引入机器学习以支持电力系统运行

我们致力于解决在当今不断变化的环境中利用机器学习辅助人类调度员运行电网的问题，旨在提高安全性并降低成本。电力网络是高度监管的系统，必须随时通过复杂的生产系统满足不断变化的电力需求，该系统包括传统发电厂、可预测性较低的可再生能源（如风能或太阳能），以及在越来越多欧洲层面参与者介入的情况下在国际市场上买卖电力的可能性。在日益老化的网络基础设施中，这一问题正变得更具挑战性。调度员的主要目标之一是在自由度有限的情况下保护设备（例如避免输电线路过热）：本文仅考虑网络拓扑结构的修改，即重新配置变电站中线路、变压器、发电和负荷的连接方式。利用法国输电系统运营商（TSO）“Réseau de Transport d'Électricité”（RTE）收集的多年历史数据，我们开发了新颖的机器学习技术（借鉴“深度学习”）来模仿人类决策，以设计“补救措施”防止任何线路违反功率流限制（即所谓的“热限制”）。所提出的技术是混合式的。它并不完全依赖机器学习：每一项操作在实际模拟器中测试后，才会被建议给调度员或在电网中实施。