电力技术在电力调度运行中的应用

国网营口市熊岳供电公司 郑家禄

1 电力技术在电力调度运行中的应用

1.1 电力电子技术

HVDC高压直流输电。高压直流输电是凭借直流电的无感抗、无同步问题、输送稳定的特征，采取大功率远距离直流输电方式的一种输电技术，多用于海底电缆输电或是连接独立电力系统，将所输送电能自三相交流电网导出，经换流站将交流电转换为直流电，在架空线缆中直接传输至另一侧换流站转换为交流电，从而接入交流电网。与传统交流输电方式相比，其在应用于远距离输电场景时体现出电能损耗率低、输电容量大、电能等级与方向可控性强、抑制低频振荡的优势。然而，根据实际应用情况来看，在高压直流输电线网中所配置换流站的造价成本较为高昂，唯有保持在特定输电距离范围内才能取得预期经济效益，适用场景为40～60km电缆线路与600～800km架空线路，这在一定程度上限制了HVDC技术的推广普及[1]。

FACTS柔性交流输电。柔性交流输电是整合微处理、控制技术、电力电子技术、通信技术等多项技术而构成的一种快速控制交流输电技术，FACTS系统由静止无功补偿器、固定串联补偿装置、静止同步补偿器等组成，同时具备抑制低频振荡、电压控制、潮流控制等基本使用功能。与其他电力电子技术相比主要优势在于，通过安装具备独立或综合控制功能的装置，在输电过程中可对电压与电抗等主要参数进行适时控制，实现输送功率合理分配目标，从而将功率损耗与实际发电成本控制在较低程度，将线路的实际输电容量尽可能接近热稳定极限，多用于电力系统的大功率长距离输电场景，在出现输电故障与存在安全隐患时快速采取处理措施，控制事故影响范围，避免出现大面积停电现象。

1.2 AEMS能量管理系统

在电网工程中，AEMS能量管理系统是一种用于设备管理而开发的软件系统，系统由应用功能及基础功能加以构成，应用功能包括自动发电控制、网络应用分析、数据实时采集监控等，基础功能包括支撑模块、计算机数据库、操作系统、信息传输系统等。

在电网运行过程中，能量管理系统负责对电网实时运行状态进行监测分析，持续反馈接收发电机正序分量信息、线路原始电压等现场监测信号，将监测值与额定值、当下电网运行状况与历史运行状态进行对比分析，根据分析结果来预测电力系统与单项设备在未来一段时间的运行趋势，及时发现已存在或是未来可能出现的运行故障，如发电机震荡现象。随后，能量管理系统在已收集资料信息与电网状态分析结果基础上，辅助人工或独立制定自动发电控制计划，对电网负荷运行状态进行优化调整与实时调度，从而实现电网资源的优化配置目标，将故障隐患消灭于萌芽状态[2]。

1.3 雷电定位技术

在电网工程早期运行阶段中，受到技术与恶劣气候限制，电网结构与输电线路偶尔遭受雷电流打击，造成严重损失，如线路过载运行、设备烧损、绝缘老化加快等，对电力系统运行状态造成不利影响。针对于此，为预防和减少设备烧损等安全事故的发生，尽可量减小天气因素对电网运行与电力资源供给造成的影响，需要应用到雷电定位技术，提前预测周边区域中的闪电所处地理位置，采取相应处理措施，避免电网造成雷电流打击。

同时，在电网已遭受雷电流打击时，雷电定位系统可在已掌握信息资料基础上，短时间内确定故障点位置与故障影响范围，调度人员下达相应控制指令，临时性切断故障部分与非故障部分的连接，待事故得到妥善处理后再恢复故障部位与非故障部分的连接。具体来讲，在电力调度运行期间，雷电定位技术主要被用于雷击事故调查、雷击跳闸相关性判断、雷击事故调度预防三方面。其中在雷击事故调查方面，雷击定位系统采取单站定位或是多站定位方式对周边区域的天气条件进行观测判断，根据闪电产生时形成的天电信号来确定闪电所处地理位置，深入调查雷击形成原因。

例如，在采取单站定位方法时，采取交叉环阴极射线测向法，根据电磁波传播原理，对所接收电磁波的大气衰减情况与不同频率天电信号振幅情况来判断闪电定距。在雷击跳闸相关性判断方面，根据闪电地理位置与电网结构间隔距离，准确评估雷击事故对电网运行状态造成的影响，分析出现跳闸等相关性故障问题的出现概率、所造成具体影响，以此来缩短排查时间。而在雷击事故调度预防方面，将所获取闪电地理位置、雷电回击次数、相关性故障出现概率等信息反馈至调度人员，针对性下达各项调度指令，以此来预防雷电流打击事故出现，保证电力系统安全稳定运行[3]。

1.4 数据库技术

近年来为满足日益增长的用电需求，电力企业逐渐加大电网工程的建设规模，对电力调度水平与效率提出了更高的要求。在这一工程背景下，在电力系统运行期间将会持续产生海量数据，如仍旧采取传统的数据处理方式将无法满足实际的调度运行需求，受到人为因素影响时常出现错误操作问题导致部分数据丢失，无法为电力调度计划的制定提供准确的信息参照。因此，在电力调度运行期间，需要应用到计算机数据库技术，在调度系统中构建起配套的数据库，将系统运行期间所产生数据信息导入数据库中，凭借信息化技术高超的数据分析计算能力辅助人工在短时间内处理庞大数据流，帮助调度人员掌握电力系统的实时运行状况。同时，数据库还具备自动备份、数据恢复、自动清零分类存储等多项使用功能，例如，在调度人员操作错误导致部分数据信息丢失或文件损毁后，使用数据恢复功能可从数据库中导入自动备份的数据资料，避免对调度工作的开展造成不利影响。

1.5 变电站自动化技术

变电站自动化技术是在通信技术、计算机技术、信息处理技术基础上发展演变形成的一种综合性自动化控制技术，在变电站中设置一定种类与数量的信息传感装置，持续对变电站设备运行状态与现场环境情况进行观测感知，根据监测数据来判断变电站运行工况，在满足触发条件后，基于程序运行准则，自动下达相应控制指令，完成对变电站全部设备的监测、控制、协调的调度管理任务，替代了常规变电站二次设备的使用功能。与传统变电站调度管理模式相比，对变电站自动化技术的应用，既可以由自动化控制系统替代人工完成大量的基础性调度任务，逐步实现少人值守乃至无人值守目标，实际工作量有所减少。同时，解决了信息传输滞后、调度指令下达不及时的问题，在出现运行故障与电力事故后，可以在短时间内下达有效的处理措施，将受损程度控制在特定范围内[4]。

1.6 软交换技术

在电网工程中软交换技术负责实现呼叫控制、协议处理、远程计费、认证等调度控制功能，组合应用其他IP技术来开发支持智能业务的调度系统，本质上属于一种分层体系结构，由接入层、传输层、控制层、应用层组成。其中，接入层负责将各类型终端设备接入网络体系，实现调度业务集成处理目的，再通过传输网络将所下达调度指令传输至终端设备或目的地，如接入信令网关、智能终端、综合接入设备等；传输层负责将电力系统运行期间所采集的监测信号与控制信息经分组传输平台传递至目的地，可将其视作为一种数据承载网络；控制层负责提供呼叫控制功能，对接入层的业务及网关进行通信控制；而应用层负责向用户提供多元化的调度使用功能。

此外，在电力调度运行期间，软交换技术的主要应用场景为构建网络流量预测模型，这类模型具有高超的数据计算能力，根据实时采集的现场信号与相关信息数据，在短时间内准确描述与网络流量有关的统计特性，对未来一段时间的流量数据进行预测，从而判断电力系统的未来流量走势，缓解快速增长网络流量和电网资源分配间的矛盾[5]。

2 电力技术在电力调度运行中的智能化发展

2.1 电力技术智能化发展必要性

在电力系统传统调度管理模式中，受到人为因素影响与技术水平限制，部分电力调度问题无法得到准确描述，进而影响到电力调度计划的可行性，难以取得理想的调度管理成果。电力技术的智能化发展，凭借技术高超数据处理性能、辨别效率高、不依赖物理机理的技术优势，将人工智能电力技术与常规电力调度系统进行有效整合，可构成一个高维时变非线性电力信息物理网络，切实满足现代电网工程的电力调度管理需求。

2.2 在电力系统调度预测中的应用

在电力系统调度预测方面，人工智能电力技术的应用场景包括负荷预测、电价预测与新能源预测。以负荷预测为例，技术自动采集电力系统运行期间实时产生的数据信息，在其基础上构建准确数学模型，在模型中采取强感知算法，凭借此类算法的数据映射以及特征挖掘优势，准确判断系统负荷、天气条件、日期等因素间的相互影响关系，在模型中准确描述电力系统负荷变化的不确定性，并根据已知信息资料与历史状态数据，对电力系统在未来一段时间的负荷变化情况进行预测，负荷预测过程分为特征集构建、映射模型训练、测试集验证三项步骤。

2.3 在电力系统故障诊断中的应用

在电力系统故障诊断方面，由于人工智能电力技术有着深入学习、迁移学习、强化学习的技术特性，在故障诊断与处理期间，体现出无需人工参与特征提取、高效处理高维非线性数据和适用不同周期数据的技术优势，故障诊断精度与效率得到显著提升。例如，在特征提取环节，人工智能系统通过卷积神经网络开展图像特征提取以及视觉理解操作。同时，也可选择采取基于堆叠自编码器的故障诊断方法，提前向堆叠自编码器提供一定数量的样本数据进行训练，即可在电力系统出现运行故障时，体现出高性能的故障诊断效果。然而，根据实际电力调度工作情况来看，由于现代电网工程具有网络结构复杂的特征，受到实际样本不均衡性、可解释性差、特征选取不完备等因素影响，在采取人工智能电力技术开展故障诊断作业时，面临着模型构建困难与无法准确判断设备实时运行状态的难题。针对于此，需要加大对人工智能电力技术的研究力度，重点强化技术的深度学习能力。

2.4 在电力系统稳定评估中的应用

在现代电网工程中，由于电网结构体系过于复杂，在电力系统稳定评估期间，需要同时处理多元化信息，并对稳定分析的时效性以及准确性提出严格要求。对人工智能电力技术的应用，采取深度卷积网络、堆叠自编码器、深度信念网络等方式来提取特征量，在其基础上进行电力系统暂态稳定评估，从所采集庞大数据流中提取关键信息作为强化学习输入量，以此来保证电力系统稳定评估结果的真实性与准确性。

2.5 在电力系统控制优化中的应用

在电力系统控制优化方面，人工智能电力技术的应用场景包括无功电压控制和自动电压控制。其中在无功电压控制环节，人工智能系统将在电网状态以及动作策略交换过程中进行深入学习，持续增强系统的大规模决策效率与环境感知能力，准确描述离散无功调节设备投切动作，以及系统特征和所制定无功优化策略的映射关系，从而下达准确的无功电压控制策略。而在自动发电控制环节，通过应用人工智能技术，构建马尔可夫模型来制定最优控制策略，满足在线优化控制系统输出的调度管理需。同时，凭借人工智能电力技术的深化学习与强化学习技术特性，采取分散式多智能体算法，以此来解决大型电网工程的自动发电控制功率动态分布难题，进而起到强化系统预测能力与认知能力的效果。

综上，为满足现代电网工程的电力调度管理需求，实现个性化互动与精细化调度管理目标，增强电力调度网的可持续发展能力。因此，电力企业需要持续拓展电力技术在电力调度运行方面的应用场景，积极引进以人工智能技术为首的现代化电力技术，构建完善的电力技术应用体系，以此推动我国电力事业的健康发展。