淺析AI技術在電力信息化中的應用與創新

寧波迦南智能電氣股份有限公司 張軒瑞 龍翔林

人工AI是人工智能的簡稱，主要對于人類的思維與行為進行研究與模擬。目前AI技術具備了一定的基礎與優勢，可以對大規模的數據進行建模與統計分析，進而提供解決方案，從而為相關電力專業的工作人員提供科學、客觀的決策支持，AI主要的代表技術包括自然語言處理、專家系統、模式識別、機器學習等。

1 電力數據的特征與分類

電力數據整體上呈現多源、異構、數據量大且高隱藏值的特點：數據來源廣泛。大部分來自業務系統且涉及行業眾多，采用分散放置、分布式管理模式，分析挖掘前需進行業務貫通及數據融合；數據結構復雜。除傳統的運行數據、設備臺賬等結構化數據外，還包括輸變電監測中的圖像視頻、電力氣象云圖、客服語音等非結構化數據，內容龐雜；數據規模大。目前國家各省級電網運維近3000座變電站、2萬余條10kV配電線路，50萬余臺配電變壓器以及近4000萬低壓用戶，其數據增量巨大；數據蘊含高附加值。除為電網自身提供支撐外，電力數據可以面向居民、企業等多方主體提供服務，全方位支撐智慧城市建設。

電力數據的分類。隨著國家智能電網的發展，相關電力企業建立多個業務信息化系統，形成了大量良好的數據資源，大致可分為生產、營銷、管理與外部數據4大類。為使電力數據系統化、科學化，便于管理和檢索，就需要進行合理的分類（表1）[1]。

2 目前電力信息化工作存在問題與難點

信息化體系落后。目前電力信息化工作缺乏整體規劃，項目管理水平的相對落后，導致信息化建設缺乏系統性，數據采集與應用平臺越建越多，重復建設嚴重；管控分離，生產系統與管理信息系統未能形成一體化，集成性差。軟件開發投資大，維護成本居高不下。缺乏項目驗收標準，使項目驗收成為過場，軟件應用成為擺設。

標準規范有待加強。雖然電力部門在提倡統一管理和領導，但是電力信息化標準在我國確實尚處于初級階段，主要表現在：缺乏統一的信息編碼、技術標準和規范；數據和應用體系架構分散，結構復雜；缺乏企業級的集成系統建設，信息孤島和煙囪林立，橫向數據交換困難，數據共享性差、冗余度高，數據源不唯一[2]。

缺乏強大的信息化團隊。電力信息化是一門先進的高新技術，其發展需要強大的團隊作為保障。但目前從業工作人員整體素質不高，缺乏計算機、電力、AI等專業復合型人才。對于電力行業來說，如果出現專業人員匱乏的情況，就會造成工作混亂無序、效率低下，以至無法對數據進行系統與深層次化的整理與挖掘，無法發揮應有的價值。

數據結構化分類不足，隱性價值挖掘難度大。電力數據種類繁多、內容復雜、數據量極大，且含有很多非結構化的數據（如氣象云圖、客戶語音、方案文檔等），隱性信息資源的獲取和轉化難度非常大。面對如此復雜的情況，相關從業人員要將許多數據與信息進行錄入與整理關聯，并進行相關審核與鑒定工作后才能保證資源的利用價值，很難客觀、科學的起到決策輔助作用。

表1 電力數據分類

3 AI技術在電力信息化中的應用研究

AI技術在電力信息化中的應用，應體現在管理的每一個環節，簡化數據采集、管理與利用流程，對已有資源進行分析和整合，提供給作業人員更多有價值的信息。筆者研究的應用主要包括四個方面：

3.1 電力數據采集智能化

數據采集是電力信息化工作的基礎，而高質量數據是使用大數據技術的前提。利用AI技術收集不同數據源產生的信息數據，提取其中潛在可用的信息，為數據價值挖掘的后續工作提供基礎條件。

作業自動化。在傳統的電力數據采集系統架構下，基本實現了質量、效率、成本三者之間的平衡。但隨著業務不斷變化，導致平衡點失調，即在現有的成本下無法滿足高質量和高效率的要求。因此研發基于AI技術的數據庫運維專用工具顯得尤為重要，該工具以實現數據自動采集和規則分析，自主規劃成本、容量方案，智能調度與伸縮，減少DBA運維人員的工作量為目標。

電力數據空間化。電力涉及很多地理方面的內容，如輸配電線路及設備拓撲結構、供電范圍等，這些業務的信息監管都離不開空間位置的支持。利用語義理解與智能匹配等技術將電力行業中的位置信息與地名地址數據庫信息進行關聯，將其轉換成電子空間數據并關聯相應屬性信息，這樣可充分反映空間電力的分布和潛力，做到圖數查詢一體化，為決策人員提供更為直觀的城市電力狀況服務[3]。

網絡電力資源采集智能化。在“互聯網+”時代，隨著網絡資源的數量不斷增加，產生了很多具有價值的電力外部數據，如人口、電價政策、氣候等，這些數據對于電力行業意義重大，甚至可以影響行業的走向與發展。因此，在電力采集工作中可應用AI技術對海量的網絡信息資源進行搜索、分析和過濾，把符合要求的信息保留下來進行關聯，從而達到智能收集的目標，實現文檔一體化管理。

3.2 安全管理智慧化

安全是每個行業管理工作的底線，對于電力行業尤甚。目前電力數據的安全問題主要集中在權限的劃分界定，防范病毒、黑客與自然破壞等問題上。AI技術可以在四方面進行應用：應用指紋、人臉識別技術在電力設備庫房的門卡管理系統之中，并且實現角色智能權限控制，不同角色的工作人員擁有不同級別的管理權限；應用智能監測設備在庫房監測體系之中，對于濕度、溫度等條件進行實時查看與智能播報。目前較為成熟的AI算法分析包括通過視頻或者影像對于目標進行建模與識別跟蹤分析，進而將目標的狀態信息記錄在數據庫之中，一旦發現異常將提示管理工作人員，排除隱患；在網絡安全上建立智能監測系統。系統不但可以實現自動備份，可以文件報警分析等基本功能，還可以對于一些關鍵信息進行語義理解與機器學習等操作，追回被攻擊和被破壞的數據資料[4]。

3.3 故障審核鑒定專家化

在自動化電力調度工作中，故障是必須要考慮的一個業務，如設備損壞、自然現象影響等，其中多數原因是無法預測和控制的，需要豐富的經驗來排除，而傳統軟件是不能實現這項工作。專家系統可以輔助從業人員進行鑒定、審核工作，對于難以確定的問題可以給出權威的判斷，且該行為不受時間與空間的限制。

因此建立電力專家系統顯得尤為重要，其建設一般要有三個過程：將電力相關的專業知識、方法、規則等信息以計算機語言的形式進行數據庫錄入操作；對于已經建立好的專家知識庫進行有規律的樣本訓練，并且驗證其正確性，熟悉相關專家審核鑒定流程；進一步完善已建立的專家系統，即對該系統進行多次驗證后作出總結，然后對該系統進行改善。專家系統應具備使用便捷、自我學習等基本特性。

3.4 挖掘電力數據應用潛力

針對每天都會產生海量電力數據，目前還沒有對這些數據進行深度挖掘，不利于電力營銷服務、調度工作質量水平提升。AI技術可以在數據量大、格式復雜的電力數據之中幫助用戶更加快速與準確的找到所需要的信息，甚至可以提供更有價值的隱性信息，將價值發揮到最大。

3.4.1 搭建智能管理平臺

智能化管理平臺與傳統系統相比，具備智能分類、合理分配資源、審核與安全管理等特性。相關工作人員可以在網絡連通的設備上對已分類（滿足安全性的前提）的電力行業數據進行實時瀏覽，并根據用戶需求提供智能化的指導服務。同時平臺應具備一定的自動編目能力，當數據滿足入庫需求則自動進入云庫并完成備份操作。由于電力具有涉密性（涉密特別嚴格的數據不建議進行入庫工作），智能平臺應具備保密等級劃分，根據不同用戶的角色賦予不同的權限。如關系到費用與計量的數據，僅由營銷專業人員可調閱；如關系到信息位置、故障類的數據，僅由管理與維護人員可以查詢。而且，平臺應對各種類型的功能操作進行痕跡記錄，形成統計分析資料，為電力大數據方向研究提供支持[5]。

3.4.2 合理應用專家系統進行預測與評估

電力專家系統不僅可以應用在電力故障數據的鑒定上，也可以應用在數據隱性挖掘上。利用成熟的專家系統可以進行獲取、推理、解釋與顯示電力信息，將其轉化為所需的信息資源格式與內容，然后進行可視化展示與評估。

電能資源的優化配置。有效的電能管理包括監視、分析和控制三個主要的步驟。監視就是搜集存儲的電能供給、消耗和利用情況數據；分析就是利用成熟的專家系統進行數據聚類分析，形成用戶典型負荷曲線，每條負荷曲線都能代表用戶自身的模式，充分體現用戶在不同時間節點中用電行為的差異性；最后依據評估報告做出正確的控制方案，實現電網、用戶多方共贏[6]。

負荷需求流向分析。負荷與城市區域經濟社會活躍度高度匹配，通過分析一定時間段各區域用電情況，動態可視化用電負荷，結合地理信息系統（GIS）數據，可分析負荷峰谷空間分布及峰值遷移趨勢，客觀反映人口、經濟等社會活躍度，服務城市功能區布局、交通等基礎設施規劃。

區域成熟度評估。城市基礎設施布局以需求為導向，但統計方式進行城市成熟分析具有一定滯后性，而導致城市基礎設施布局與需求不匹配，而電力數據與居民生活息息相關且具有高時效性。以居民小區為對象，分析小區用電量水平，結合周邊商業、醫療衛生、教育等設施信息，可建立區域成熟度評價體系，區域可為居民小區也可為城市居住片。

3.4.3 利用方式多樣化

傳統的電力服務方式主要依靠人工實現，包括查詢與展示等。在新時代下服務方式應不限于網站與新媒體，AI機器人將會集識別、處理與機器學習等技術為一體，為用戶提供多樣性的服務。如在服務過程之中提供講解（語音播報）、送水、路徑指引等功能，快速幫助用戶解決問題；還可以利用情感分析與人臉識別等技術在服務過程之中對用戶進行滿意度調查研究，得出客戶渠道偏好、話務習慣、敏感標簽等，從而準確掌握客戶訴求特點，提升客戶服務的針對性。