2019年淺析工業互聯網下的新能源電力系統發展.pdf

1、個性化個性化定制定制網絡化網絡化協同協同服務化服務化延伸延伸外部網絡/互聯網絡局域網絡IT網絡OT網絡云計算/邊緣計算云計算智能化智能化管控管控端到端數據流動“工業互聯網是互聯網和新一代信息技術與全球工業系統全方位深度融合集成所形成的產業和應用生態，是支撐工業智能化發展的綜合信息基礎設施?！本W絡化：實現機器、材料、控制系統、信息系統、人之間的泛在互聯 平臺化：通過工業云和工業大數據實現海量工業數據的集成、處理與分析 新模式：實現智能化生產、網絡化協同、個性化定制和服務化延伸“互聯網+”時代下,工業互聯網已經成為中國基礎設施產業升級的必然技術路徑。核心：“人-機-物”泛在互聯和深度融合下的基于數

2、據驅動的智能化工業互聯網平臺：面向工業數字化、網絡化、智能化需求，構建基于海量數據的采集、匯聚、分析和服務體系，支撐資源泛在連接、彈性供給、高效配置的開放式云平臺。工業工業APPAPP基于PaaS平臺開發工具、行業機理模型開發形成的應用服務（本質：面向特定場景的智能化行業解決方案）工業工業PaaSPaaS系統設備、業務軟硬件資源的靈活調配和高效管控（本質：實現資源管控的“工業操作系統”）工業工業IaaSIaaS邊緣層邊緣層工業信息物理系統計算、網絡、存儲等系統資源的虛擬化（本質：工業互聯網資源池）應用服務應用服務傳感裝置、異構網絡、邊緣計算支撐下的實時、可靠數據采集（本質：工業系統狀態的全面感

3、知）操作系統操作系統資源管理資源管理全面感知全面感知定義傳統工業云平臺的迭代升級：大量工業環節和用戶參與的軟件生態新工業體系的“操作系統”：對等、扁平、靈活、軟件定義的組織架構資源集聚共享的有效載體：多方資源匯聚下的社會化協同生產和管控國際數據公司（IDC）預測：工業互聯網未來80%的終端為傳感節點，90%的流量是物理信息，傳輸需求具有時延敏感特征，亟待對新型網絡體系結構、演化機理和多源數據分析理論和網絡空間安全理論開展研究。網絡空間體系架構和演化問題：實時高效可靠新型網絡架構及網絡行為分析方法數據科學問題：多源異構、時空關聯大數據分析和數據驅動決策理論網絡空間安全問題：信息與物理系統一體化安

4、全防護和未知威脅防御理論價值問題三元融合（人、工業過程信息系統）時空關聯（多時間尺度、多空間尺度）平行演進（工業物理系統、信息網絡系統）智能涌現（自感知、自學習、自診斷、自愈、自控制、自趨優）數字化、網絡化、弱智能化（互聯網、物聯網）自主智能化（自主智能化（AIAI）全球工業互聯網生態格局正在加速形成（美國、歐洲、日本、韓國等）通過對工業數據的全面深度感知、實時傳輸交換、高效計算手段和高級建模方法，實現工業應用中控制模式、資源管控、運營維護等生產組織方式的顛覆式變革工業互聯網和場景化的人工智能技術正逐步融合，由“全過程數字化集成和自動化”向“信息網絡支撐的互聯智能”，繼而向“知識驅動的自主智能

5、”演進（來源：中國信通院、工業互（來源：中國信通院、工業互聯網產業聯盟，余曉暉總工）聯網產業聯盟，余曉暉總工）趨勢聯合國“商業與氣候”峰會：全球能源互聯網 清潔發展的必由之路可持續發展首席執行官理事會：構建全球能源互聯網 實現能源可持續發展的必由之路中國電機工程學會年會：構建全球能源互聯網 推動能源與環境協調發展與美國前財長鮑爾森會談：首次提出構建全球能源互聯網全球可持續電力合作組織2014年峰會：構建全球能源互聯網IEEE電力與能源協會年會：構建全球能源互聯網，服務人類社會可持續發展IEEE科普論壇：論全球能源互聯網聯合國氣候峰會企業家論壇：構建全球能源互聯網、促進綠色低碳發展。福布斯雜志：

6、為實現可持續發展建設全球能源網絡全球能源互聯網專著在北京發布人 民 政 協 報：落 實“一帶一路”戰略 構建全球能源互聯網概念提出理論形成成果發布特 高 壓 交 流試 驗 示 范 工程投運智能電網全面開工建設全球能源互聯網清潔化 電氣化網絡化 智能化統籌協調兩個替代可持續發展 能源互聯網是互聯網與能源生產、傳輸、存儲、消費和能源市場深度融合的能源產業新形態，具有系統智能、多能協同、信息對稱、供需分散、扁平管理、交易開放等特征。定位定義 能源互聯網是是我國推動能源革命的重要技術支撐平臺，以電力系統為核心的多類型能源網絡（煤炭、石油系統、供熱系統、天然氣供應系統）高度耦合下，實現能源互聯互通、綜合

7、優化利用的資源配置中心和樞紐。能源互聯網具有工業互聯網的典型特征和需求，是工業互聯網的重點應用領域電力系統電力系統能源互聯網能源互聯網新能源新能源電力系統電力系統 物聯基礎：采用先進的傳感、控制、通信等實現能源生產端、傳輸端、消費端數億計海量裝置（計量、保護、檢測、控制）、設備（一次）以及子系統的泛在互聯。數據基礎：可獲取設備運行數據、氣象數據、電網數據、電力市場數據等，基于海量數據存儲、基于人工智能的挖掘、處理、分析和可視化，全面感知系統態勢，優化能源生產和能源消費端的運行效率，實現需求和供應實時動態適配和友好互動。以智能電網為技術基礎，以智能化技術和服務為支撐，高效處理發、供、用電側的多維

8、數據信息，實現能源供需優化動態配置和互動。能源互聯網將重建現有能源交易體系，大幅提升能源的生產和使用的效率，實現能源信息的交易融合。（來源：國網信通公司）能源互聯網將實現新能源電力系統能量流、信息流和價值流的重新整合！“那些與人的思維相關的活動，諸如決策、問題求解和學習等的自動化”Bellman,1978；“是一種計算機能夠思維，使機器具有智力的激動人心的新嘗試”Haugeland,1985；“是那些使知覺、推理和行為成為可能的計算的研究”Winston,1992；“是關于人造物的智能行為，而智能行為包括知覺、推理、學習、交流的行為”Nilsson，1998；“像人一樣思考的系統、像人一樣行動

9、的系統、理性地思考、行動的系統”Stuart Russell,2003；人工智能是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門交叉性極強的技術科學。人工智能發展歷史：熱潮和嚴冬交替出現當前普遍共識：基礎條件成熟，人工智能工業級應用爆發在即！未來10年，人工智能將成為最具顛覆性的技術之一，成為新一輪科技和產業變革的重要驅動力?！叭斯ぶ悄艿膬群X認知基礎、機器感知與模式識別、自然語言處理與理解、知識工程四個方面”內涵“是機器人與智能系統智能科學的應用技術，如工業機器人、農業機器人、服務機器人等各類機器人，以及智能交通、智能制造、智慧醫療、智慧城市等”外延腦認知基礎：

10、闡明認知活動的腦機制，包括分子、細胞、神經回路、腦組織區實現記憶、計算、交互等認知活動，以及如何模擬這些認知活動。它包括認知心理學、神經生物學、不確定性認知、人工神經網絡、統計學習、機器學習、深度學習等內容。機器感知與模式識別：研究腦的視知覺、以及如何利用機器完成圖形和圖像的信息處理和識別任務，如物體識別、生物識別、情境識別等。在物體的幾何識別、特征識別、語義識別中，在人的簽名識別、人臉識別、指紋識別、虹膜識別、行為識別、情感識別中，目前都已經取得巨大成功。自然語言處理與理解：研究自然語言的語境、語用、語義和語構；大型詞庫、語料和文本的智能檢索，語音和文字的計算機輸入方法，詞法、句法、語義和篇

11、章的分析，機器文本和語音的生成、合成和識別，各種語言之間的機器翻譯和同傳等。知識工程：研究如何用機器代替人，實現知識的表示、獲取、推理、決策，包括專家系統、機器博弈、數據挖掘和知識發現、不確定性推理、領域知識庫；還有數字圖書館、知識圖譜等大型知識工程。新一代人工智能（人工智能2.0）（國發201735號）新一代人工智能以高級機器學習、大數據、云計算為核心，重點突破感知智能、計算智能和認知智能領域技術，以更高水平接近人的智能形態存在，主要特點包括:從人工知識表達到大數據驅動的知識學習技術從分類型處理的多媒體數據轉向跨媒體交互從追求智能機器到高水平的人機協同從聚焦個體智能到基于網絡的群體智能技術從

12、擬人化機器人轉向更加廣闊的智能自主系統新形勢挑戰與機遇人工智能技術應用與行業場景密切相關！工業互聯網背景下，人工智能將給新能源電力系統帶來什么？通過新一代人工智能技術與能源互聯網的深度融合，將逐步實現智能傳感與物理狀態相結合、數據驅動與機理模型相結合、輔助決策與運行控制相結合，從而有效提升駕馭復雜系統的能力，提高電力系統運行的安全性和經濟性。多類型能源高度耦合新能源設施規模日益龐大電力信息系統深度融合在工業互聯網背景下，針對能源互聯網系統優化、可靠和安全運行的挑戰，從優化控制和電氣信息的角度開展研究：能量協同調控困難信息攻擊威脅凸顯傳統運維手段失效需要實現優化調度和能量自動適配需要引入智能化高

13、效運維手段需要信息和網絡攻擊快速識別和預警家庭多能互補集成供能系統中分布式電源（光伏、風電）、家庭負荷、儲能間的協同增效和自適應優化調度 建立以減少用電成本與尋求電量供需平衡為雙重目標的多目標整數不等式規劃問題，基于對實時電價和分布式電源出力的預測，采用遺傳算法搜索最優的“DG-負荷”供需關系和柔性負荷用電時段以匹配DG供電狀況 采用迭代自動尋優算法以RTP為調節杠桿，轉移部分負荷的工作時段以降低從電網處的購電費用；采用分段判斷方式搜索最優“DG-蓄電池-負荷”能量供應，通過蓄電池的充放電動作動態轉移DG供電量來適配負荷需求大電網大電網RTP太陽能太陽能風能風能HAN蓄電池蓄電池控制器控制器負

14、荷負荷負荷負荷負荷負荷剛性負荷剛性負荷不可中斷負荷不可中斷負荷可中斷負荷可中斷負荷能量流動能量流動負荷控制負荷控制儲能控制儲能控制0:003:006:009:0012:0015:0018:0021:0024:0044.555.566.5RTP(cents/KWh)Time(h)012345DG Energy(KW)RTPSolar powerWind power家庭集成供能系統中分布式電源和動態電價家庭集成供能系統中分布式電源和動態電價結論1：在滿足電力約束和電量波動的條件下，根據DG、RTP、儲能狀態信息，合理規劃家居用戶側包含可中斷負荷與不可中斷負荷的柔性負荷用電時段，以儲能裝置充放電決策

15、為調控手段，充分調整和利用DG的發電量，以尋求最高經濟效益，降低系統用電均峰值，實現系統內用戶所需支付電費最低與DG供電充分使用的雙重有效優化；結論2：通過建立以減少用電成本與尋求電量供需平衡為雙重目標的多目標遺傳算法整數規劃問題，根據可中斷負荷與不可中斷負荷的不同工作特性，可分段執行交叉變異策略，降低算法復雜度，兼顧全時段電能供需最佳適配。0:003:006:009:0012:0015:0018:0021:0024:00-6-4-20246時間(h)充放電功率(KW)020406080100SOC(%)未經電網的充放電電網對電池的充電電池整體的充放電電池荷電狀態SOC基于負荷控制和儲能控制的

16、供需適配程度隨機工作和儲能介入下的能量供需適配程度含負荷控制的儲能充放電過程預測不確定情形下的算法可靠性0:003:006:009:0012:0015:0018:0021:0024:003.544.555.566.57時間(h)實時電價(/KWh)誤差范圍RTP日前預測值RTP真實值0:003:006:009:0012:0015:0018:0021:0024:002345678時間(h)分布式發電(KW)誤差范圍DGs日前預測值DGs真實值電價、分布式發電量預測誤差（實際誤差、人為設定誤差）0:003:006:009:0012:0015:0018:0021:0024:00012345678時間

17、(h)DG 利用量(KW)DG 使用量DG 供電量0:003:006:009:0012:0015:0018:0021:0024:00-1-0.500.511.5時間(h)充放電功率(KW)0102030405060708090100SOC(%)未經電網的充放電電網對電池的充電電池整體的充放電電池荷電狀態SOC10203040506070809005101520253035403個月的不同天(day1-day90)每日購電費用（美分）預測精確時的購電費用存在預測誤差時的購電費用95%=26.850%=19.095%=14.850%=8.5三個月每日購電費用比較結論3：最優調度策略是基于日前決策，

18、采用的也是預測數據，故當真實值與預測值存在偏差時，調度效果將會略有降低。實驗結果證明：算法設計在不確定因素下具有較好的可靠性，精確預測可以完全達到預期的能量管理和調度效果?；谪摵煽刂萍皟δ芸刂频腄G利用量儲能充放電過程風光柴儲及海水淡化系統海島微電網系統（包含風光儲柴和海島鹽水淡化系統）挑戰：海島微電網系統中存在的光伏、風機等設備的運行狀態受天氣等外部條件影響嚴重而普遍存在波動性、隨機性、難預測性以及由此帶來的離網狀態下系統供用電設備之間存在的負荷匹配困難等問題。目標：采用模糊決策方法，通過實時采集系統的供用電負荷關系、海水淡化系統的淡水儲量及儲能單元的荷電狀態作為決策系統的控制輸入，實現多

19、目標優化控制。浙江大學摘箬山島外海實試基地（浙江大學科技部863課題“風光流混合供電控制系統”）浙江舟山摘箬山孤島微網測試系統：總容量3.5 MW,含光伏 320kW,風機1.7MW,海流能100kW,混合儲能系統(ESS)：電池儲能1MW，超級電容 250KW針對上述海島環境及其微電網配置，選擇各采樣時刻的供用電負荷關系(GCR)作為控制器輸入，模糊變量子集為5級。鹽水淡化過程中淡水池中剩余的淡水量(RAF)和蓄電池組的荷電常數(SOC)也分別被模糊成包含3個元素的模糊向量，與GCR一起作為專家決策的依據。-400-300-200-100010020030040000.51(Kw)NB NS

20、 ZO PS PB05010015020025000.51(Ton)LRAF MRAF HRAF010203040506070809010000.51(%)LSOC MSOC HSOC模糊決策控制變量間關系（Control surface）模糊規則表模糊控制框圖00:00:0006:00:0012:00:0018:00:0000:00:0002004006008001000TimePower(KW)Solar energyTotal renewable powerTotal generated powerBaseline industrial demandWind energy00:0006:

21、0012:0018:0024:00020406080100TimeEfficiency of renewable energy(%)Energy efficiency improved with strategyRenewable energy use efficiency w/o stratety0 50 7010015020025000.20.40.60.81Membership functionsLRAF MRAF HRAF 00:0006:0012:0018:0024:00Ton Time Expected lower bound(70 Ton)Expected upper bound

22、(150 Ton)Real-time water level dynamics 結論：采用基于規則的模糊推理方式，將柴油發電機啟停，海水淡化設備開機臺數，儲能設備工作狀態(充電、放電、無動作)等離散量作為決策結果，可直接實現設備運行控制和管理；無需建立風機、光伏、儲能等設備數學模型和對設備工作狀態進行預測，而只需實時采集系統工作狀態數據，基于數據驅動的方法大大增強了能量調度的準確性和適用性。海島分布式發電資源情況可再生能源利用效率對比儲能系統狀態分析鹽水淡化系統可靠運行鹽水淡化系統可靠運行海島供電海島供電-負荷適配度負荷適配度注：設系統初始條件注：設系統初始條件下淡水池中有剩余淡下淡水池中有剩

23、余淡水量為水量為6060噸；儲能單噸；儲能單元元SOCSOC狀態為狀態為50%50%，總，總儲量儲量500kW500kW。背景1：中國電網規模已經躍居世界第一，110 kV以上電力線路已達到近51.4 萬公里。每年電力行業整體投資約為1000億元，其中硬件設施為73%，輸電設備比重不斷加大；背景2：通常100公里的巡線工作需要20個巡線人員工作1天才能完成，隨著電網規模擴大，巡線維護繁重程度和巡檢自動化需求日益凸顯。國家電網公司出臺國家電網公司輸電線路直升機、無人機和人工協同巡檢模式試點工作方案，明確要求建立無人機和人工巡檢相互協同的新型巡檢模式。核心挑戰：巡檢對象故障特征難以表達和辨識。輸變

24、配電設備視覺檢測中普遍存在：圖像視頻背景復雜性、多干擾因素(光照、遮擋、尺度及旋轉等)、相對運動隨機性及相似目標難判別，缺陷難表達，和深度模型泛化能力弱等難點問題現有圖像特征提取普遍在小樣本集或私有樣本集上進行，尚無公開圖像數據庫供學術研究使用，樣本庫擴充成為急需解決的問題基于人工智能技術，有機協調數據驅動和模型驅動，并結合邏輯、先驗和知識，研究巡檢圖像視頻的處理、分析及理解的方法，并研究相關實際系統等，實現電力設備表面視覺缺陷智能檢測復雜非結構環境下的輸電線路設備巡檢絕緣子串圖像分割效果圖（玻璃、陶瓷）在端對端目標識別算法結構中植入特征聚合方法，建立融合人工特征的深度卷積神經網絡來改善對動態

25、非結構化環境中的不同類型目標識別的實時性和準確性；采用樣本增廣技術來實現圖像樣本構建，在物理結構和國家標準基礎上，構建多種電氣元件的結構模型，考慮非結構化動態環境（季節、天氣、背景、材質、電壓等級、放置形態等）因素，生成復雜背景與干擾下的模擬圖像。解決思路：以圖像訓練樣本高效增廣（虛擬仿真、對抗學習）方法為突破口，解決樣本不完備、分布不平衡問題；利用深度卷積神經網絡學習能力，融合人工特征提取來實現圖像特征的魯棒性表達，為輸電線路設備智能化巡檢提供基礎?；诰矸e神經網絡特征聚合的電力元件檢測不同背景、不同視距情形下的識別能力檢測基于多顯著性集成的絕緣子目標識別圖像顯著性檢測是根據視覺系統中的注意

26、力機制發展而來一種圖像處理技術，可對圖像中復雜的信息進行簡單的分類，起到信息過濾的作用，是解決計算機視覺中許多問題的重要途徑。元件表面缺陷的圖像深度特征提取基于圖像特征學習的絕緣子識別部分測試結果背景：我國風電裝機容量躍居世界第一。風電機組單機容量和風輪直徑不斷增大，機組受力復雜化，近年來事故頻發。齒輪箱是風機傳動鏈中關鍵一環，長期運行過程極易老化損傷；其中：軸承故障76%，齒輪故障17.1%LWK Failure Rate,approx.5800Turbine YearsWMEP Failure Rate,approx.15400Turbine YearsLWK Downtime,appro

27、x.5800Turbine YearsWMEP Downtime,approx.15400Turbine YearsElectrical SystemElectrical ControlOther Hydraulic SystemYaw SystemRotor HubMechanical BrakeRotor BladesGearboxGeneratorDrive Train1 0.75 0.5 0.25 0 2 4 6 8 10 12 14 16Annual failure frequency Downtime per failure(days)歐洲兩大機構對超過20000臺風電機組故障率/

28、停機時間的統計結果狀態監測是故障診斷的基礎，目前應用于風電機組的監測方式主要有：振動監測、油液監測等，而風電機組傳動系統通常使用振動監測方式。滾動軸承：故障類型（磨損、疲勞、斷裂、變形），故障頻率（內圈、外圈、滾動體故障頻率）齒輪：故障類型（斷齒、點蝕、齒面膠合）；故障頻率（嚙合頻率）（來源：National Renewable Energy Laboratory，NREL）仿真實驗（線性/非線性混疊）1012023(0.25)33(0.5)3(0.75)3(cos(2)1)*sin(2)(cos(2)1)*sin(2)sin(2)*,00.25sin(2(0.25)*,0.250.5ssin

29、(2(0.5)*,0.50.75sin(2(0.75)*,0.751ttttsf tf tsf tf tf tetftetftetftet=+=+=4455sin(2)sin(2)sf tsf t=02004006008001000-202s102004006008001000-202s202004006008001000-202s302004006008001000-202s402004006008001000-202Sample points502004006008001000-10-50510 x102004006008001000-10-50510Sample pointx201002

30、0030040050000.20.40.60.81Frequency Hzx2Frequency HzTime ms 0100200300400500300400500600700-40-30-20-1002004006008001000-202e102004006008001000-202e202004006008001000-202e302004006008001000-202e402004006008001000-202Sample pointe5問題：給定齒輪箱具體參數信息，基于齒輪箱振動信號診斷齒輪箱多故障問題（傳感器數目較少的欠定情況）；其實質是：欠定盲源分離的齒輪箱多故障診斷問題

31、。利用盲源分離方法處理機械故障診斷問題，解決多振動源信號間的耦合。頻率分布呈現明顯的稀疏特性算法思路：將盲源分離問題分解為兩個子問題：源信號數目估計和源信號恢復。源信號數目由經驗模態分解（EMD）、奇異值分解（SVD）和K均值（K-means）聚類聯合算法估計；輸入信號通過短時傅立葉變換轉換到時-頻域。通過模糊C聚類估計混疊矩陣，恢復源信號采用最小化l1范數。實物平臺測試實驗Motor CouplingShaftAccelerometerLoad ModuleFour bearings1cos2rnfdBPFOD=21cos2DdBSFdD=Ball passing frequency out

32、er race(BPFO)and ball spin frequency(BSF)可以清晰觀測到BPFO的一倍和二倍頻，表明該組實驗存在外圈故障可以清晰觀測到BSF的1-4倍頻，表明該組實驗存在滾動體故障；滾動體故障信號在故障頻率處的幅值遠大于外圈故障幅值，由于兩者故障程度不同導致的。x1x2xn.Original sensor measurementf1=f2=fn=.Feature constructionEEMDModel 1Model 2Model n.SVM trainingModel constructionDiagnostic resultSynthesisf=Additiona

33、l featuresInputEEMD-SVM training processOnline vibration signal collection 解決思路：基于集合經驗模態分解（EaEMD）和支持向量機（SVM）。利用總體經驗模態分解將輸入信號分解為一系列本征模態函數（intrinsic mode function,IMF）；選取起主導作用的本征模態函數，并計算它們的近似熵和能量比作為信號特征，再將信號特征向量輸入支持向量機加以訓練得到分類模型。Case Western Reserve University(CWRU)testbed3種故障類型：IRF,ORF，BF和2種故障位置：DE a

34、nd FEZJU testbed G2B3B1G1B2P4P5P3P2P1PWE1577風機齒輪箱中滾動軸承故障頻率PWE1577內部結構復雜，具有較多的滾動軸承和齒輪。表中列出了PWE1577齒輪箱中所有滾動軸承的型號及其四種故障頻率：內圈故障頻率(BPFI)，外圈故障頻率(BPFO)，滾動體故障頻率(BSF)和保持架故障頻率(FTF)背景1：我國光伏電站施工周期短、方陣設備數量眾多，導致光伏電站竣工驗收難度系數很高。光伏電站面積大、自然環境惡劣、光伏電站運維人員少、人員穩定性不夠等因素也給電站運維帶來巨大困難。背景2：戶外環境復雜多樣（高溫、高濕、強紫外、風沙、雪以及人為破壞），組件缺陷和

35、故障復雜：組件破碎、熱斑、脫層、封裝材料變色、閃蝸牛紋、背板開裂粉化、電池片隱裂碎片、焊帶腐蝕和電池片氧化等已成為導致組件損壞、火災、發電功率下降的主要因素，嚴重影響光伏電站經濟效益和安全運行。國內光伏電站的整體質量不容樂觀，其中光伏組件發電功率衰降現象較為嚴重，晶體硅組件三年內的衰減率在3.8%-7%之間，非晶硅電池組件衰減率則高達20%國務院發布的能源發展戰略行動計劃（2014-2020年）提出到2020年太陽能裝機目標將達到100GW（1億千瓦）。熱斑效應：組件最佳運行溫度是46+-2，溫度升高10，效率會損失4%，溫度升高18，效率會損失10%；組件隱裂：裂紋（平行柵線）可造成最大損失

36、面積16%25%；樹狀裂紋最大失效面積可達55%；蝸牛紋：引起的功率損失范圍為1435。2014年山東某250MW 光伏電站30組件出現蝸牛紋現象；灰塵、遮擋：灰塵污染會大幅降低電站發電量（年均8%）?；覊m將影響光伏組件的溫度、光照的遮擋，及對組件表明進行腐蝕氧化，加速光伏組件的老化，影響發電效率。組件破碎：光伏鋼化玻璃破碎會造成組件的峰值功率大幅下降；影響對電池片的保護作用，水汽，氧氣的滲透將加速光伏組件的老化、短路，甚至引起火災。EVA脫落：與未發生脫層的光伏組件相比，脫層可導致約3.3%的功率降低。光伏組件物理測試平臺基于電站系統無人機巡檢現場采集的海量多源（可見光/紅外）圖像大數據，利

37、用人工智能技術有機協調數據驅動和模型驅動，并結合邏輯、先驗和知識，對可視故障與紅外故障數據進行融合分析，從而精準判斷故障類型及其對電站發電效率的影響，為電站運維提供輔助決策。光伏電站無人機巡檢系統和系統智能運維平臺灰塵遮擋光伏組件原始圖像樣本庫：模型訓練集合(70%,5880 samples)、模型測試樣本集(20%,1680 samples)、組件缺陷模式識別測試集合(10%,840 samples)。蝸牛紋柵線腐蝕EVA脫落黃化背景1：當前電力系統網絡已不再是傳統的電力設備網絡，而是深度融合電力系統與信息網絡而形成的呈現多維異構和高度耦合特征的電力信息物理融合系統（ECPS）背景2：201

38、5年12月23日烏克蘭電網突發停電事件是由“網絡協同攻擊”所造成的嚴重停電事故，是人類歷史上信息安全影響電力系統運行的里程碑事件。網絡協同攻擊：“采用多元化的網絡攻擊手段，攻擊發生于信息域并明確作用于物理域目標，從時間和空間上造成電力系統停電損失最大化的組合攻擊行為”結合協同化攻擊的新特點，亟待從電力信息物理融合系統角度，開展從“單一攻擊”轉向“組合攻擊”，從“定性風險”轉向“定量風險評價”和從“靜態防御”轉向“動態防御”研究。共識1：網絡攻擊在內在機理上有別于電網常規故障和物理攻擊，網絡攻擊目標性更強、不確定性更高、造成的破壞力更大共識2：電力系統的信息基礎設施的脆弱性是客觀存在和不可規避的

39、共識3：協同攻擊的滲入手段、漏洞利用能力、傳播機制和隱蔽潛伏性已具有“信息戰水平”，現有安全防范體系不具備絕對抵御能力背景1：2016年12月，國網公司骨干數據通信網工程整體投入試運行，公司總部省公司地市公司數據通信帶寬從622Mbps提升至10Gbps（增長64倍），已成為覆蓋范圍最大、承載能力最強的企業級骨干數據通信網。實現1萬余座供電所(營業廳)和低壓等級變電站的電力光纖專網覆蓋和帶寬提升，光纖專網覆蓋率分別由59.4%、91.1%提升至93.7%、97.5%；背景2：2017年5-6月，國網浙江、福建電力承擔的國家級230兆赫電力無線專網試點順利通過國家工信部驗收，累計完成8000余臺

40、電力通信終端的規?；尤?，滿足清潔能源、電動汽車、分布式電源及智能電網等業務應用的數據傳輸需求，低壓集抄和配變監測的采集成功率分別提升至99.81%和99.97%，線路故障定位及查找時間由平均4小時下降到1小時左右；電力通信基礎設施規模龐大、設備眾多，面臨運維、管理、信息安全等方面的巨大現實挑戰！通信網運行統計分析數據網流量實時監控設備缺陷綜合分析通信網可靠性評價通信網故障在線預警通信網智能檢修控制軟件、協議標準化使外部威脅便于滲透到電網運行控制環境網絡IP化、異構化和龐大規模給網絡帶來更大范圍的安全風險數據的開放、交互和共享使數據和隱私保護面臨前所未有的挑戰設備數字化和智能化使關鍵裝備和控制

41、軟件面臨未知網絡攻擊威脅網絡安全數據安全控制安全設備安全例子：輸電網絡廣域量測系統狀態估計虛假數據注入攻擊Communication networksInformation flowPower flowPMUPMU.PMUPMU.Local PDCRemote PDCPDC ArchivePDC ArchivePMUReal-time InterfaceRecordAnalysisSoftwareOther MonitorsSimulationProgramsPDC StreamReaderPDC StreamReaderEnergy Management System(EMS)電力輸電網絡廣

42、域測量系統和網絡狀態估計G1G1G13467G8282729309101716121415201918232421G112526G132254G6181920214515224448461449232426253837363035333127285229G3G2G1573940564255543432531613G12504111437G8G910511701224364860728496108 11800.010.020.030.040.05Increased number of PMUsDeviation IEEE 14-busIEEE 30-busIEEE 57-busIEEE 118-

43、bus01224364860728496108 11800.20.40.60.81Increased number of PMUsImpact coefficient IEEE 14-busIEEE 30-busIEEE 57-busIEEE 118-bus測試電力網絡拓撲結構網絡狀態估計可靠性 vs.PMU優化配置（數量、位置）電力輸電網絡狀態估計利用電網拓撲信息和傳感器量測量對系統的實時狀態進行估計，對保障系統安全穩定運行至關重要。虛假數據注入攻擊（FDI）通過篡改狀態估計參數實現對電力系統進行精準攻擊。FDI之江實驗室：聚焦網絡信息和人工智能兩大領域，重點在未來網絡計算、泛化人工智能、泛

44、在信息安全、無障感知互聯、智能制造與機器人等五大方向開展基礎性、前沿性技術研究，以全球視野謀劃和推動創新。工業互聯網研究中心在鄔江興院士提出的擬態防御理論體系指導下，研究基于“異構、冗余、動態”思想的擬態防御理論在工業控制系統，特別是應用于電力系統的最優防御策略和形式化驗證方法。之江實驗室正在構建大電力空間安全攻防平臺和擬態防御試驗場，實現對新能源電力系統（涵蓋發、輸、配、變、用全環節）的網絡空間安全和防護能力的研究和驗證。工業互聯網不僅是一張信息網，而是支撐工業系統資源泛在連接、彈性供給、高效配置的開放式平臺；未來工業系統必將由“數字信息化支撐的互聯智能”向“知識驅動的自主智能”發展；人工智

45、能技術需要和工業互聯網具體應用場景和經驗緊密結合才可發揮其優勢；人工智能技術在新能源電力系統中的應用相對起步晚，潛力大，方興未艾；機器學習算法層出不窮，但其性能對數據的可信性依賴度極高，模型往往存在一定的“不可解釋性”；能源互聯網是是我國推動能源革命的重要技術支撐平臺，將與新一代人工智能技術快速、深度融合 更多未來工業互聯網將呈現若干超級特性系統系統超級超級異構異構系統超系統超大規模大規模工業工業互聯互聯網網系統超系統超高靈活高靈活系統系統超高超高性能性能廣義泛廣義泛在安全在安全 應用領域和范圍擴大，用戶、終端設備數量和類型龐雜 人-機-物互聯互通，網絡數據采集、流量、存儲規模龐大 超大規模網

46、絡基礎設施支撐 多類型通信手段和混合組網模式（有線和無線、固網和移動、陸地與空天一體）物理傳輸介質異構，信息存儲、傳輸和處理能力差異化，具有端到端服務質量保障能力 網絡協議和通信規約異構性，需具有網絡層間良好互操作能力 服務異構性需要提供在不同網絡和業務之間無縫切換的能力 面向不同用戶提供多樣化、個性化和定制化服務能力 系統資源跨時空優化彈性供給和資源適配能力 網絡安全在工業互聯網中更加迫切和復雜，未知威脅更加凸顯 工業系統大范圍故障或外部網絡未知威脅和攻擊下的可生存性和自愈控制能力 工業系統功能組件、服務或應用映射至網絡空間，需要不同粒度的安全防護能力 工業系統“人-機-物”互動協同下的泛在安全保障能力 海量數據可靠采集、分布式存儲和實時處理與自主式智能決策支持能力 惡劣工業環境（電磁干擾、噪聲）下的高效計算和可靠傳輸能力感謝各位聆聽！當前多類型能源加快集成和互聯，導致能源系統日益龐大和復雜。在工業互聯網背景下，聚焦新一代人工智能在新能源電力系統領域的理論與應用，特別是數據驅動學習（深度學習、強化學習、對抗學習等）方法（新模型、新算法、新應用）研究，來解決復雜能源系統的優化運行決策、智能高效運維和主動安全防御關鍵科學和工程問題。感謝浙江大學、之江實驗室科研合作伙伴和研究生團隊THANK YOU謝謝觀看