行业新闻 – 2025 年 1 月 27 日
配电系统中负载流的复杂性需要自学习算法。
分散且波动的电力生产商（尤其是光伏装置）的数量正在增加。这给配电系统稳定性带来了越来越大的挑战。为了更好地管理生产者和消费者，创造电网稳定性并克服瓶颈，人工智能正成为一种有吸引力的选择，可以帮助评估大量电网状态数据。
到目前为止，这只是小步走。电网运营商正在测试人工智能 (AI) 的各种应用。目标是使电力系统更安全、更高效，尤其是在配电系统层面。随着分散发电的增加和负载流变得更加复杂，这将变得越来越紧迫。
于伯林根的 Stadtwerk am See 最近与康斯坦茨应用科学大学 HTWG、弗劳恩霍夫太阳能系统研究所 (ISE) 和康斯坦茨国际太阳能研究中心合作开展了一项研究项目，旨在开发和测试基于 AI 的低压控制器原型。
“我们之前曾使用过没有 AI 的算法，但意图类似，”Stadtwerk am See 电网运营主管 Jan Etzel 说道。现在采用 AI 来优化系统。据 Etzel 称，能够使用新算法取决于在低压电网内广泛部署测量技术。该项目使用来自腓特烈港工业区的数据来“设计未来的电网并成功模拟电网控制”，Etzel 说道。
电网状态通常不明
然而，人工智能有一个限制因素：在该国许多地方——不仅仅是在巴登-符腾堡州的 Stadtwerk am See——配电系统运营商通常对单个电网线路的状态知之甚少。这意味着，在采用复杂的算法之前，通常必须扩展测量基础设施。人工智能依赖于测量数据。
一旦有了实时数据，就可以使用“智能电网的核心”，即基于人工智能的智能控制系统。据 Stadtwerk am See 称，控制系统可以访问低压电网的所有相关信息，例如来自变电站、消费者和生产者的最新测量数据。它还可以处理有关年度消耗、天气、预报等的数据。
Jan Etzel 解释说，这使得人工智能能够分析数据蔓延，以便快速准确地做出决策。如今，负载流过于多维，人类操作员无法监督——更不用说控制了。人工智能可以平抑峰值负荷并防止电网拥堵，必要时还可以减少发电量。软件可以从过去的事件和错误中学习，这意味着，基于越来越详细的预测，它将能够更有效地工作，以防止电网出现危急情况。
“数字化”，电力行业的愿景
巴登-符腾堡州智能电网平台最近在康斯坦茨举行的智能电网对话 2024 上展示了电力行业人工智能的最新技术。巴登-符腾堡州智能电网平台的 Arno Ritzenthaler 强调，人工智能“不仅仅是一个数字孪生”。它可以帮助稳定电网，减少电网扩建的需要。
康斯坦茨 HTWG 的 Gunnar Schubert 教授介绍了“数字化”的概念，即数字化和可持续性的结合。可再生能源依赖于电网的智能化和数字化。舒伯特表示，将 60 千兆瓦的光伏电力输送到中低压电网将带来重大挑战，他还将此视为预测潜在中断的研究领域。
管理 400 千兆瓦的太阳能
HTWG Konstanz 的 AI4Grids 研究项目负责人 Manuela Linke 解释了未来的电力系统将有多么复杂，该项目于 2023 年底结束：预计到 2045 年，德国道路上将有 3500 万辆电动汽车，导致电力需求至少翻一番。与此同时，光伏发电容量将扩大到 400 千兆瓦以上，风电容量将扩大到 300 千兆瓦以上。
这些波动只能通过智能电网管理来管理，包括控制生产和消费以及管理本地电网变压器。在一些地方，安装了分接开关以实现可变匝比。这将防止线路内的任何过压转移到下一个电压等级。
配电系统数据缺乏
这在理论上听起来很简单，但在实践中往往更加困难。Manuela Linke 提到了电网数据缺乏，例如二次变电站内运行状态的有效信息。只要有足够的数据和控制选项，AI 就可以承担各种任务，例如基于负载预测和光伏发电预测的负载流计算。然后，AI 可以帮助确保电网稳定性并识别错误。它还允许基于时间序列的电网规划。这意味着它可以预测电网扩展的必要性。
Manuela Linke 解释说，AI 可以基于各种算法。有些算法需要在电网拓扑发生变化时进行额外训练，有些算法可以直接应用于新拓扑。不过，电网运行的主要实际挑战不一定是算法的质量。数据收集的质量和 IT 安全可能是一个更大的问题。毕竟，IT 和电力行业都受到缺乏熟练工人的影响，研究人员补充道。
标准负载曲线的局限性
正如巴登-符腾堡州太阳能和氢能研究中心 (ZSW) 的 Jann Binder 指出的那样，电力行业的流程必须适应不断变化的电网状况。如今，电力行业仍然将传统的标准负载曲线应用于住宅客户。这是基于所有家庭在一天中都有相同的特定负载曲线的假设。但是，使用光伏自用或甚至光伏与电池存储相结合的家庭并没有表现出标准的负载曲线。“目前使用的模型会产生严重的错误，”Jann Binder 说。这就是为什么我们需要新的负载曲线，这些可以借助人工智能来创建。
弗劳恩霍夫能源经济与能源系统技术研究所 (IEE) 正在就此主题开展一项研究项目。标准负载曲线不再能够涵盖由不断增加的光伏装置、存储系统、热泵和电动汽车充电器数量所形成的情况。 “这就是我们的研究项目的用武之地：我们的 AI 支持流程生成了各种优化和预测任务所需的数据基础，”IEE 项目经理 Dominik Jost 说道。
安装工程师的 AI 现场支持
配电系统运营商 Netze BW 的 GenAI 项目负责人 Karen auf der Horst 表示，电力公司可以将 AI 用于控制电网以外的更多领域。她解释了 Netze BW 如何使用 AI 支持安装工程师的日常任务。当他们在现场时，他们会将记录已安装技术的图像输入系统。使用图像识别，这可以提供有价值的信息。根据标准化隔离开关颜色，可以自动识别那里使用的绝缘材料。
类型标签的照片可以自动读取技术数据并将其存储在数据库中。在维护和维修技术资产时，工人可以从自己的数据库中获取所需的信息，这些数据库存储了 AI 格式的基于需求的信息。AI 还会回答具体问题。
安装工程师在现场生成的新文档（例如照片或报告）会直接输入数据库。 “我们只使用自己的文档，这样可以防止人工智能产生幻觉，”项目经理 Karen auf der Horst 说道。幻觉仍然是生成式人工智能的一个问题——任何使用 ChatGPT 等聊天机器人的人都会遇到这种情况。有时，系统会基于虚假信息运行。电力等具有系统重要性的行业必须不惜一切代价避免这种情况。
