Page 10 - 电力与能源2022年第一期

4 李文清, 等: 量子技术在电力领域的应用分析与展望

大。对这些因素的处理是否得当, 将直接影响优 短, 充分利用已知的信息加快收敛速度, 增强算法
化结果, 并极大地影响电力系统运行的安全性、 经 的局部搜索与全局搜索的平衡性, 可用于优化分
济性及稳定性。在电力系统中应用量子计算可实 配电网机组及网架规划。
现系统计算能力的突破。量子计算在电力系统中 ( 4 ) 量子计算可大幅扩展电力数据处理的计
的应用如图 5 所示。 算规模。利用量子计算方式对电力系统演化行为
( 1 ) 量子计算可提升系统最优参数的获取效 进行模拟, 可提升信息处理的充分性和有效性, 适
率, 利用量子优化算法可提高最优数据搜索速度 应复杂场景的约束条件及变量众多的问题, 解决
和成功率, 具有搜索目标明确、 应用范围广等特 经典计算无法处理的大规模计算量的问题。
点, 在发电机组系统辨识和参数优化业务中效果 量子衍生算法是量子力学与传统算法结合形

突出。 成的新型算法, 其本质上仍属于传统算法, 因此可
( 2 ) 量子计算可大幅提升系统模型预测的计 以直接在传统计算机平台上执行, 目前量子衍生
算精度, 结合神经网络的量子计算能够精确、 有效 算法不断发展并被引入智能算法领域, 并且已在
地识别电力系统运行特性或模式, 可用于电力系 众多领域有所应用。目前, 在电力系统各个场景

统状态评估、 负荷预测及故障诊断等方面。 中实际应用的量子计算均属于量子衍生算法, 具
( 3 ) 量子计算能够大幅降低配网规划的时空 体的应用场景及效果如表 2 所示。
复杂度计算成本, 量子计算可实现大规模计算的 随着量子衍生算法的不断完善以及电力系统
并行化, 降低计算的空间和时间复杂度, 其特有的 智能化发展需求的不断提高, 未来势必有更多高
量子纠缠特性可使目 标搜索和运算时间大幅缩 效能的量子算法或量子机器学习技术逐步应用于
表 2 量子衍生算法在电力系统中的应用
应用算法 应用场景 应用效果及前景
优化电力系统负荷预测, 包括长期预测、 中期预测、 短期预 实现量子网络初始化及量子并行计算特性, 避免陷入局部
测、 超短期预测等。继承神经网络负荷预测的优点, 综合 极小, 收敛更快速、 高效, 负荷预测精度可大幅提高。能正
量子
考虑温度、 降水、 时间等诸多因素与负荷的关系; 确识别大部分的样本故障模式, 将不确定性数据合理地分
神经网络
应用于电力电子电路的故障诊断, 解决故障模式间存在交 配到各故障模式中。具有快速、 稳定、 诊断率高和误诊断
叉数据的模式识别问题 率低等特性
完成火电机组系统辨识和参数优化, 如超临界机组主汽温 克服计算效率低、 易陷入早熟或参数繁多不易确定等传统
量子粒子群 度串级控制系统回路的比例 - 积分 - 微分( PID ) 控制器参数 智能算法的缺陷。能够有效缩短寻优时间, 可建立精准度
优化算法
整定, 600 MW 机组主汽温控制系统的辨识和参数优化, 更高的模型, 具有更快的搜索速度和成功率, 以及更强的
( QPSO )
330 MW煤粉炉机组锅炉运行参量的优化等 泛化能力和稳定性
解决火电机组优化分配, 包括机组的组合问题及负荷优化 具有种群规模小而不影响算法性能、 收敛速度快和全局寻
量子 问题, 合理确定所有可用机组的启、 停机状态和电站各机 优能力强的优点。能够很好地解决混合型编码问题以 及
遗传算法 组间的负荷分配, 并满足各种约束条件, 使系统总运行费 组合优化问题, 并且很好的解决多约束条件对算法性能的
用最小 影响。算法鲁棒性好, 适用性广
完成配电网络综合规划, 包括配电网架规划与无功规划。
对以线路的规划年综合费用最低为目标的配电网架规划 搜索效率高、 收敛速度快、 种群多样性好、 能有效克服早熟
量子
模型进行求解, 实现配电网网架规划, 解决变电站与负荷 现象。对配电网综合规划, 网损明显降低, 补偿效益明显,
进化算法
点间的“ 连线” 问题, 进而对配电网网架完成无功优化, 可 经济效益可观, 电压质量大大改善, 产生更高的经济效益
得到整个网络的最佳规划方案
应用于梯级水电系统经济调度。以系统在调度期内实发
电能和储蓄电能最大为准则构造优化目标函数。融入量
量子蚁群 子计算理论的叠加态和概率表达特性, 以量子态为基本信 利用量子旋转门实现了蚂蚁位置的演化, 具有良好的目标
优化性能。对梯级水电系统在调度期内实发电能和储蓄
优化算法 息单元, 将量子比特的概率幅用于蚂蚁位置的编码, 利用 电能的经济调度与常规方法相比得到优化
量子旋转门实现蚁群位置的更新, 达到了比常规蚁群优化
算法更好的优化效果
用于电热联合系统双层优化模型。模型包含了电力系统
和热力系统能量流动及相关约束, 充分考虑了热力潮流中
有效解决局部最优及对于变量众多的大系统无法求得有
实数 管网的延时及热力市场不完善等因素, 充分利用已知的信 效解的问题, 对电热联合系统的综合市场机制及风电消纳
量子算法 息加快收敛速度, 同时采用变尺度的变异来搜索未知的空 等问题具有重要的实践价值
间, 等位基因动态的相互转化增强了算法的局部搜索与全
局搜索的平衡性