面向小样本场景下的人工智能辅助电网优化调度系统

本项目最终作品为面向小样本场景下的人工智能辅助电网优化调度系统，能够实现对高比例新能源电力系统进行精准的“需求预测”，并能够进行实时的风险评估，从而为整个新型电力系统提高清洁能源消纳水平，应对因新能源不确定性强所导致一系列安全性问题提供基础性帮助，为进行整个新型电力系统的优化调度提供必要基础，最终使整个新能源电力系统能对新能源高效消纳，并能够可靠运行，其技术路线如下： （1）首先因为传统神经网络负荷预测需要大量数据样本，在部分小样本场景情况下，如节假日负荷预测、极端天气情况下负荷预测等，由于该类场景下源数据较少，会导致负荷预测精度较低。故通过结合特征迁移进行神经网络负荷预测，将基本数据中与小样本场景数据特征相似度较高的数据进行迁移，用于进行神经网络负荷预测，从而提高预测精度，保证整个新型电力系统新能源高效消纳。 （2）其次，对于新型电力系统的优化分析，运用深度神经网络进行优化分析虽然具有高维复杂非线性函数逼近能力强、在线计算速度快等优点，但由于电力系统场景演变，尤其是在应对小样本场景下时，其对电力系统的风险评估结果不可信，泛化能力还有待提高。故采用迁移学习结合流形学习的方法进行深度神经网络风险评估。将基本数据中与小样本场景下最相近的数据进行迁移，用以训练深度神经网络，提高该深度神经网络的可泛化性，使其应用场景更加广泛，然后再将深度神经网络用于系统最优潮流与最小切负荷优化分析，从而最终进行新型电力系统实时运行风险评估，保障其可靠稳定运行。 本项目能够很好为国家促进新时代新能源高质量发展的目标服务，与国家目前越来越重视新能源发展相契合，能够助力国家加快构建清洁低碳、安全高效的能源体系，具有快速性，准确性，且泛化能力强，应用场景广泛，具有较大的社会价值。