基于同步波形与AI基础模型技术的电网监测

目的：本文倡导开发一种面向未来以逆变器资源为主导的电网的下一代电网监测与控制系统。利用生成式人工智能、机器学习和网络技术的最新进展，我们开发了一个基于物理的AI基础模型，结合高分辨率同步波形测量技术，以增强电网韧性并减少停电造成的经济损失。方法与结果：所提出的框架采用AI基础模型范式，其中生成式预训练基础模型从电力系统测量中提取物理特征，使其能够适应广泛的电网运行任务。该方法替代了流行AI基础模型中使用的语言模型，基于用于电力系统时间序列的Wiener-Kallianpur-Rosenblatt创新模型进行训练，以捕捉功率流的物理定律和电网测量的正弦特性。预训练的基础模型从电网测量时间序列中因果地提取充分的统计量，用于各种下游应用，包括异常检测、过电流保护、概率预测以及用于流式同步波形数据的数据压缩。使用现场采集数据的数值模拟表明，故障检测准确性和检测速度显著提高。结论：未来的电网将富含逆变器资源，使其具有高度动态性、随机性和低惯性。这项工作强调了现有监控与数据采集系统和相量测量单元监测系统的局限性，并倡导采用高分辨率同步波形技术实现AI赋能的监测与控制，以提供准确的情境感知、快速响应故障和强大的网络保护。