面向电网拓扑调度仿真的采样效率优化方法研究.docx

第36

第36卷第2期2024年2月

Vol.36No.2Feb.2024

JournalofSystemSimulation

编者按践行“碳达峰碳中和”战略，能源是主战场，电力是主力军，能源互联网是重要载体之一。近年来，随着电力能源对可再生能源消纳高效性、多网络耦合交互性、产消者参与调度实时性和经济性的需求不断提升，以及人工智能大模型时代的到来，亟需探究如何应用基于大模型和优化仿真技术适应输/配电网灵活建模、产消者分布式决策、数据收集和处理、需求侧管理、可再生能源发电等不同场景，解决能源互联网规划设计和智能交互、电力市场多能交易、多能潮流计算、区块链模式驱动的能源共享、新型电力系统互联协调和能源管理等研究课题，以促进能源互联网低碳、平稳、安全、经济运行，同时，推进仿真科学技术在能源领域深入应用及发展进步。

为此，《系统仿真学报》本期推出“大模型赋能能源互联网规划运行”专栏。专栏征稿过程中，受到清华大学电机系沈沉教授、武汉大学电气与自动化学院董旭柱教授、中国电力科学研究院技术战略研究中心闫华光主任、华北电力大学电气与电子工程学院陈艳波教授、山东大学电气工程学院赵浩然教授、天津大学电气自动化与信息工程学院葛磊蛟副教授、中国农业大学信息与电气工程学院张璐副教授、北京邮电大学计算机学院侯鲁洋特聘副研究员等多位专家的鼎力支持和指导，共收到了18篇高质量原创性成果投稿，经过学报编委会组织的严格同行评议和审查，最终精选出3篇高水平成果，以飨读者。

面向电网拓扑调度仿真的采样效率优化方法研究

赵莹莹1,2，董普森3，朱天晨3，李凡1,2，苏运1,2，邰振赢3，孙庆赟3，凡航4*

(1.国网上海市电力公司电力科学研究院，上海200437；2.国网上海市电力公司，上海200125；

3.北京航空航天大学，北京100191；4.华北电力大学，北京100096)

摘要：为解决新型电力系统的规模性与复杂性导致的仿真计算量较大，仿真速度相对变缓的问题，提出了一种基于分布式与量化机制的拓扑调度仿真加速方法。通过拓扑调度模型的并行，增大了单位时间内数据仿真采样的规模；引入了量化算子，加快拓扑调度模型算子计算，减少单次仿真的时间成本。算例分析验证了拓扑仿真加速的有效性，在单位时间内将仿真电力系统的可用传输容量提升了约2倍，并在不同规模电网算例实现了1.5~2.5倍的仿真加速。

关键词：拓扑调度仿真；深度强化学习；采样效率优化；模型量化；电网数字孪生

中图分类号：TP391；TM769文献标志码：A文章编号：1004-731X(2024)02-0283-13

DOI:10.16182/j.issn1004731x.joss.23-0958

引用格式:赵莹莹,董普森,朱天晨,等.面向电网拓扑调度仿真的采样效率优化方法研究[J].系统仿真学报,2024,36

(2):283-295.

Referenceformat:ZhaoYingying,DongPusen,ZhuTianchen,etal.EfficiencyOptimizationMethodforDataSamplinginPowerGridTopologySchedulingSimulation[J].JournalofSystemSimulation,2024,36(2):283-295.

收稿日期：2023-07-29修回日期：2023-10-19

基金项目：国网上海市电力公司科技项目(B3094022000D)；上海电力人工智能工程技术研究中心研究项目(19DZ2252800)

第一作者：赵莹莹(1991-)，女，工程师，硕士，研究方向为电力大数据和人工智能技术应用工作。E-mail：zhaoyy_sh@163.com

通讯作者：凡航(1993-)，男，讲师，博士，研究方向为电力大数据与人工智能、电碳市场和隐私计算。E-mail：fanhang123456@163.com

第36卷第2期系统仿真学报Vol.36No.2

2024年2月JournalofSystemSimulation