zoupaper的个人博客分享 http://blog.sciencenet.cn/u/zoupaper

博文

能源变革形势下值得关注的技术工具

已有 2471 次阅读 2018-2-24 10:59 |系统分类:科研笔记

现代的能源与电力行业正处于大幅度变革的时代,例如可再生能源占比逐渐提高;主动配电网、微电网迅速发展,市场参与主体迅速增加;新型综合能源管理开始试点应用。本文适合在企业工作的科技人员,不一定适合高校科研人员。对于企业工程师来说,我觉得以下的通用技术工具是值得关注的:

1)优化,这里的优化包括几个方面:将实际问题抽象建模成优化问题;将优化问题用成熟的商用或开源优化求解器来求解,而不是自己求解;优化结果用于实际的规划设计、计划安排、控制,真正发挥实际经济效益。以前很多的工业现场,都是完全没有考虑优化的,随着基础信息设施的建设,积少成多,优化将发挥巨大的经济效益。以后能够结合实际工程现场需求的优化人才将非常奇缺,我看好优化的前景,这甚至好于人工智能方向。

2)控制论,至少需要有基本概念,为什么有的系统控制效果不好,会有误差,或者有振荡,甚至失稳。分别采用什么样的控制措施才可以解决上述问题。许多开发电力控制软件的人都不懂控制论,这是因为控制对象可以近似为“准稳态”的,然后他们就直接当成静态断面的优化问题来处理了。随着新能源占比的逐渐提高,特别是在局部的微电网、主动配电网范围内,系统波动将更加明显,这时候需要考虑真正的控制问题。一般来说,考虑到实际问题的建模、同时便于利用优化工具,我个人觉得模型预测控制几乎是唯一可行的控制框架。当然,考虑到不确定性,可以加入自抗扰等概念来加强控制性能,甚至使用智能控制等手段。

3)数据分析,这里我不提时髦的“人工智能”名词,觉得人工智能炒作的太厉害了,但数据分析还是十分必要的。状态估计(用测量学的术语就是“测量平差”)其实就是利用冗余测量数据获得更小误差的数据分析方法,只不过是最简单的机器学习模型(最小二乘)。现代微电网、主动配电网,由于准确参数的难以获得,不确定性更大,不一定好用传统的基于潮流、灵敏度计算那样的分析方法。这时候可能需要直接利用数据来进行深入挖掘,甚至训练机器学习模型,这是有前景的。

  对于优化,显然模型越精确,效果越好。但是实际微电网、主动配电网等系统可能难以提供精确模型,这时候数据分析又可以派上用场。对于控制来说,也自然是模型越精确,效果越好,但是模型不精确,也要求控制效果要有鲁棒性。数据分析可能会对优化、控制起到一定支撑作用。因此上述3条,是相互补充的关系。




https://wap.sciencenet.cn/blog-3316223-1100991.html

上一篇:机器学习对继电保护的影响
下一篇:电力系统仿真软件的发展趋势
收藏 IP: 218.94.96.*| 热度|

1 张云

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-11-1 06:53

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部