基于科学机器学习的智慧能源系统.pdf
《基于科学机器学习的智慧能源系统.pdf》由会员分享,可在线阅读,更多相关《基于科学机器学习的智慧能源系统.pdf(52页珍藏版)》请在咨信网上搜索。
1、基于科学机器学习的智慧能源系统基于科学机器学习的智慧能源系统张东晓张东晓宁波东方理工大学(暂名)宁波东方理工大学(暂名)20242024年年6 6月月2121日日汇报提纲二、风功率与光功率预测技术三、电力负荷预测技术一、科学机器学习23 问题的本质:问题的本质:给定输入,通过施加一定条件(或算法),得到最终的输出。这些算法可以是确定性的,也可以是随机的。关键关键:如何获得模型(方程或公式),即输入和输出之间的如何获得模型(方程或公式),即输入和输出之间的映射关系映射关系或者或者模式模式 构造求解方程的复杂算法构造求解方程的复杂算法 模型参数:观测值、反问题建模、数据同化等。模型参数:观测值、反
2、问题建模、数据同化等。模型驱动方法模型驱动方法图源:人工智能时代背景下的软件测试,51testing34数据驱动方法数据驱动方法 问题的本质:问题的本质:我们找不到对应的模式,我们不知道如何把输入映射为输出。案例案例:MNIST 数字识别。数字识别。由于手写字体因人而异手写字体因人而异,我们不 知道如何将输入转化为输出。虽然我们不知道如何映射,但是我们有数据,可但是我们有数据,可以把这个映射以把这个映射学习学习出来。出来。图源:人工智能时代背景下的软件测试,51testing45第二代AI 连接主义(数据驱动)大模型的发展历程大模型的发展历程6一个时髦的女人走在东京的街道上,街道上充满了温暖发
3、光的霓虹灯和生动的城市标志。她穿着一件黑色的皮夹克,一件红色的长裙,一双黑色的靴子,还带着一个黑色的钱包。她戴着太阳镜,涂着红色的口红。她自信而随意地走着。街道潮湿而且反光,创造了彩色灯光的镜面效果。许多行人走来走去。A stylish woman walks down a Tokyo street filled with warm glowing neon and animated city signage.She wears a black leather jacket,a long red dress,and black boots,and carries a black purse.S
4、he wears sunglasses and red lipstick.She walks confidently and casually.The street is damp and reflective,creating a mirror effect of the colorful lights.Many pedestrians walk about.2023年被广泛誉为生成式AI的年份7SORA-Diffusion Transformer两艘海盗船在一杯咖啡中航行时相互厮杀的真实特写视频。Photorealistic closeup video of two pirate ship
5、s battling each other as they sail inside a cup of coffee.很明显,Sora生成的船和流体之间的关系只是一眼看去合理,实际并不符合流体力学规律。8SORA-Diffusion TransformerSORA真的真的懂懂我们的世界吗?我们的世界吗?9SORA-Diffusion Transformer行业挑战:高质量数据稀缺,而且面临知识版权问题高质量数据稀缺,而且面临知识版权问题统计上表现出色,但是就个体而言结果可能不靠谱统计上表现出色,但是就个体而言结果可能不靠谱可解释性差可解释性差对于许多基本交互物理现象,SORA效果依旧差强人意根本
6、原因:缺少知识,缺少对物理世界的基本认知缺少知识,缺少对物理世界的基本认知解决方案:引入知识指导模型引入知识指导模型10机器学习算法及其局限性19561960s1970s1980s19972006神经网络的研究热潮“深蓝”击败国际象棋冠军“人工智能”的提出专家系统成功应用规则系统的研究热潮2016AlphaGo击败李世石深度学习的提出第一代:符号主义(知识驱动)第二代:连接主义(数据驱动)第三代:?如何定义?依赖于大量高质量的训练数据需要定义明确且完备的规则优点:符合人类理解的逻辑无法应对规则以外,或复杂情况(如日常对话)不足:已广泛应用于各个专业领域优点:能够根据数据自行学习对数据要求高易被
7、攻击或误导决策过程不清晰不足:10图源:清华大学,张钹,第三代人工智能AI的发展历程ChatGPT:大数据、大模型、大算力大数据、大模型、大算力11领域知识领域知识人工智能人工智能观测数据观测数据智慧能源智慧能源行业挑战:能源数据稀缺:数据采集费时且成本高昂 能源模型可靠:要求模型高鲁棒性与解释性 能源系统复杂:存在大量高维非线性映射科学问题:如何将繁杂的各类领域知识(如定性专家经验与定量控制方程等)以及多种来源数据(如电力负荷、气象观测、生产行为数据等)相互融合,并构建知识与数据双驱动模型?基于科学机器学习的智慧能源系统科学机器学习的核心:知识与数据双驱动12 不确定性来源的改变:源随荷动:
8、需求端具有较高不确定性,供给端根据需求动态调整。源荷互动:本质问题在于可再生能源比例增加,看天吃饭,供给端的不确定性也大幅增加。不确定性分析随机建模 数据来源逐渐丰富:可再生能源需要考虑更多的自变量(如光功率的辐照,风功率的风速,电力负荷的温度等),提升预测精度以降低不确定性。融合多尺度多保真度多来源的时空数据构建模型:对空成像v.s.卫星遥感(多尺度)地面气象站v.s.数值天气预报(多保真度)电力数据v.s.气象和运营数据(多来源)多尺度建模数据同化 处理有噪高随机性的序列数据:时空序列数据建模可解释机器学习可再生能源功率数据为时间序列数据,受天气等随机因素影响,具有较高波动性。利用融合物理
9、机理的知识与数据双驱动模型实现序列数据预测。基于可解释机器学习对不同对象分别进行针对性评估与优化。智慧能源系统13 知识嵌入:构建具有物理常识的AI模型借助机器学习的强拟合能力,描述变量间高维复杂映射关系(准确性)利用能源领域内的先验知识,保证预测结果符合物理机理(可靠性)知识发现:从观测数据中提炼物理知识借助人工智能自动探索物理原理,推进人类认知前沿迭代利用发现的知识,和知识嵌入结合,形成知识和数据的闭环系统知识数据双驱动的智慧能源系统14供给端预测及电站运维优化与决策调度与优化交易策略储能需求端预测有噪随机时空序列数据不确定分析与随机建模多目标优化与约束求解科学机器学习算法智慧能源系统 立
10、足新能源电力应用行业,提供智慧运维与决策服务适应多场景的精准功率预测服务融合物理知识与人工智能模型的智慧运维系统基于概率分布信息和AI技术的绿电交易决策技术 科学目标:通过智慧能源领域知识嵌入与知识发现的闭环,发展新一代人工智能技术,实现数据驱动与知识驱动的融合,助力能源科技革命。产业目标:在光伏、风能、电力负荷预测应用等方面提供完整解决方案,助力中国实现双碳战略目标。汇报提纲二、风功率与光功率预测技术三、电力负荷预测技术一、科学机器学习1516风力发电功率预测技术嵌入概率分布信息的风力发电功率预测模型 挑战:风力发电具有强烈的随机性和波动性,风功率的准确预测,有助于提高电网运行的稳定性,能有
11、效帮助电网调度部门做好各类电源的调度计划。进展:研发了融合领域知识的风功率预测模型,根据风电区域的风向、风机转速、桨距角和实际风功率等数据建立精准风功率预测模型,并嵌入风功率曲线这一物理知识以提高预测准确度。结合数值天气预报与气象观测站,形成一套软硬结合的物理与数据双驱动的风力发电功率预测技术。17大气模式机理模型基于损失函数的软约束基于投影矩阵的硬约束历史数据收集小尺度范围精细化气象预报精细化气象预报风速等气象数据桨距角发电机转速有功功率风功率曲线基于人工智能的风功率预测实时数据展示历史数据展示气象信息展示统计报表分析风功率应用服务系统风力发电功率预测技术18风速等气象数据桨距角发电机转速有
12、功功率数据损失先验损失概率分布先验风功率曲线优化训练核心:利用核密度估计计算模型输出结果的概率密度函数 利用JS散度衡量模型输出结果与先验风功率曲线的差异风力发电功率预测技术19风力发电功率预测技术理论指导的深度概率预测(TgDPF)数据和领域知识双驱动模型,把基于数据的深度学习模型LSTM和基于领域知识的风功率曲线有效结合把基于概率分布的领域知识成功嵌入到深度学习模型的训练中,拓宽了知识嵌入的范围可以有效对抗预报风速中的高噪声,提升预测的鲁棒性基于气象数据和风功率曲线的风功率预测结果与真实值的对比图。预测准确率高于90%。20Wind power风力发电功率预测技术21风力发电功率预测技术T
13、gDPF训练过程中的风功率曲线上图表示了TgDPF不同训练阶段模型预测的风功率曲线和实际风功率曲线的对比:随着训练的深入,模型预测的风功率曲线越来越接近实际的风功率曲线为了验证嵌入概率分布的风力预测模型比LSTM更稳健,我们在风速中加入了有偏的随机噪声N(x,x)。x表示正常噪声的平均值和方差,其中x在实验中等于0.1、0.3、0.5、0.7。左图是4天的风速数据(每天144个点)。前3天的数据是风速观测数据,最后一天的数据是天气预报的风速,包含有偏差的噪声 N(x,x)。有噪音风速数据历史风速观测数据22风力发电功率预测技术23风力发电功率预测技术先进的时序预测模型Client 对原有的时序
14、Transformer模型进行改进,将attention模块用于学习多变量时间序列变量间的依赖关系,而不再是不同时间步之间的关系;对模型的其他部件也进行了精简 用线性模型学习时间序列线性趋势信息,用cross-variable Transformer学习序列非线性信息和变量间的依赖;加入ReVIN模块使模型的预测更加稳定24风力发电功率预测技术先进的时序预测模型CVTN在Cross-Variable阶段,采用的是以Client作为特征提取网络,提取多变量依赖特征在Time Encoder 阶段,为了兼顾时序特征的提取、预测序列局部依赖性的提取、以及模型的轻量化,采用了CNN为基础架构Featu
15、re down sample通过point-wise卷积减少特征的数量,防止过拟合通过残差连接使得Cross-Time的优化目标为修正Cross-Variable阶段的预测序列25CVTN和Client基准时序数据集测试结果CVTN和Client模型在多个基准数据集上都取得了领先的效果,包括电力数据集和天气数据集等,打败了传统的线性模型、CNN模型和Transformer模型26风力发电功率预测技术已部署电站(稳定运行半年以上):某公司陕西定边xx电站 某公司陕西定边xxx电站 某公司河北邢台xx电站研发与适配阶段电站:江苏、湖南等地29个风力电站某海上风场风力发电功率预测27光伏发电功率预测
16、技术光伏发电功率预测模型示意图 挑战:光伏发电具有强烈的随机性和波动性,为大规模并网及电力调度带来了巨大的挑战,加剧了电网运行的潜在风险。进展:可接收来自气象部门的专业数值天气预报,实现对光伏电站未来1-3天的发电功率预测,预测分辨率为15分钟。本系统已在河北邢台某集中式光伏电站试点运行,准确率高达96%。Luo,X.,Zhang,D.,&Zhu,X.(2021).Energy,225,120240.Luo,X.,Zhang,D.,&Zhu,X.(2022).Renewable Energy,185,1062-1077.Luo,X.,&Zhang,D.(2022).Sustainable En
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 科学 机器 学习 智慧 能源 系统
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【宇***】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【宇***】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。