弹性电网的数据驱动运行：以 COVID-19 为例
机器学习
2021-08-10 v3
摘要
电能是现代生活的重要部分，即便在不利事件（例如乌克兰网络攻击、玛丽亚飓风）期间，对电网弹性的期望也大幅提升，以保障持续可靠的能源供应。全球大流行 COVID-19 因潜在劳动力中断、供应链中断及增加的网络安全威胁而提高了电力可靠性风险。在自然灾害、空前停电、电网老化、分布式发电高度渗透及网络攻击等其他极端事件并存下，该大流行给电网运行引入了显著的不确定性。这种情况增加了对电网弹性措施的需求，以减轻大流行及同时发生的极端事件的影响。应对此类不利情形的解决方案将是多方面的：a) 应急规划与组织支持，b) 遵循安全协议，c) 利用增强自动化与感知以实现态势感知，d) 集成先进技术与数据点以实现 ML 驱动的增强决策支持。增强的数字化与自动化带来了在发电、输电和配电等多层面的更好网络可见性。这些数据或信息可用于借助先进机器学习技术实现自动化并提升电网弹性。在本文中，a) 我们回顾了 COVID-19 对电网运行的影响以及运营商/组织为最小化其影响所采取的行动，b) 我们展示了近期开发的工具与概念，其利用机器学习与人工智能领域的自然语言处理（NLP），可用于在正常及诸如 COVID-19 大流行等极端情景中提升电力系统弹性。
引用
@article{arxiv.2010.01746,
title = {Data-driven Operation of the Resilient Electric Grid: A Case of COVID-19},
author = {Hossein Noorazar and Anurag. k. Srivastava and K. Sadanandan Sajan and Sanjeev Pannala},
journal= {arXiv preprint arXiv:2010.01746},
year = {2021}
}