基于人工智能的电网规划及可研关键技术研究

王宇怀

（广西电网有限责任公司桂林兴安供电局， 广西 兴安 541300）

0 引言

随着环境容量日益缩减，传统电网规划手段难以满足新形势的需要[1]。为此，项目针对上述难题进行研究：一是探索建立新的收资渠道，实现规划数据及时稳定供给[2]；二是研究新的变电站规划方法，在变电站布点过程中同步考虑电气与环境因素，在源头建立生态工作模型；三是改变重规划轻落地的局面，加强变电站站址及线路路径规划深度，在规划方案设计过程中同步工程规划落地可行性，减少环境问题等颠覆性因素的发生概率，实现站址线路自动优选；四是打破规划各自为政的状态，统筹电网规划各阶段工作，建立全过程、多专业协同工作模式[3]。

经过多年探索与创新，本研究大力开展自主创新，对基于人工智能的电网规划及可研关键技术进行研究与应用，在规划数据智能提取、智能布点规划及选址、系统接入方案智能设计、路径智能规划优选等方面取得全面突破。建立了纵向一体、横向协同、内部融合的电网规划数字化新模式，打造电网绿色规划全业务技术支撑体系，实现了省域电网规划的可视化、智能化，进一步提升了规划科学性和准确性。

1 可研关键技术

1.1 遥感影像自动分类及提取电力工程环境敏感点的方法研究

建立了基于小样本进行迁移学习训练及检测模型，实现从高分辨率卫星影像上自动识别提取居民区和环境敏感区域，开创了新的规划收资渠道，提高了规划数据采集效率、及时性。居民区和环境敏感区作为重要的基础数据，在电力线选线和变电站选站等电网规划过程中，起到了非常重要的作用。通过卫星遥感影像解译来获取基础地理数据是一种快速高效的手段，因此需要研究针对电网层面、提取效率较高且能计算识别深层次特征的影像分类算法[4]。

采用迁移学习训练样本，提高检测模型的精度，完成对遥感影像的场景分类和目标检测任务，并率先在业界采用CNN（卷积神经网络）识别影像中的障碍物和环境敏感点信息，实现对居民区、工厂、自然保护区等特征目标的智能识别和提取，居民区识别结果如图1 所示，项目利用人工智能技术创新了规划信息获取渠道，解决数据来源问题，具有覆盖整个电力工作区域、影像深层特征精度高、适用性强、速度快等创新性特点，有力地保障了规划信息的准确性和及时性。

图1 居民区识别结果

1.2 基于改进加权Voronoi（泰森多边形）图的高压变电站规划方法研究

该方法实现了高压变电站定容及供电范围的智能环保设计，叠加新建站接入方案智能优选评价技术，使变电站布点更加科学合理环保。在电网发展规划中，确定高压变电站的位置与容量是一个非常重要的环节，其结果直接影响着未来电网的网架结构、投资及运行经济性、供电可靠性[5]。高压变电站具有供电半径大、投资大、高辐射等特点，需要构建一套智能、高效的变电站选址定容、布点规划、接入分析方法[6]。

基于深度学习的人工智能手段，构建高压变电站选址模型。同时针对大电网高压变电站规划的特点，采用基于Voronoi 图理论的变电站优化规划方法。根据Voronoi 图的空圆特性，有效考虑到采用最大空心圆定位策略时空心圆内负荷分布不均匀的情况，使高压变电站在合理分布、电网构架趋于合理的同时更能提高变电站的有效利用率。在考虑居民区、水源、保护区等地理信息条件因素对变电站合理选址的基础上，实现对高压变电站定容及供电范围进行优化规划，使高压变电站供电区域更加合理。改进加权Voronoi 图算法图解如图2 所示。

图2 改进加权Voronoi 图算法图解

改进加权Voronoi 图算法求解步骤：

1）首先根据网供负荷最大削减量和周围的负荷密度确定电源B 的最大供电半径；

2）以变电站为起点向电源的供电范围所代表的圆做切线，交于变电站供电范围与两点M、N；

3）在A 与B 连接线上确定点C，以C 为圆心，以CM 长度为半径r 画圆弧l，使弓形s′ 的面积和圆B的面积相等。

经过以上方法形成的最外层边界即为采用考虑网供负荷特性互补的方向性改进加权Voronoi 图算法得到的变电站A 的供电范围，具体措施就是基于层次性加权Voronoi 图算法对变电站供电范围划分过程中的权值进行了一定的调整。

得到结果后，同步考虑多重因素，构建多方案比选多目标优化一张图，实现基于工程数据的智能推荐最优接入方案，同时对站点分布进一步优化，大大提高了设计深度与效率。基于多站之间线路走向、变电站间隔、线路长度、运行信息、项目投资、线路损耗、跨自然保护区距离、终点变电站的可联络线条数等影响因子，结合对历史工程数据深度挖掘和分析优化调整各影响因子的权重作为接入评价基准，构建了变电站智能接入模型，实现了变电站接入的实时分析计算，通过可视化方式展现接入方案成果以及方案评价，辅助推荐最优接入方案，并进一步优化变电站布局。

1.3 变电站站址方案智能选择方法及AI 选线策略自适应选择方法研究

通过建立影响因素指标体系及空间多尺度评价模型，实现了智能化自动选站选线，将电网规划与可研无缝衔接起来，能够“一键式”达到预可研深度。变电站选址及路径选线是电网规划业务中的一步重要环节，目前选站选线规划优化的算法都存在着智能水平不高、精确度低等缺陷，导致它们的选择结果主要针对宏观尺度，不能直接用于电网建设的地址选择，因此需要对智能选站选线进行研究[7]。

对变电站选址影响因素进行指标体系建立，在一定的区域内利用GIS 空间分析与选址知识进行区域判断，进一步利用深度学习寻找初步满足要求的候选区；得到结果后，还可利用空间多尺度评价模型对选区进行修正，将涉及的否决区、控制区、经济区等指标进行智能综合判断；最后基于粒子群优化算法对候选区的交通、地形、地震带、污区等地理环境因素进行量化评估，自动生成可行站址，辅助解决选站难题。该方法是关注于环境保护、地形地貌、自然资源、人文条件、交通便利度、抗灾等级、建设成本等具体与建设变电站成本相关因素进行的智能选址，选址结果可直接用于评估建站，智能选站技术路线如图3 所示。选址模型灵活，影响因子具有可扩展性，大大提升了变电站规划的智能化水平。

图3 智能选站技术路线

根据电力选线策略，对基于深度学习智能生成的省域范围的海量数据和收集到的多数据源选线影响因子，进行高性能的自动化批量处理，为智能选线提供数据基础；基于多维多源的海量数据，构建选线区域内的成本表面模型，进行连续空间的成本距离分析，统筹考虑多重影响因子和选线策略，生成一条或多条规划路径；利用AI 领域的启发式搜索方法和深度学习方法，对选线策略进行建模，实现在路径优化过程中，全线统筹考虑，在优化选线过程中尝试根据不同的区域条件自适应匹配不同的选线策略对线路进行优化，进一步提高选线可行性；与此同时，在优化线路时，采用顾及空间关系的矢量压缩算法和交叉跨越纠正算法，对规划路径进行再优化，进一步提升路径的合理性；最后，在规划路径的同时能根据已有起讫点，智能地推荐潜在的更优起止点，从而为选出更优的路径提供了更多的选择和更大的可能性。在规划方案基础上，利用丰富的电网数据，实现地理信息智能识别、敏感点智能避让、路径智能分析，对规划方案中的线路路径进行自动细化和优化，在规划和可研阶段之间创新智能化工作方法，并保证电网规划方案向前期有序过渡。其智能选线过程如图4 所示。

图4 智能选线过程

1.4 电网规划业务全流程控制技术研究

基于电网一张图建立了全业务协同的智能规划工作体系，实现了规划业务一体化线上作业模式。开展电网规划工作需要的基础数据具有数据量大、种类多、来源多的特点，但长期以来业务基础支撑薄弱，数据多头管理、精细化不足，电网规划工作缺乏全景管控手段，图－数－表信息割裂，无法全局把控业务重点，规划理念难以落地，亟待构建统一的信息获取及应用平台，在地图可视化作业及全息电网一张图等方面积累实践经验[8]。

在统一平台下，围绕数据价值创造，进行规划各环节信息的广泛收集和精准匹配，建立统一、权威的规划大数据，形成多维电网一张图，通过不同角度、不同维度对数据进行直观展现多源网架并从中发现问题，为图上作业提供支撑。实现现状电网分析、规划边界条件确定“一站式”服务，全面提升电网规划信息的获取及分析能力。研发业务流模型，将规划流程中的关键工作环节有机衔接起来，基于规划大数据实现规划信息流无缝交互和流转，实现现状电网分析、负荷预测计算、规划布点决策、接入系统方案设计、电气计算、规划落地（智能选站选线）及工程直观展示发布（多环节一体化操作），最后形成前期项目储备库及电网布局规划图的全流程闭环管理，提高工作协同度，将规划向设计深度纵深推进，实现各专业融通发展，建立协同高效的智能规划工作体系，打造网上规划、网上设计、网上评审、实时追溯等规划业务一体化线上作业模式。

2 应用情况

通过综合应用相关技术，使得在电网规划源头自动同步考虑环境因素成为可能与必然；将规划收资及处理工作由原来数周甚至数月缩短为短短几天，同时大幅减少了现场勘探工作量，大大降低了工程开支；为站址和路径选择这一电网规划最核心业务提供了全业务链技术支撑，将原来花费数天甚至数周的站址及路径规划工作，缩短为“分分钟钟”的事情，将规划人员从繁重的资料收集、大量的原始方案设计中解放出来，使其能够更加专注于规划方案的优化与打磨。

本研究成果已在多个电网企业进行推广应用，在规划方案设计、工程选址选线、数字模拟、项目评审中发挥了关键支撑作用，高效、便捷、直观地完成了电网规划与选址选线工作，节约了工程建设成本、提升了项目生态效益，有效推动了工程顺利落地。

3 结语

本研究基于项目成果创新建立的线上规划新模式，构建起电网企业数字化核心能力，建成了省域“全息数字电网”，使得电网企业具备能够利用数字化手段独立开展电网规划方案设计及预可研技术的能力，为“数字电网”和“智慧电网”的构建奠定了坚实基础。展望未来，本项目需要进一步加强构建基于人工智能的新型负荷预测模型，综合考虑重大突发事件、国家新的能源规划战略、用电新业态等因素，进一步提升电网规划的前瞻性和操作性，为构建以新能源为主体的新型电力系统做好技术服务。