电网状态

智慧城市全景保电系统作为市北供电公司为确保智博会、西洽会等大型会展会议安全可靠供电而建设的电网状态监测及指挥系统，基于电网资源业务中台图形服务、输变配专业电网资源查询服务、数据量测等服务，可实现从220kV至10kV的主配网设备及重要场馆供电的低压设备实时状态监测，同时也具备从特级保电任务管理向日常保电任务沉淀转化的潜力。以三维地图为基础，叠加电网网架、电网实时运行数据、设备台账数据、气象信息等，提供相关的视频监控信息、电网数据信息、业务流程信息，实现为对重要事件与突发事故情况进行实时提醒，为指挥层提供当前电网的抢修动态态势图，支撑指挥决策层。

首选用一个例子界定了人工智能场景选择的原则。其次，他表示电力人工智能取得突破性进展面临瓶颈，如何选择合适的电力人工智能应用场景至关重要。梳理出配电网计算任务与困难，认为依据大数据记录网络，构建计算封闭系统，实现系统运行态计算是配用电人工智能计算场景的关键。然后，分别做了AI配电网动态参数辨别和AI配电网动态拓扑辨别，最后重点介绍了AI配电网状态计算。

近年南方电网公司全力推进数字电网建设，在配网领域也将配网一二次设备标准化、模块化和融合作为配网数字化建设重点工作之一。为了加强配网主要设备本体的状态感知和装备运行环境的监测，主要针对柱上开关、环网柜、变压器等关键设备，设计一二次深度融合传感器配置与布置方案，并按照结构集成化、功能模块化、接口标准化、易于检修运维等要求开展配电一二次装备深度融合设计与优化。同时，针对配电网一二次融合装备智能运维要求，开展配电网融合监测信息筛选和布点优化，提出设备智能诊断方法和区域配电网状态评估方法，最终实现一二次融合装备“一键运维”和区域配电网“一键管控”的智能分析诊断和智能辅助决策目标。

介绍了基于大数据的输电智能化运检的故障案例、故障防范以及基于大数据的电网状态监测和预警案例。

高渗透率分布式光伏(distributed photovoltaic, DPV)的接入增加了电力系统的运行风险。针对出力分布呈现形态复杂的特征，首先，提出一种基于改进近邻传播聚类的自适应高斯混合模型，优化了分布式光伏联合出力概率拟合迭代过程。然后，提出基于改进三阶多项式正态估计过程的Nataf变换方法，结合半不变量和Cornish-Fisher级数展开，实现分布式光伏出力相关性条件下的概率潮流计算。最后，采用电压越限和线路重过载指标计算电力系统运行风险。基于修改的IEEE 14节点电力系统，对不同分布式光伏渗透率的接入场景进行仿真。以蒙特卡洛模拟作为对比，结果表明所提方法在电网状态变量的概率分布计算上具有更高的精度，并验证了评估结果能够有效反映不同分布式光伏渗透率对电力系统风险水平的影响。

智能配电

介绍了南方电网公司开展5G+数字电网应用研究工作的背景及意义，分享了南方电网公司关于电力5G虚拟专网顶层设计方案以及广州南沙5G+数字电网应用示范区建设经验。他表示随着电力系统不断发展，电网状态监测与感知、系统保护与控制、用电需求侧响应等方面对信息数据的自动化、互动化、透明化要求越来越高。传统的电力通信方式面对智能电网业务承载需求存在痛点。5G技术三大应用场景和“切片技术”，能很好地满足电网业务的安全性、可靠性和灵活性需求，适配电力通信新挑战。

考虑到电力系统与能源互联网的深度耦合，虚假数据注入攻击对电力系统的威胁不断提升。文章针对虚假数据注入攻击(false data injection attack，FDIA)设计自适应生成对抗网络(adaptive generative adversarial networks，AGAN)状态重构的虚假数据注入攻击检测方法。该方法在生成对抗网络(generative adversarial networks，GAN)基础上融入卷积神经网络(convolutional neural network，CNN)以及自适应约束下的自注意力机制(self-attention，SA)，实现节点间全局参考性，从而实现状态的有效重构和异常状态的准确预测；根据AGAN的异常数据预测结果设计结合网络判别值的检测逻辑。最后，在IEEE14节点的电力系统上验证所提方法的有效性，且对比GAN、CNN，AGAN重构的平均绝对百分比误差为0.0001%，检测准确率可达到98%。

本项目实现了配电网设备带电检测与智能巡检新技术研究及实用化，提高配电网状态检修效率方面，解决了现场工作中的疑难问题，推动配电网带电检测相关产业技术进步，符合国家创新驱动发展战略。 研究成果直接指导配电网带电检测现场应用、诊断分析、风险评估工作，在全国两会、APEC峰会，“一带一路高峰论坛”、“十九大”等重大政治保电活动及首都电网的安全稳定运行发挥了重要作用，已成为实现北京电网政治供电“零闪动”的重要保障措施，并在天津、湖北、上海、浙江等地区全面应用。其中“开关柜局放定量检测新技术”、“架空线路超声波检测”等成果已在电网系统内推广应用。 成果目前己具备行业全面推广应用条件。

随着大量分布式能源的接入，配电系统的运行与控制方式愈加复杂。针对配电网状态估计方法面临分布式电源波动数据辨识困难、估计精度低、鲁棒性与估计时效性差等问题，提出一种基于集成深度神经网络的配电网分布式状态估计方法。首先，利用量测数据相关性检验的数据辨识技术识别不良数据和新能源波动数据。在此基础上，利用时域卷积网络(temporal convolutional network, TCN)-双向长短期记忆网络(bidirectional long short term memory, BILSTM)对不良数据进行修正。然后，建立集成深度神经网络(deep neural network, DNN)状态估计模型，采用最大相关-最小冗余(maximum relevance-minimum redundancy, MRMR)的方法优化训练样本，从而提高状态估计的精度和鲁棒性。最后，建立分布式集成深度神经网络模型，弥补了集中式状态估计速度慢的不足，从而提高状态估计效率。基于IEEE123配电网的算例分析表明，所提方法能更准确地辨识分布式电源波动数据和不良数据，同时提高状态估计的精度和效率，且具有较高的鲁棒性。