[1]肖倩宏,康 鹏,杜 江,等.深度学习在电网智能调控系统中应用研究[J].机械与电子,2021,(01):38-42.
　XIAO Qianhong,KANG Peng,DU Jiang,et al.Research on the Application of Deep Learning Theory in Power Grid Intelligent Dispatching[J].Machinery & Electronics,2021,(01):38-42.
点击复制

深度学习在电网智能调控系统中应用研究()
分享到：

机械与电子[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2021年01期
页码:
38-42
栏目:
设计与研究
出版日期:
2021-01-20

文章信息/Info

Title:
Research on the Application of Deep Learning Theory in Power Grid Intelligent Dispatching
文章编号:
1001-2257（2021）01-0038-05
作者:
肖倩宏; 康 鹏; 杜 江; 宋 弦; 安 甦
贵州电网有限责任公司电力调度控制中心, 贵州 贵阳 550002
Author(s):
XIAO Qianhong; KANG Peng; DU Jiang; SONG Xian; AN Su
Power Dispatch Control Center of Guizhou Power Grid Co.,Ltd., Guiyang  550002,China
关键词:
深度学习; 电力系统调度; 人工智能; 多核图像处理
Keywords:
deep learning;  power system dispatch;  artificial intelligence ;  multi-core graphic processor
分类号:
TM76;TP181
文献标志码:
A
摘要:
基于对人工智能深度学习的研究，将该技术与电力智能调控深入融合，实现以数据、知识为基础的实时在线分析控制型电力调控。首先，分析深度学习的发展及其对电网调度的影响，针对深度学习在出力预测、状态估计和故障诊断方面的应用进行说明；然后，提出基于人工智能深度学习的电力调控系统构架，分析其与传统调控系统的区别，突出了该系统所实现的功能；接着,采用基于多核图像处理器（MGP）系统,阐明了所提出的智能调控系统实现的方法；最后，通过分析人工智能化调控系统的应用案例，说明该系统具有广泛的应用性。
Abstract:
Based on deep learning theory, a new power system dispatch mechanism which is highly integrated with the power intelligence is proposed, featured by data based and knowledge based dispatch. Firstly, the development of deep learning and its impact on power grid dispatching are analyzed, and the application of deep learning on output forecast, state estimation and fault diagnosis are explained. Secondly, the architecture of power replacement syste m based on artificial intelligence deep learning is proposed, and the difference between it and traditional minimization system is analyzed, while highlighting the system functions. Thirdly, the multi-core image processor (MGP)-based system is used as the method of intelligent alternative system implementation proposed in this paper. Finally, this paper analyzes the application case of artificial intelligence solution system.

参考文献/References:

[1] 闪鑫, 陆晓, 翟明玉, 等. 人工智能应用于电网调控的关键技术分析[J]. 电力系统自动化,2019， 43(1):69-77.

[2] 尹雪燕, 闫炯程, 刘玉田, 等. 基于深度学习的暂态稳定评估与严重度分级[J]. 电力自动化设备,2017, 38(5):64-69.

[3] 陈卓, 孙龙祥. 基于深度学习LSTM网络的短期电力负荷预测方法[J]. 电子技术, 2018,47(1):39-41.

[4] 潘志刚, 刘三明, 李莹, 等. 基于深度学习网络的风电场功率短期预测研究[J]. 科技与创新,2015(19):4-6.

[5] 安妙, 孔英会, 沈辉, 等. 基于深度学习的行为识别及在电力系统的应用[J]. 电力科学与工程, 2019,35(3):63-69.

[6] 程乐峰, 余涛, 张孝顺, 等. 机器学习在能源与电力系统领域的应用和展望[J]. 电力系统自动化, 2019,43(1):21-49.

[7] 杨训政. 基于RNN的发电机组排放预测及发电调度研究[D]. 合肥：中国科学技术大学, 2016.

[8] 陈建强, 洪彬倬, 文波. 基于扩展卡尔曼滤波算法的电网动态状态估计[J]. 广东电力，2017，30(10):86-92.

[9] 史静, 李琥, 李冰洁, 等. 基于长短期记忆神经网络的配电网负荷预测方法研究[J]. 供用电, 2019(7):71-77.

[10] 王朋, 孙永辉, 翟苏巍, 等. 基于小波长短期记忆网络的风电功率超短期概率预测[J]. 南京信息工程大学学报(自然科学版), 2019(4):460-466.

[11] 卫志农, 颜全椿, 孙国强, 等. 考虑参数不确定性的电力系统区间线性状态估计[J]. 电网技术,2015(10):185-191.

[12] 牛逸宁, 韩硕辰, 谢枫. 地区电网调度中的“主动因素”以及均衡调度博弈方法初探[J]. 中国电子商务, 2014(20):74.

[13] 王成良, 谢克家, 刘昕. 多核图像处理并行设计范式的研究与应用[J]. 计算机工程, 2011, 37(14):220-222.

[14] 徐磊, 徐莹, 张丹丹. 多核构架下OpenMP多线程应用运行性能的研究[J]. 计算机工程与科学,2009,31(11):50-53,57.

[15] TOMIN N, ZHUKOV A, KURBATSKY V, et al. Development of automatic intelligent system for on-line voltage security control of power systems[C]//2017 IEEE Manchester PowerTech, 2017: 1-6.



相似文献/References:

[1]王骁贤,张保华,陆思良.基于连续小波变换和卷积神经网络的无刷直流电机故障诊断[J].机械与电子,2018,(06):29.
　WANG Xiaoxian,ZHANG Baohua,LU Siliang.Fault Diagnosis of Brushless Direct Current Motor Based on Continuous Wavelet Transform and Convolutional Neural Network[J].Machinery & Electronics,2018,(01):29.
[2]刘志宇,黄亦翔.基于深度学习和迁移学习的液压泵健康评估方法[J].机械与电子,2018,(09):67.
　LIU Zhiyu,HUANG Yixiang.Health Assessment for Hydraulic Pump Based on Deep Learning and Transfer Learning[J].Machinery & Electronics,2018,(01):67.
[3]刘显茁,翟 哲,张 勇,等.基于多维度的电力系统调度报表数据改造提升方案[J].机械与电子,2021,(03):44.
　LIU Xianzhuo,ZHAI Zhe,ZHANG Yong,et al.Scheme of Improving the Submission of Power System Dispatching Report Based on Multidimension al Scenarios[J].Machinery & Electronics,2021,(01):44.
[4]许 哲,张少帅,郭 璐,等.无人机深度学习去雾算法[J].机械与电子,2021,(04):13.
　XU Zhe,ZHANG Shaoshuai,GUO Lu,et al. Deep Learning Defogging Algorithm for UAV[J].Machinery & Electronics,2021,(01):13.
[5]齐爱玲１,李 琳１,朱亦轩２,等.基于融合特征的双通道CNN滚动轴承故障识别[J].机械与电子,2021,(05):15.
　QI Ailing,LI Lin,ZHU Yixuan,et al.Dual Channel CNN Bearing Fault Identification Based on Fusion Feature[J].Machinery & Electronics,2021,(01):15.
[6]翟 哲 １,刘显茁 １,张 勇 １,等.基于 IEC ６１９７０ 的调度运行管理系统设计[J].机械与电子,2021,(05):52.
　ZHAI Zhe,LIU Xianzhuo,ZHANG Yong,et al.System Design of Dispatch and Operation Management Based on IEC? ?６１９７０[J].Machinery & Electronics,2021,(01):52.
[7]单政博,张 勇,吴小刚,等.基于数据融合的数字化电网调度指挥和管控平台[J].机械与电子,2021,(06):44.
　SHAN Zhengbo,ZHANG Yong,WU Xiaogang,et al.Digital Power Grid Dispatching Command and Control Platform Based on Data Fusion[J].Machinery & Electronics,2021,(01):44.
[8]徐先峰,郑少杰,赵 依,等.基于数据分解与重构的光伏发电功率超短期预测[J].机械与电子,2022,(04):20.
　XU Xianfeng,ZHENG Shaojie,ZHAO Yi,et al.Ultra-short-term Prediction of Photovoltaic Power Generation Based on Data Decomposition and Deconstruction[J].Machinery & Electronics,2022,(01):20.
[9]江 励,熊达明,汤健华,等.自然光线环境中的空间物体快速识别和定位算法研究[J].机械与电子,2022,(06):8.
　JIANG Li,XIONG Daming,TANG Jianhua,et al.Recognition and Positioning Algorithm of Space Objects in Natural Light Environment[J].Machinery & Electronics,2022,(01):8.
[10]王西志,管声启,张理博,等.基于视觉引导的工业棒材上料系统研究[J].机械与电子,2023,41(05):19.
　WANG Xizhi,GUAN Shengqi,ZHANG Libo,et al.Research on Industrial Bar Feeding System Based on Visual Guidance[J].Machinery & Electronics,2023,41(01):19.

备注/Memo

备注/Memo:

收稿日期：2020-09-09

作者简介：肖倩宏（1985—），男，贵州贵阳人，工程师，主要从事电网调度控制、风险管控及系统运行管理工作；康 鹏（1964—），男，贵州贵阳人，高级工程师，主要从事电网系统运行领域管理工作；杜 江（1991—），男，贵州遵义人，硕士，工程师，主要从事电网调度控制、风险管控及系统运行管理工作；宋 弦（1988—），男，贵州毕节人，工程师，主要从事电网调度控制、风险管控及系统运行管理工作；安 甦（1988—），男，贵州贵阳人，博士，工程师，主要从事电网调度控制、风险管控及系统运行管理工作。

更新日期/Last Update: 2020-12-28