Розробка AI-системи балансування навантаження електромережі Grid Stability

Розробка системи ШІ для балансування навантаження та стабільності електросистеми

Стабільність електроенергетичної системи — це баланс між генерацією та споживанням у кожний момент часу. Відхилення частоти від 50 Гц на ±0,2 Гц потребує негайної реакції. ШІ прискорює цю реакцію та запобігає нестабільності до їх виникнення.

Прогнозування навантаження та передбачення дисбалансу

Короткострокове прогнозування навантаження (STLF):

Горизонт 15 хвилин – 2 години з точністю MAPE 1–3% є базовою вимогою для балансування. Трансформери (Informer) показують кращі результати на довгих контекстах:

from darts import TimeSeries
from darts.models import TFTModel
from darts.utils.timeseries_generation import datetime_attribute_timeseries
import pandas as pd

def train_load_forecast_model(load_data, weather_data, calendar_data):
    """
    TFT (Temporal Fusion Transformer) для прогнозування навантаження
    load_data: TimeSeries з 15-хвилинними даними споживання
    """
    series = TimeSeries.from_dataframe(load_data, value_cols=['load_mw'])

    # Коваріати: відомі заздалегідь (погода, свята)
    future_covariates = TimeSeries.from_dataframe(
        pd.concat([weather_data[['temperature', 'solar_rad', 'wind']],
                   calendar_data[['is_holiday', 'day_type']]], axis=1)
    )

    model = TFTModel(
        input_chunk_length=96,   # 24 години історії (×4 = 96 інтервалів по 15 хв)
        output_chunk_length=8,   # 2 години вперед
        hidden_size=128,
        lstm_layers=2,
        num_attention_heads=4,
        dropout=0.1,
        batch_size=64,
        n_epochs=50,
        add_relative_index=True,
        add_encoders={'cyclic': {'future': ['hour', 'dayofweek']}}
    )

    model.fit(series, future_covariates=future_covariates, val_series=series[-96*30:])
    return model

Прогноз залишкової потужності:

Залишкове навантаження = системне_навантаження - поновлювальна_генерація. З ростом відновлювальної енергетики варіативність залишку збільшується. Невизначеність прогнозу відновлювальної енергетики → ймовірнісний прогноз (довірчий інтервал) → оцінка обсягу резервів.

Управління резервами

Регулювання частоти:

При відхиленні частоти регулятори реагують за рівнями:

• FCR (Frequency Containment Reserve): автоматика, 0–30 сек
• FRR (Frequency Restoration Reserve): AGC, 30 сек – 15 хв
• RR (Replacement Reserve): диспетчеризація, 15 хв – години

Завдання ШІ: оцінити достатність резервів при прогнозованій невизначеності:

• P(frequency excursion) при різних обсягах FCR/FRR
• Стохастична оптимізація: вартість резерву vs. ризик аварії

Накопичувачі енергії для регулювання частоти:

BESS забезпечує найкращу швидкість реакції (< 100 мс). RL-агент управляє стратегією заряджання/розряджання:

• Стан: частота мережі, SoC акумулятора, прогноз навантаження, ціна балансуючого ринку
• Дія: потужність заряджання/розряджання
• Винагорода: дохід від ринку FCR - деградація акумулятора

Оцінка перехідної стійкості

Оцінка перехідної стійкості після коротких замикань:

Після КЗ та його відключення — стійка ли система? Класичний метод: числове інтегрування рівнянь руху — 10–60 секунд на один контингент. Для аналізу N-1 (усі можливі аварії) — години.

Прискорена оцінка ШІ:

import torch
import torch.nn as nn
import numpy as np

class TransientStabilityNN(nn.Module):
    """
    Оцінка перехідної стійкості за допредаварійним станом системи.
    Вхід: вектор потужностей/напруг до аварії + тип контингенту
    Вихід: стійка / нестійка (бінарна класифікація)
    """
    def __init__(self, n_buses, n_generators, n_contingency_types):
        super().__init__()
        input_dim = n_buses * 4 + n_generators * 3 + n_contingency_types

        self.net = nn.Sequential(
            nn.Linear(input_dim, 256), nn.ReLU(), nn.Dropout(0.3),
            nn.Linear(256, 128), nn.ReLU(), nn.Dropout(0.2),
            nn.Linear(128, 64), nn.ReLU(),
            nn.Linear(64, 1), nn.Sigmoid()
        )

    def forward(self, x):
        return self.net(x)

Швидкість: 1–5 мс на контингент vs. 30+ секунд для PSS/E симуляції. Точність 97–99% на тестовій вибірці типових топологій.

Управління перевантаженнями

Прогнозування перевантажень ліній:

RL-інфраструктура передбачає перевантаження ліній до їх виникнення:

• Теплові обмеження: перевищення допустимого струмового навантаження → деградація ізоляції
• N-1 безпека: при відключенні будь-якого елемента → залишена схема допустима?

Редиспетчеризація:

Перерозподіл генерації для розвантаження перевантажених ліній:

• Зменшити генератор A (у зоні перепроізництва), збільшити генератор B (у зоні дефіциту)
• Прискорений пошук мінімальної редиспетчеризації ШІ

Інтеграція з ОДУ/ЦДУ

• SCADA/EMS (Energy Management System): прийом телеметрії, передача уставок
• Моніторинг PMU (Phasor Measurement Units): дані для динамічного моніторингу
• Балансуючий ринок: автоматичне подання заявок на FCR/FRR

Термін розробки: 6–10 місяців для системи ШІ-балансування електросетки з прогнозом навантаження, оцінкою стійкості та управлінням BESS.