泛在電力物聯網背景下人工智能在電網企業中的應用研究

陳琛 郭莉 高正平 談健 吳晨

摘? ? 要：隨著人工智能的不斷發展，“智能+”時代的信息技術已經不再局限于人與人之間的連接，而是逐漸演變為人與物、物與物的實時連接，從而開啟萬物互聯新生代。在能源電力領域，則體現為人工智能技術在泛在電力物聯網中的應用。通過詳細介紹人工智能的戰略地位與戰略意義，分析人工智能技術在電網企業的需求場景、應用領域以及發展路徑，為電網企業發展人工智能技術提供參考。

關鍵詞：人工智能; 泛在電力物聯網; 能源互聯網; 電網企業

中圖分類號：TP18;TM732? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? 文章編號：2095-7394（2019）04-0001-06

隨著新能源、大規模儲能、柔性控制、電動汽車等技術的不斷成熟以及大數據、云計算等信息技術的快速發展，能源與信息不斷融合靠攏，“互聯網 + 能源”的新模式激發了能源生產、傳輸、利用等全環節鏈式變革，以能源互聯網為重要支柱的新一輪能源革命正在全球范圍深入展開。[1]作為擺脫對傳統能源依賴、解決環境與碳排放問題、大幅提高能源利用效率的重要手段，能源互聯網研究正逐漸由以基礎性研究為主的概念階段向以應用性建設為主的發展階段轉變。能源互聯網的快速推進使冷、熱、電、氣等系統耦合日漸緊密，能源、信息、交通等基礎設施建設逐步趨于協同規劃。[2]

2019年，我國政府工作報告中第一次出現“智能 +”，并提出打造工業互聯網平臺，拓展“智能 +”為制造業轉型升級賦能。可以大膽預測，“智能 +”將接棒“互聯網+”引領新的時代浪潮，為能源發展升級賦能。能源互聯網作為能源領域全要素、全生產鏈、全價值鏈融通連接的新型價值創造平臺和生態體系，也將在“智能 +”時代延伸出更廣泛的內涵與外延。新一代人工智能技術作為“智能 +”的核心技術，比互聯網技術具有更強的潛在顛覆性。因此，加快發展新一代人工智能，成為事關能源企業能否把握新一輪科技革命和產業變革機遇的戰略問題。

國家電網公司提出建設“三型兩網、世界一流”企業的戰略目標，充分應用移動互聯、人工智能等現代信息技術和先進通信技術，打造泛在電力物聯網，為電網安全經濟運行、提高經營績效、改善服務質量以及培育發展戰略性新興產業提供強有力的數據資源支撐。人工智能作為泛在電力物聯網的核心技術之一，將引領和驅動此次能源轉型，促進堅強智能電網與泛在電力物聯網的深度融合，從而實現能源電力行業的創新發展。

本文分別從國家層面與企業層面分析了人工智能的戰略地位，并基于此分析了泛在電力物聯網背景下，電網企業對人工智能的需求以及發展應用。

1? ? 人工智能的發展現狀

1956年，在美國達特茅斯學院的一場學術會議中，約翰·麥卡錫等學者首次提出“人工智能（AI）”這一概念，從而標志了該學科的誕生。從此，人工智能開始了長達半個多世紀曲折起伏的發展。隨著海量數據的積累以及算力的飛速提升，新一代人工智能算法隨之快速發展，人工智能從傳統的基于邏輯的1.0時代、基于知識與經驗的2.0時代向基于數據的3.0時代轉變。雖然這次轉型過程出現了諸如不可解釋、易被對抗樣本欺騙等新的問題，但這些并沒有妨礙新一代人工智能如颶風一般席卷全球。

1.1? ?國家級人工智能戰略

當前，世界各國普遍將新一代人工智能技術認定為新一輪科技革命和產業革命的重要驅動力量，并將人工智能技術研究與產業布局上升為國家戰略。

2017年7月，我國國務院印發《新一代人工智能發展規劃》，將人工智能提升到國家戰略層面，對未來中國人工智能產業的發展方向和重點領域給予指導性的規劃。2019年5月，第三屆世界智能大會在天津舉辦，會議發布了《中國新一代人工智能科技產業發展報告（2019）》和《中國新一代人工智能產業區域競爭力評價指數》報告;同月，由科技部新一代人工智能發展研究中心等機構編制的《中國新一代人工智能發展報告2019》在上海發布。

2016年11月，美國先后發布《為人工智能的未來做準備》《國家人工智能研究與發展戰略計劃》以及《人工智能、自動化與經濟報告》等文件，并于2019年2月發布《美國人工智能倡議》與《加速美國在人工智能領域的領導地位》等文件，[3]指導美國聯邦相關機構優先考慮人工智能領域的研究與投資。2018年3月，歐盟政治戰略中心發布《人工智能時代：確立以人為本的歐洲戰略》;2018年4月，歐盟委員會提交《歐盟人工智能》報告，提出構建人工智能投資、倫理和法律框架，延續以人為本的發展戰略。在日本，2016年通過了新版《日本再興戰略2016》，2017年出臺了《下一代人工智能推進戰略》，試圖通過大力發展人工智能，解決日本社會中存在的人口老化、勞動力短缺等問題，推動人工智能向強人工智能和超人工智能的方向邁進。

除此之外，俄羅斯、韓國、印度等多個國家均圍繞核心技術、頂尖人才、標準規范等方向，相繼推出各自的國家級人工智能發展戰略。[4]可以看出，人工智能領域國際競賽的大幕已徐徐拉開，世界各國都將發展人工智能作為提升國家競爭力、維護國家安全的重大戰略。

1.2? ? 企業級人工智能戰略

隨著計算機視覺、語音識別、自然語言處理、機器學習等核心技術不斷成熟，“智能 +”隨之成為人工智能應用的創新范式，專用人工智能領域應用場景得到極大的延展，“智能+金融”“智能+制造”“智能 +安防”“智能+交通”“智能+醫療”等模式如雨后春筍般涌現，人工智能向行業的各個環節快速滲透，進而重塑了整個產業的發展。

得益于政府機構、科研單位和科技企業的巨額投入，美國在人工智能領域取得了輝煌的成就。無論是由IBM開發的擊敗國際象棋特級大師的“深藍??”，還是谷歌研發的擊敗人類職業圍棋選手的AlphaGo、AlphaGo Zero，都表明美國在基礎理論、核心算法等方面站在了人工智能領域的頂端。

近年來，騰訊、百度、阿里等中國科技公司迅速崛起，在人臉識別、語音識別、安防監控、智能音響和智能家居等人工智能應用領域處于國際前列。[5]例如：阿里以阿里云為基礎，結合電商、支付寶和云服務的資源優勢，依托計算能力、智能算法以及完備的互聯網安全體系架構，從智慧金融、智能城市、智能工業、智能家居和新零售等方面展開相關產業布局;百度成立硅谷人工智能實驗室，開展人工智能、大數據等前瞻性技術研究;騰訊專注機器學習、自然語言處理、語音識別和計算機視覺等垂直領域，緊密圍繞內容、社交、游戲三個核心應用場景展開探索。除此之外，華為、科大訊飛、商湯等企業也在不斷創新人工智能生態布局。

2? ? 泛在電力物聯網對人工智能的需求

泛在電力物聯網在任意時間和空間維度上可將電力全產業鏈企業、多種電力系統設備、各類用戶及監管部門等市場主體連接起來，通過數據共享與價值挖掘實現質效提升與融通發展。泛在電力物聯網將產生大量數據，這恰恰符合新一代人工智能基于數據計算分析的特征，為人工智能在電力系統的快速發展提供了堅實的數據基礎。

當泛在電力物聯網發展至成熟階段后，電力領域全流程、全主體、全業務皆可互聯，數字世界與物理世界實時、完整映射，堅強智能電網與泛在電力物聯網融合發展，電力系統就向能源互聯網新形態升級。此時，由于多種能源通過能源路由器與電網廣泛連接，電動汽車、儲能等可控負荷與電網實時互動，產生了海量的運行與管理數據，感知層采集的數據質量校驗、評價和分析存在較大困難，網絡層需要對不同類型的數據存儲、編目、索引進行統一的格式，隱藏在大數據背后的價值亟待平臺層的數據中臺與業務中臺深入挖掘。同時，依靠傳統建模方法難以適應多種能源系統耦合的運行分析要求，以往的服務模式不能滿足綜合能源背景下的客戶要求，電力系統需要更智能的設備、更智能的網絡和更智能的技術手段，以支撐越來越復雜的電力系統內部業務和外部服務場景。

泛在電力物聯網與人工智能的關系如圖1所示。

因此，人工智能技術是電網向更高形態演進的必然選擇。人工智能與泛在電力物聯網的深度融合，將大幅度提升能源系統的控制能力，提高運行的經濟性和可靠性，為能源的高質量發展賦予新動能。

3? ? 人工智能在泛在電力物聯網中的應用

隨著泛在電力物聯網的推進，源、網、荷、儲各個環節深度融合，冷、熱、電、氣多種能源互濟互補，這將為人工智能技術提供廣闊的平臺與豐富的應用場景，如圖2所示;同時，人工智能也將成為泛在電力物聯網深入貫徹實施的重要引擎。

3.1? ?感知層

為了提高能源電力系統的感知深度，輸變電工程除了常規的遙測、遙信、遙控、遙調傳統四遙功能外，進一步引入遙視功能，通過各類視覺傳感器采集設備圖像，從而獲取設備狀態信息。深度學習可以有效解決人工處理圖像時低效易錯的問題，精準快速地實現圖像特征與分割、目標識別與探測等功能。

李軍鋒提出了基于二次泰勒級數的非線性自適應增強方法，利用高斯雙邊濾波函數獲取圖像像素中的鄰域信息，從而大幅提高圖像灰度值和對比度，實現圖像的自適應增強;[6]漆燦等設計了一種基于智能視覺的變電站紅外檢測系統，綜合利用基于空間位置約束和方向約束的紅外采集圖像與可見光圖像配準方法，準確定位變電站電力設備的異常發熱區域。[7]

隨著人工智能在感知層應用的深入，音頻、自然語言處理等應用也將獲得提升。例如：深度學習可以將調度電話指令編譯為新一代調度系統可以理解的語言，加強調度自動控制水平;還可以利用深度學習對操作票的文本類信息進行語義識別，實現操作命令自動執行。[8]

3.2? ? 網絡層

隨著大量外部數據接入，電力系統信息通信網絡逐步具備開放共享的特征。2019年委內瑞拉大停電[9]、2013年烏克蘭大停電[10]等事故充分表明，網絡安全問題將對能源電力安全構成嚴重威脅和挑戰。因此，泛在電力物聯網建設強化了網絡安全與信息化建設的同步部署，積極利用基于人工智能的入侵檢測、態勢感知等技術加強網絡層安全防御能力。

孫杉提出了一種基于深度學習以及云計算的入侵檢測模型，并采用基于spark的自動編碼器特征選擇并行化算法，提高了電力信息入侵檢測系統的特征選擇速度;[11]李怡康等采用粒子群算法優化傳統的BP神經網絡參數，建立多元的攻擊數據庫訓練BP神經網絡，從而檢測識別典型攻擊行為;[12]葛軍等采用極限學習機算法，同時結合自回歸預測模型、最小二乘支持向量機預算模型和RBF神經網絡預測模型等方法，構建了面向堅強智能電網的安全態勢評估模型。[13]

3.3? ?平臺層

泛在電力物聯網的平臺層匯聚了電網企業不同業務部門的設備、網架、運行、管理等資產數據，人工智能可以對這些資產數據進行統一的建模、存儲和管理，構建知識圖譜，對全業務數據進行梳理和貫通，從而建立統一的知識庫和數據關聯映射，實現電力數據的共享高效利用。

王淵等使用語義標注方法對結構化、半結構化、非結構化數據進行知識抽取，進而獲得知識實體、屬性和關系，通過知識融合技術構建知識圖譜， 完成了業務數據的跨專業貫通;[14]李新鵬等提出了一種應用于調度自動化系統、自下向上和自下向下融合的知識圖譜構建方法，通過該方法可獲得系統基礎平臺和各業務間的關聯關系。[15]

3.4? ? 應用層

人工智能與泛在電力物聯網的協同發展將使電網企業內部生產控制水平和企業管理效率得到極大提升;同時，將極大豐富對外服務場景，培育綜合能源服務新業態。

在對內業務方面，人工智能技術在能源電力生產轉化（傳統能源與新能源發電功率預測、機組組合優化等）、傳輸控制（輸變電設備巡檢與狀態評價、運行控制、故障診斷、主動防御、電網拓撲識別等）、存儲消費（用電行為分析、負荷預測等）各個環節均有廣泛應用。殷林飛設計了“自動發電控制 + 發電功率分配”的一體化實時智能發電控制框架，提出了深度自適應動態規劃算法;[16]侯金秀通過構建可視化的全信息電網圖，將深度卷積網絡（CNN）方法應用于電力系統暫態分析中，解釋了系統暫態可視化過程中電網“撕裂”特征的機理;[17]易靈芝等將進化算法和遺傳算法融入深度學習，對電力系統負荷預測模型進行優化;[18]曹智建立了以抽水蓄能為主的微網能量優化人工智能遺傳算法模型。[19]

同樣，人工智能也將在對外業務方面（如車聯網、綜合能源服務、電力市場等）發揮巨大作用。史佳琪等提出了一種基于深度結構多任務學習的短期冷、熱、電、氣等多能負荷的聯合預測方法;[20]李智等結合深度學習的數據特征理論，將充電站容量作為影響因子，研究了一種基于機器學習的充電站容量規劃預測方法;[21]周長華設計了基于Q學習的電能交易算法，通過足夠長的動態博弈獲取最佳交易策略。[22]

4? ? 趨勢與展望

綜上所述，人工智能在能源電力系統中具有廣泛的應用;然而，目前的場景大多局限于具體專業領域的垂直應用，距離“強人工智能”和“通用人工智能”還有很長的一段路要走。為此，電網企業不僅要豐富人工智能在電力系統中的落地場景，而且應掌握核心競爭力，突破尖端型、基礎型難題，推動人工智能健康發展;不僅要培養人工智能杰出專業人才，而且也要加大具有人工智能思維的產品經理培養，進一步發揮企業樞紐型、平臺型、共享型的優勢。要吸引相關人工智能研發機構及資本進入，形成開放共享的交流合作生態圈，拉動人工智能產業聚合成長;要打造產業集群，探索多方參與、共贏共享的能源人工智能新業態，助力我國把握人工智能發展新階段的戰略主動。

參考文獻：

[1] 別朝紅，王旭，胡源.能源互聯網規劃研究綜述及展望[J].中國電機工程學報，2017，37（22）：6445-6462.

[2] 李陽，郇嘉嘉，曹華珍.基于綜合能源協同優化的配電網規劃策略[J].電網技術，2018，42（5）：1393-1400.

[3] 高芳，耿喆.特朗普啟動人工智能倡議誓要維護全球領先地位[J].科技中國，2019 （5）：89-91.

[4] 李曉華.世界主要國家人工智能戰略及其產業政策的特點[N].經濟日報，2019-04-17（14）.

[5] 遲海濤.人工智能視域下新零售時代業態結構研究[J].商業經濟研究，2019（9）：51-53.

[6] 李軍鋒.基于深度學習的電力設備圖像識別及應用研究[D].廣州：廣東工業大學，2018.

[7] 漆燦，李慶武，鄭云海，等.基于智能視覺物聯網的變電站紅外監測系統[J].電力系統保護與控制，2018（1）：135-141.

[8] 葉琳.深度學習在電力系統中的應用研究綜述[J].浙江電力，2019，38（5）：83-89.

[9] 龔郗安.關于委內瑞拉大停電事故的情況分析和關鍵基礎設施的安全防護建議[J].信息技術與網絡安全，2019，38（4）：1-2.

[10] 李保杰，劉巖，李洪杰，等.從烏克蘭停電事故看電力信息系統安全問題[J].中國電力，2017，50（5）：71-77.

[11] 孫杉.基于深度學習和云計算的電力信息網入侵檢測研究[D].北京：華北電力大學，2016.

[12] 李怡康，霍雪松，裴培，等.基于優化神經網絡的電力調度自動化系統入侵檢測算法[J].電子測量技術，2018，41（18）：31-35.

[13] 葛軍，孟干，周冬青，等.面向智能電網的網絡態勢評估模型構建[J].自動化與儀器儀表，2019 （4）：113-117.

[14] 王淵，彭晨輝，王志強，等.知識圖譜在電網全業務統一數據中心的應用[J/OL].計算機工程與應用（網絡首發），2019：1-7[2019-01-23].http：//kns.cnki.net/kcms/detail/11.2127.TP.20190122.1702.015.html.

[15] 李新鵬，徐建航，郭子明，等.調度自動化系統知識圖譜的構建與應用[J].中國電力，2019，52（2）：70-77.

[16] 殷林飛.基于深度強化學習的電力系統智能發電控制[D].廣州：華南理工大學，2018.

[17] 侯金秀.基于電壓相量和深度學習的電力系統暫態穩定快速評估[D].北京：中國電力科學研究院，2017.

[18] 易靈芝，常峰銘，龍谷宗，等.基于進化深度學習短期負荷預測的應用研究[J/OL].電力系統及其自動化學報（網絡首發），2019：1-7[2019-05-28].http：//kns.cnki.net/kcms/detail/12.1251.TM.20190527.1417.004.html.

[19] 曹智.微電網風-光-水-蓄混合儲能的能量管理研究[D].南昌：南昌大學，2018.

[20] 史佳琪，譚濤，郭經，等.基于深度結構多任務學習的園區型綜合能源系統多元負荷預測[J].電網技術，2018，42（3）：698-707.

[21] 李智，侯興哲，劉永相，等.基于深度學習的充電站容量規劃方法[J].電力系統保護與控制，2017，45 （21）：67-73.

[22] 周長華.基于強化學習的微電網電能交易研究[D].廈門：廈門大學，2017.

Abstract： With the continuous development of artificial intelligence， the information technology in the era of “intelligence +” is no longer limited to the connection between people， but gradually evolved into the real-time connection between people and things， things and things， so as to open a new generation of interconnection of

everything. In the field of energy and power， it is the application of artificial intelligence technology in the power Internet of things. This paper introduces the strategic position and significance of AI in detail， analyzes the

demand scenario， application field and development path of AI technology in power grid enterprises， and

provides reference for the development of AI technology in power grid enterprises.

Key? words： artificial intelligence; ubiquitous power internet of things; energy internet; power grid enterprises

責任編輯? ? 盛? ? 艷