身規(guī)律出發(fā)的特征探索有可能為電網(wǎng)研究提供新的指標(biāo),在這方面相關(guān)領(lǐng)域的研究已有先例。例如,采用深度學(xué)習(xí)技術(shù)進行圖形特征提取時,其淺層網(wǎng)絡(luò)的輸出就體現(xiàn)了圖形識別的一些內(nèi)在規(guī)律。

電網(wǎng)仿真數(shù)據(jù)特征的提取主要有從數(shù)據(jù)自身規(guī)律出發(fā)、從已有知識經(jīng)驗出發(fā),以及將二者結(jié)合等
3種方式。目前已有的研究大多都是從已有的知識和經(jīng)驗出發(fā)主觀構(gòu)造初始特征量,而后通過主成分分析、特征重要性排序等壓縮算法獲得最終使用的特征量。這樣做的主要問題是提出的特征量實際是來自于機理分析,可能無法反映電網(wǎng)仿真數(shù)據(jù)的實際特性。

信息層需要研究和發(fā)展的關(guān)鍵技術(shù)是以深度學(xué)習(xí)為核心的表示學(xué)習(xí)方法,從輸入的仿真數(shù)據(jù)或各種指標(biāo)出發(fā),提取特征量并完成壓縮。由于仿真分析的目標(biāo)電力系統(tǒng)多種多樣,因此從實用化角度需要使學(xué)習(xí)得到的特征量具有遷移能力,在這方面選擇由原始仿真數(shù)據(jù)計算得到的機理指標(biāo)或統(tǒng)計量作為輸入量,例如500 kV母線電壓中位數(shù),可能會更有潛力。此外,由于電力系統(tǒng)的復(fù)雜性,學(xué)習(xí)得到的特征量通常難于解釋,因此需要基于知識發(fā)現(xiàn)技術(shù)研發(fā)特征量分析工具,特別是借助可視化方法展現(xiàn)特征量與系統(tǒng)狀態(tài)間的關(guān)系。

 3 認知層

基于電網(wǎng)仿真大數(shù)據(jù)的數(shù)據(jù)特征可以建立不同類型的認知模型,這些模型的構(gòu)建目標(biāo)主要是發(fā)現(xiàn)數(shù)據(jù)中蘊藏的規(guī)律,或者說模式。對于電網(wǎng)仿真分析,主要的認知模型如下。

1）以數(shù)據(jù)展示為核心的認知模型,包括將仿真數(shù)據(jù)轉(zhuǎn)為特定含義的圖形、結(jié)構(gòu)固定的報表等。這種認知模型的特點在于對計算結(jié)果的直接輸出,是目前最常見的形式,缺點主要是統(tǒng)計分析功能較弱、缺乏人機互動,以及對模式發(fā)現(xiàn)的支持不足。

2）基于電網(wǎng)仿真數(shù)據(jù)的智能判別分析模型。該模型的特點是基于大量仿真計算數(shù)據(jù)面向特定的分析目標(biāo),采用數(shù)據(jù)挖掘或人工智能方法直接獲取單一或多個判別結(jié)果。目前,在電網(wǎng)仿真數(shù)據(jù)分析方面進行的許多研究都屬于這個方面,例如基于在線計算結(jié)果進行系統(tǒng)穩(wěn)定性快速判別^[3]。這種認知模型的優(yōu)點在于可以快速獲得結(jié)論,有助于加速分析過程,對于在線應(yīng)用具有較大意義;缺點主要是這類模型通常針對特定問題、特定場景構(gòu)建,當(dāng)數(shù)據(jù)發(fā)生較大變化時往往需要重新訓(xùn)練,應(yīng)用范圍有限,同時得到的結(jié)果一般也不容易解釋。

3）基于數(shù)據(jù)分析的智能規(guī)則提取模型。該模型的特點在于利用數(shù)據(jù)分析方法從仿真數(shù)據(jù)中挖掘規(guī)律,一般是與特定問題相關(guān)的規(guī)則,目前已有部分研究成果^[5]。這種認知模型主要基于關(guān)聯(lián)分析,其優(yōu)點是可以發(fā)現(xiàn)潛在的電網(wǎng)特性和運行規(guī)律,對電網(wǎng)分析研究有較高價值;缺點主要是獲得的規(guī)則可能不夠顯著、難以解釋,以及不容易實際應(yīng)用。

4）面向電力系統(tǒng)控制策略問題的認知模型。該模型主要基于對電網(wǎng)狀態(tài)的判別結(jié)果和可用的調(diào)整手段,自動給出相應(yīng)的調(diào)整策略。由于電網(wǎng)運行對安全性的要求