人工智能應用于電網調控的關鍵技術分析

陳偉

摘要：電力調度控制中心作為電網運行控制的指揮中樞，是集合大量數據、規則以及專家經驗的密集型“決策大腦”，然而目前調度控制仍以經驗和人工分析為主，調控中心的海量多樣數據、方案間缺乏邏輯模型，需要調控人員進行大量的經驗知識關聯，重復性“人腦勞動”較多，自動化和智能化程度相對較低，上述特點決定了人工智能在電網調控領域具有廣闊應用前景。

關鍵詞：人工智能;電網調控;關鍵技術

1人工智能技術的定義

人工智能以模擬、延伸和擴展人類思維為本質，斯坦福大學的 NilsJ.Nilsson教授認為人工智能技術研發的目的是讓機器具有簡單的思考和判斷能力。“人工智能之父”約翰 ·麥卡錫博士認為人工智能指的是高度仿真人類行為的機器;美國麻省理工學院溫斯頓教授認為人工智能是能夠幫助人類從事有一定思維邏輯性工作的計算機。人工智能是由人所研發的智能技術，人類賦予人工智能視覺、聽覺、觸覺等各種感官功能，同時也通過程序編排讓其具備一定的學習和推理能力，能夠從事一些復雜性勞動。可以說，人工智能可以根據環境感知做出主動反應，所做出的反應又能達致目標。總之，人工智能將人類的智慧機器化、程序化，在不具備人類生理特性的情況下能夠通過深度學習像人一樣識別、判斷、推理、理解信息，深度學習能力是人類從自身角度出發給予機器的行為，這并不等同于人工智能也有了思想，機器沒有生命和新陳代謝功能，盡管機器也會因能源枯竭而停止工作。夸大的宣傳容易激發人類固有的欲望，要求人工智能做一些不切實際的事情，進而導致難以預料的倫理問題，這也是我們要理性對待人工智能技術的重要原因。

2現代電網調度系統存在的問題

隨著我國交直流混聯電網規模的不斷擴大，電力電子設備和新能源大量接入，導致電網動態特性日趨復雜、安全穩定運行風險日益增加，客觀上要求在線安全分析系統實現更加準確的狀態感知、更加高效的測辨建模及更加智能的分析評估。當前電網調度面臨的新挑戰有：1）準確性不足。由于可再生能源高滲透率及電力電子化，電網將呈現出更加復雜的隨機特性、多源大數據特性及多尺度動態特性，傳統狀態估計方法和離線仿真模型已難以滿足當前電網安全穩定分析的準確性要求;2）動態特性日趨復雜。隨著電力系統的電力電子化特征愈發凸顯，目前在線分析采用機電暫態仿真難以滿足現代電網動態特性分析需求，新一代復雜電網的機電 電磁暫態混合仿真研究迫在眉睫;3）時效性不足。目前在線分析采用周期掃描和事件觸發的仿真計算模式，耗時較長，難以滿足調控人員對電網風險掌控的時效性要求，亟需研究更加精細化、智能化、信息化的智能調度支撐平臺。綜上，為保障當前復雜大電網的安全經濟運行，研究廣域協同、廣泛互聯、高度智能、開放互動和主動行為的新型電網運行模式，提升在線仿真分析能力，發展信息驅動的智能化分析模式，實現精準、實時的在線綜合安全穩定分析，意義重大。

3人工智能應用于電網調控的關鍵技術

3.1高性能計算技術

神經網絡理論在 20世紀 80年代就已經出現，但因為實現難度一直未成主流，深度神經網絡之所以能在近年回歸，主要得益于海量樣本數據和強大計算能力。百度首席科學家吳恩達說，深度學習的前沿正轉移到高性能計算，NVIDIA，AMD，Google和阿里巴巴等公司也都在為深度學習研發 HPC的新能力。依賴于數據量和計算力的深度學習，對高性能計算提出了非常高的要求，當今昀著名的 GoogleBrain的并行計算平臺使用了16000個 CPU，共計 10億的節點，來進行深度學習模型網絡的構建，調控系統實時數據每秒即達到百萬點級，其歷史數據量將遠超 GoogleBrain的計算規模，未來深度學習在電網調控領域的一個瓶頸可能就是計算力，如何結合目前 CPU，GPU以及 TPU等芯片技術的突破，整合服務器、存儲和網絡等資源，構建軟件定義的HPC，形成適應調控系統低成本、高效率的“大計算”架構，以適應不同深度學習算法、不同業務場景的計算要求，這將是未來調控系統在硬件資源構建、分布式并行計算框架設計、應用功能算法改進提升等方面需要重點突破的關鍵技術，以支撐上層各類業務場景計算能力的提升。例如，近年來，隨著計算機技術的快速發展，GIS系統的實現越來越簡單。GIS系統可以將調控網絡內的地理環境、用電網絡、用電設備等進行直觀的表述。在配網調控一體化系統中引入該 GIS技術，可以使調配工作變得直觀，有效地規避調控盲區。此外，GIS的直觀性可以避免用電數據的重復輸入，確保數據信息的直觀性。GIS技術的直觀性還可以幫助系統工作人員對調控范圍內的具體用電信息進行掌握。

3.2調控大數據技術

電力大數據的核心技術一般體現在數據集成管理技術、數據處理技術、數據分析技術、可視化技術幾個方面。數據集成管理技術一般是收集和整理電網運行過程中的各種數據信息，已結合數據的轉變來實現新數據源的獲得，接著更好的服務于電力調控的運行;數據處理技術是將大數據技術與計算機結合起來，實時處理各項動態數據信息;數據分析技術則是分析和挖掘電網運行過程中的各項數據，以更好的服務于電力調控;可視化技術則主要是以圖形的形式處理數據，以使得展示更加的直觀化。在電網運行過程中，電力調控中心結合大數據核心技術，在線的檢測各項數據情況，對電網運行狀態中的各項問題進行診斷和分析，從而實現智能化的監控。例如采用 ETL中昀常用的 Kettle工具對數據進行抽取，利用集群方式對臺機器上進行工作部署，優化 Postgre等數據源，利用 Java腳本、SQL語句完成數據清洗，并將監控數據記錄在電子日志內。當前，在電網運行中電力設備持續增加的情況下，數據量信息越來越多，要想確保電力調控的有效性，就應當將智能電網發展實現更大的跨越，更好的為智能監控減負，提高大數據技術的應用水平，確保大數據技術應用的質量和效率。

3.3基于語音交互的調度智能助手技術

隨著移動互聯技術的發展，電網調控系統人機終端從傳統的人機工作站，逐漸拓展到平板、手機等移動終端設備，實現資源占用低并支持多終端統一展示的交互界面已成為當前人機研究的重要方向之一。此外，電網調控系統在非生產控制區業務的快速發展，存在著大量的基于瀏覽器/服務器（B/S）架構的人機交互需求，而調控系統生產控制區通常采用基于客戶端/服務器端（C/S）架構的人機瀏覽模式，兩者之間如何能夠實現昀大程度架構上的復用，達到展示效果的一致性也是調控系統人機架構設計中需要考慮的重要內容。智能調度中語音交互系統的實現需要根據功能模塊的不同進行分析。一是系統登錄模塊，需要建立用戶名和密碼驗證機制來保證調度系統的安全性，并逐步引人指紋系統、硬件 Key刷卡系統等;二是語音配置模塊，由應用程序提供合成語言選擇、識別語言選擇、語音效果、語音語速、輸人設備等參數設置;三是用戶語音訓練模塊，借助用戶語音訓練能夠加快配置文件的更新，從而提升調度效率;四是語音識別模塊，為調度人員提供具有良好操控性的操作界面，對標題欄、菜單欄、工具欄、狀態欄、瀏覽區進行自定義設置;五是語音合成模塊，通過聽覺習慣測試對輸出語音的語言、語速、音量、頻率進行初始設置，在使用過程中也可以自主進行設置。

4結束語

本文結合人工智能技術的發展，從電網調控運行業務場景出發，分析了人工智能技術可能應用的場景，提出了基于人工智能的調控系統設計思路和總體框架，并對其中的關鍵技術進行了分析，僅供參考。

參考文獻

[1]房娟，張宏杰，施佳鋒，馬冬冬，丁皓.基于調控云的智能電網海量運行數據深層次檢測技術[J].自動化與儀器儀表，2018，12：162-165.

[2]潘鵬，田冬冬.基于智能電網調控技術支持系統的設備監控大數據分析[J].科技風，2018，33：66.

[3]張令濤，趙林，張亮，田國輝，馬仲佳.智能電網調控中心變電站圖形數據即插即用技術[J].電力系統保護與控制，2018，4619：74-80.