電力技術在電力調度運行中的應用

國網營口市熊岳供電公司 鄭家祿

1 電力技術在電力調度運行中的應用

1.1 電力電子技術

HVDC高壓直流輸電。高壓直流輸電是憑借直流電的無感抗、無同步問題、輸送穩定的特征，采取大功率遠距離直流輸電方式的一種輸電技術，多用于海底電纜輸電或是連接獨立電力系統，將所輸送電能自三相交流電網導出，經換流站將交流電轉換為直流電，在架空線纜中直接傳輸至另一側換流站轉換為交流電，從而接入交流電網。與傳統交流輸電方式相比，其在應用于遠距離輸電場景時體現出電能損耗率低、輸電容量大、電能等級與方向可控性強、抑制低頻振蕩的優勢。然而，根據實際應用情況來看，在高壓直流輸電線網中所配置換流站的造價成本較為高昂，唯有保持在特定輸電距離范圍內才能取得預期經濟效益，適用場景為40～60km電纜線路與600～800km架空線路，這在一定程度上限制了HVDC技術的推廣普及[1]。

FACTS柔性交流輸電。柔性交流輸電是整合微處理、控制技術、電力電子技術、通信技術等多項技術而構成的一種快速控制交流輸電技術，FACTS系統由靜止無功補償器、固定串聯補償裝置、靜止同步補償器等組成，同時具備抑制低頻振蕩、電壓控制、潮流控制等基本使用功能。與其他電力電子技術相比主要優勢在于，通過安裝具備獨立或綜合控制功能的裝置，在輸電過程中可對電壓與電抗等主要參數進行適時控制，實現輸送功率合理分配目標，從而將功率損耗與實際發電成本控制在較低程度，將線路的實際輸電容量盡可能接近熱穩定極限，多用于電力系統的大功率長距離輸電場景，在出現輸電故障與存在安全隱患時快速采取處理措施，控制事故影響范圍，避免出現大面積停電現象。

1.2 AEMS能量管理系統

在電網工程中，AEMS能量管理系統是一種用于設備管理而開發的軟件系統，系統由應用功能及基礎功能加以構成，應用功能包括自動發電控制、網絡應用分析、數據實時采集監控等，基礎功能包括支撐模塊、計算機數據庫、操作系統、信息傳輸系統等。

在電網運行過程中，能量管理系統負責對電網實時運行狀態進行監測分析，持續反饋接收發電機正序分量信息、線路原始電壓等現場監測信號，將監測值與額定值、當下電網運行狀況與歷史運行狀態進行對比分析，根據分析結果來預測電力系統與單項設備在未來一段時間的運行趨勢，及時發現已存在或是未來可能出現的運行故障，如發電機震蕩現象。隨后，能量管理系統在已收集資料信息與電網狀態分析結果基礎上，輔助人工或獨立制定自動發電控制計劃，對電網負荷運行狀態進行優化調整與實時調度，從而實現電網資源的優化配置目標，將故障隱患消滅于萌芽狀態[2]。

1.3 雷電定位技術

在電網工程早期運行階段中，受到技術與惡劣氣候限制，電網結構與輸電線路偶爾遭受雷電流打擊，造成嚴重損失，如線路過載運行、設備燒損、絕緣老化加快等，對電力系統運行狀態造成不利影響。針對于此，為預防和減少設備燒損等安全事故的發生，盡可量減小天氣因素對電網運行與電力資源供給造成的影響，需要應用到雷電定位技術，提前預測周邊區域中的閃電所處地理位置，采取相應處理措施，避免電網造成雷電流打擊。

同時，在電網已遭受雷電流打擊時，雷電定位系統可在已掌握信息資料基礎上，短時間內確定故障點位置與故障影響范圍，調度人員下達相應控制指令，臨時性切斷故障部分與非故障部分的連接，待事故得到妥善處理后再恢復故障部位與非故障部分的連接。具體來講，在電力調度運行期間，雷電定位技術主要被用于雷擊事故調查、雷擊跳閘相關性判斷、雷擊事故調度預防三方面。其中在雷擊事故調查方面，雷擊定位系統采取單站定位或是多站定位方式對周邊區域的天氣條件進行觀測判斷，根據閃電產生時形成的天電信號來確定閃電所處地理位置，深入調查雷擊形成原因。

例如，在采取單站定位方法時，采取交叉環陰極射線測向法，根據電磁波傳播原理，對所接收電磁波的大氣衰減情況與不同頻率天電信號振幅情況來判斷閃電定距。在雷擊跳閘相關性判斷方面，根據閃電地理位置與電網結構間隔距離，準確評估雷擊事故對電網運行狀態造成的影響，分析出現跳閘等相關性故障問題的出現概率、所造成具體影響，以此來縮短排查時間。而在雷擊事故調度預防方面，將所獲取閃電地理位置、雷電回擊次數、相關性故障出現概率等信息反饋至調度人員，針對性下達各項調度指令，以此來預防雷電流打擊事故出現，保證電力系統安全穩定運行[3]。

1.4 數據庫技術

近年來為滿足日益增長的用電需求，電力企業逐漸加大電網工程的建設規模，對電力調度水平與效率提出了更高的要求。在這一工程背景下，在電力系統運行期間將會持續產生海量數據，如仍舊采取傳統的數據處理方式將無法滿足實際的調度運行需求，受到人為因素影響時常出現錯誤操作問題導致部分數據丟失，無法為電力調度計劃的制定提供準確的信息參照。因此，在電力調度運行期間，需要應用到計算機數據庫技術，在調度系統中構建起配套的數據庫，將系統運行期間所產生數據信息導入數據庫中，憑借信息化技術高超的數據分析計算能力輔助人工在短時間內處理龐大數據流，幫助調度人員掌握電力系統的實時運行狀況。同時，數據庫還具備自動備份、數據恢復、自動清零分類存儲等多項使用功能，例如，在調度人員操作錯誤導致部分數據信息丟失或文件損毀后，使用數據恢復功能可從數據庫中導入自動備份的數據資料，避免對調度工作的開展造成不利影響。

1.5 變電站自動化技術

變電站自動化技術是在通信技術、計算機技術、信息處理技術基礎上發展演變形成的一種綜合性自動化控制技術，在變電站中設置一定種類與數量的信息傳感裝置，持續對變電站設備運行狀態與現場環境情況進行觀測感知，根據監測數據來判斷變電站運行工況，在滿足觸發條件后，基于程序運行準則，自動下達相應控制指令，完成對變電站全部設備的監測、控制、協調的調度管理任務，替代了常規變電站二次設備的使用功能。與傳統變電站調度管理模式相比，對變電站自動化技術的應用，既可以由自動化控制系統替代人工完成大量的基礎性調度任務，逐步實現少人值守乃至無人值守目標，實際工作量有所減少。同時，解決了信息傳輸滯后、調度指令下達不及時的問題，在出現運行故障與電力事故后，可以在短時間內下達有效的處理措施，將受損程度控制在特定范圍內[4]。

1.6 軟交換技術

在電網工程中軟交換技術負責實現呼叫控制、協議處理、遠程計費、認證等調度控制功能，組合應用其他IP技術來開發支持智能業務的調度系統，本質上屬于一種分層體系結構，由接入層、傳輸層、控制層、應用層組成。其中，接入層負責將各類型終端設備接入網絡體系，實現調度業務集成處理目的，再通過傳輸網絡將所下達調度指令傳輸至終端設備或目的地，如接入信令網關、智能終端、綜合接入設備等；傳輸層負責將電力系統運行期間所采集的監測信號與控制信息經分組傳輸平臺傳遞至目的地，可將其視作為一種數據承載網絡；控制層負責提供呼叫控制功能，對接入層的業務及網關進行通信控制；而應用層負責向用戶提供多元化的調度使用功能。

此外，在電力調度運行期間，軟交換技術的主要應用場景為構建網絡流量預測模型，這類模型具有高超的數據計算能力，根據實時采集的現場信號與相關信息數據，在短時間內準確描述與網絡流量有關的統計特性，對未來一段時間的流量數據進行預測，從而判斷電力系統的未來流量走勢，緩解快速增長網絡流量和電網資源分配間的矛盾[5]。

2 電力技術在電力調度運行中的智能化發展

2.1 電力技術智能化發展必要性

在電力系統傳統調度管理模式中，受到人為因素影響與技術水平限制，部分電力調度問題無法得到準確描述，進而影響到電力調度計劃的可行性，難以取得理想的調度管理成果。電力技術的智能化發展，憑借技術高超數據處理性能、辨別效率高、不依賴物理機理的技術優勢，將人工智能電力技術與常規電力調度系統進行有效整合，可構成一個高維時變非線性電力信息物理網絡，切實滿足現代電網工程的電力調度管理需求。

2.2 在電力系統調度預測中的應用

在電力系統調度預測方面，人工智能電力技術的應用場景包括負荷預測、電價預測與新能源預測。以負荷預測為例，技術自動采集電力系統運行期間實時產生的數據信息，在其基礎上構建準確數學模型，在模型中采取強感知算法，憑借此類算法的數據映射以及特征挖掘優勢，準確判斷系統負荷、天氣條件、日期等因素間的相互影響關系，在模型中準確描述電力系統負荷變化的不確定性，并根據已知信息資料與歷史狀態數據，對電力系統在未來一段時間的負荷變化情況進行預測，負荷預測過程分為特征集構建、映射模型訓練、測試集驗證三項步驟。

2.3 在電力系統故障診斷中的應用

在電力系統故障診斷方面，由于人工智能電力技術有著深入學習、遷移學習、強化學習的技術特性，在故障診斷與處理期間，體現出無需人工參與特征提取、高效處理高維非線性數據和適用不同周期數據的技術優勢，故障診斷精度與效率得到顯著提升。例如，在特征提取環節，人工智能系統通過卷積神經網絡開展圖像特征提取以及視覺理解操作。同時，也可選擇采取基于堆疊自編碼器的故障診斷方法，提前向堆疊自編碼器提供一定數量的樣本數據進行訓練，即可在電力系統出現運行故障時，體現出高性能的故障診斷效果。然而，根據實際電力調度工作情況來看，由于現代電網工程具有網絡結構復雜的特征，受到實際樣本不均衡性、可解釋性差、特征選取不完備等因素影響，在采取人工智能電力技術開展故障診斷作業時，面臨著模型構建困難與無法準確判斷設備實時運行狀態的難題。針對于此，需要加大對人工智能電力技術的研究力度，重點強化技術的深度學習能力。

2.4 在電力系統穩定評估中的應用

在現代電網工程中，由于電網結構體系過于復雜，在電力系統穩定評估期間，需要同時處理多元化信息，并對穩定分析的時效性以及準確性提出嚴格要求。對人工智能電力技術的應用，采取深度卷積網絡、堆疊自編碼器、深度信念網絡等方式來提取特征量，在其基礎上進行電力系統暫態穩定評估，從所采集龐大數據流中提取關鍵信息作為強化學習輸入量，以此來保證電力系統穩定評估結果的真實性與準確性。

2.5 在電力系統控制優化中的應用

在電力系統控制優化方面，人工智能電力技術的應用場景包括無功電壓控制和自動電壓控制。其中在無功電壓控制環節，人工智能系統將在電網狀態以及動作策略交換過程中進行深入學習，持續增強系統的大規模決策效率與環境感知能力，準確描述離散無功調節設備投切動作，以及系統特征和所制定無功優化策略的映射關系，從而下達準確的無功電壓控制策略。而在自動發電控制環節，通過應用人工智能技術，構建馬爾可夫模型來制定最優控制策略，滿足在線優化控制系統輸出的調度管理需。同時，憑借人工智能電力技術的深化學習與強化學習技術特性，采取分散式多智能體算法，以此來解決大型電網工程的自動發電控制功率動態分布難題，進而起到強化系統預測能力與認知能力的效果。

綜上，為滿足現代電網工程的電力調度管理需求，實現個性化互動與精細化調度管理目標，增強電力調度網的可持續發展能力。因此，電力企業需要持續拓展電力技術在電力調度運行方面的應用場景，積極引進以人工智能技術為首的現代化電力技術，構建完善的電力技術應用體系，以此推動我國電力事業的健康發展。