基于調控一體化電力大數據的電力調度機器人設計

，，，，

(國網安徽電力有限公司，安徽 合肥 230022)

0 引言

隨著人工智能的發展，智能調控的概念逐漸發展并成熟，在此背景下，電網調控應具有自愈、交互、優化、預測、協同和安全等特征[1]。而電網調控是電網中重要一環節，對于電力系統安全穩定運行至關重要。目前，特高壓交直流混聯系統逐漸形成，人工調度任務煩瑣、壓力大，而電力調控機器人能夠應用面向大電網的實時調控運行人工智能技術，對電網實現實時感知、故障分析、風險評估和立體展示等，還可協助人工調度開展倒閘操作、異常報警、發電計劃調整和電力業務信息統計等工作，具有較高的實用價值。

目前，針對電力調度機器人設計的研究還不多，文獻[2]對電力調度機器人的設計從功能和應用角度進行闡述；文獻[3]針對虛擬現實技術在電力機器人中的應用進行了研究；文獻[4]針對電力系統中機器人的研究現狀進行了分析；文獻[5]設計了地面電力巡檢機器人控制系統。

為此，提出了一種基于電力大數據的電力調度機器人來輔助傳統調度。

1 電力大數據與調控一體化

1.1 電力大數據發展

目前，電力行業中的大數據可以分為以下幾個方面：一是電力系統中電網及涉網設備的運行(狀態)數據；二是電力企業的銷售數據，如交易電價、客戶用電情況和電能銷售量等方面的數據；三是電力企業的管理數據[6]。

電力大數據的發展也促進了電力大數據的分析技術、展示技術的發展，但是特高壓交直流聯網的逐漸形成，調控一體化模式初具規模，數據分析與輔助決策系統研究及應用的正常運行，需要依托大量的基礎數據和復雜的多維分析計算，使得電力調控存在數據采集、數據存儲、數據分析和數據展示等技術難點。

1.2 調控一體化下的數據體系結構

從基礎數據來源分，調控一體化數據分為實時數據和管理數據。具體來說，調控一體化下，數據體系結構主要由實時運行數據、靜態管理數據、綜合歷史數據和數據邏輯鏈條4個部分組成。數據與數據之間通過邏輯鏈條互相支撐，實現將實時動態數據與綜合歷史數據相結合、實時動態數據與靜態管理數據相關聯、靜態管理數據與綜合歷史數據相比對的閉環數據結構，其數據體系如圖1所示。

圖1 調控一體化下數據體系

實時運行數據需要進行加密的可靠傳輸，其標準化處理需要借助變電站、換流站監控系統，以文本的方式發送到調度主站。電力系統的異常缺陷數據、日前檢修計劃數據、移交狀態管控數據和日度月報表數據等都屬于靜態管理數據的范圍。歷史數據主要包括實時歷史數據、監控業務管理類數據、與監控相關的其他系統數據等，主要涵蓋設備異常數據、事故數據、設備缺陷數據、變電站移交流程數據、變電站集中監控信息傳動數據，以及設備的故障錄波圖、故障保護動作情況和故障測距等信息的數據提取等內容。數據邏輯鏈條是指根據數據庫的邏輯結構設計概念，選取數據模型相符合的邏輯結構，并利用可拓理論實現實時動態數據與調控歷史數據相結合、實時動態數據與同步管理數據相關聯、同步管理數據與綜合歷史數據相比對的多維度數據聯動體系結構。

2 電力調度機器人設計

2.1 總體構架

電力調控機器人的任務就是實時分析、感知電網的運行狀況，輔助電力調控人員開展相關的調度業務。在電力大數據背景下，電力調度機器人主要依靠數據學習等方式，實現人工智能技術在電力領域的應用。其總體構架如圖2所示。

圖2 電力調度機器人總體構架

電力調控機器人主要依靠數據的獲取與分析進行數據學習，主要利用大數據、深度學習、語音識別和模式識別等與數據學習相關的技術。數據源主要涉及到發電、變電、輸電和配電等多個環節的數據。這些數據在時間、空間雙維度中都有極強的關聯性，數據之間的互動性也會比其他類型數據強，因而對于電力調度機器人的功能實現至關重要。

電力調控機器人的核心功能模塊分為實時數據管理、實時預警分析、智能運行評估、異常分析與輔助決策，以及終端展示與執行。具體的功能包括穩態巡航、異常預警、風險防控、故障處置和信息檢索等。通過大數據的分析與決策，能夠實現調控功能以及輔助決策。其中，調控一體化平臺主要為各級調度自動化系統以及相關的輔助系統，所有的功能模塊實現都基于該平臺。

2.2 功能模塊

2.2.1 實時數據管理模塊

實時數據管理模塊應用大數據、數據挖掘和數據分析等人工智能技術，基于相關規程規范進行知識學習以及歷史數據的知識挖掘等，形成實時數據庫，向其他相關應用模塊提供數據支撐的管理服務，支撐電網調度信息檢索、異常預警等場景應用。

實時數據管理分為氣象數據、設備運行數據、缺陷數據、檢修數據，以及相關數據的數據挖掘等內容。這類數據對于電力調控屬于基礎數據，電網的實時運行狀況均可在此類數據中有所體現。因此，實時數據管理模塊對于電力調度機器人全部功能的實現十分關鍵。

2.2.2 實時預警分析模塊

實時預警功能是建立在調控端海量的數據信息有機結合、大數據變成熟數據的基礎上，在事故發生之前，將采集到的各類設備運行數據進行動態模擬，引用調度員在線安全分析結果，并根據結果進行預警的功能。該功能可對異常越限等非正常運行信息進行全時態線性發展預演，對可能引起電網不滿足安全穩定校核的，調控機器人可在第一時刻提醒調控人員采取相應的措施或啟動應急預案等相關措施進行控制，保證電網的穩定運行。

2.2.3 智能運行評估

調度監控與調度計劃、實時調度、調度自動化、設備監控、設備運維、通信等專業都有業務交集，業務流程鏈條長，故在調控運行時會受到多種因素的影響。電力調控機器人可實現對這些因素進行綜合性的分析評估，通過評估結果，給調控人員一個直觀的建議結果，輔助調控人員及時采取控制措施，從而提升精益化運行水平，更好地適應新運行體系下調控業務開展。同時，電力調控機器人的評估體系還可達到督促設備操作、異常、缺陷閉環管理的目的。

2.2.4 異常分析與輔助決策模塊

傳統的調度控制系統一般采用實推實送、實時展示的方式向監控人員羅列監控對象發生的告警信息，保證告警信息的及時性。而電力調控機器人可利用大數據技術將監控人員的經驗系統化、功能化，自動完成告警的關聯分析，排除次要的連帶告警，定位問題根源、預示問題的影響范圍，很好地幫助監控人員實現異常的快速定位、快速解決。

2.2.5 終端展示與執行模塊

終端展示與執行模塊能夠將電力系統運行狀況、基礎數據、報警信息等以直觀立體的形式進行多維度、全景式解析展示。應用消息推送、3D展示等手段，進一步輔助調度操控人員進行任務執行、操作執行，同時實現部分功能的自動操作，減輕調度運行人員的負擔，逐步實現電力調度自動化、智能化。

3 關鍵技術及應用場景分析

3.1 關鍵技術

3.1.1 調控業務數據庫構建技術

調控業務涉及到電力系統的上中下游內容，在電力大數據背景下，調控機器人的決策行為需要依靠數據庫的關鍵技術，主要包括數據采集、數據分析、數據處理和數據存儲等技術。通過對來自電網的廠站、受電端以及線路的數據進行分類整理，正確處理結構化和非結構化的數據，才能夠對調控業務做出正確判斷，準確把握電網運行態勢，分析處理電網的運行狀態以及緊急事故，將調控業務的處理實現自動化、智能化。依靠大數據技術，還能夠減輕人工調度員的處理壓力、減少人工調度員的處理錯誤，更好地保障電網調控安全進行。數據庫構建技術還與其他相關技術相結合，如云計算技術、物聯網技術等，在深化調控業務與其他業務融合的同時，應當重點關注電力調度數據庫的構建，不斷豐富調度指令庫、調度指令語音庫等。

3.1.2 深度學習技術

深度學習為一類機器學習方式，將網絡分為內部深度層次等，主要包括自編碼器、循環神經網絡、長短期記憶、卷積神經網絡、限制玻爾茲曼機、深度信念網絡和深度玻爾茲曼機。其主要目標是通過模仿人類大腦神經網絡，將機器的思考方式向人類思考方式趨向。而為了實現人工智能調度，需要將這類學習方法應用到電網調度系統。以深度神經網絡為例，其主要特點為能夠模仿人類決策，但響應速度更快、操作更準確。通過原始規則對深度神經網絡模型的學習，可以提升系統獲得大數據處理的能力，從而不受調度員分析能力的限制。

3.1.3 模式識別技術

模式識別包括語音識別和圖像識別。語音識別用于調控機器人與調控人員之間的交互，實現日志自動記錄、語音輸入、語音自動調圖等功能；圖像識別用于調控機器人識別調控對象[7]，如高壓輸電線路隔離開關、換流器等工況位置判斷等。模式識別重點是提升模式識別的泛化有效性，確保能準確識別自然語音和設備狀態，最終可以為實現3D立體化展示與操控提供重要的技術支持。

3.1.4 3D展示技術

三維展示技術可以實現地理圖、電網接線圖和設備布置圖的全景展示，實現多維信息的智能化表達，指導電網調度人員在實時查看電網設備運行狀態的情況下進行電網調控操作，通過將電網數據表、數據圖和虛擬仿真等內容進行整合，實現信息圖形化、操作智能化。

3.2 應用場景實驗分析

3.2.1 調度電子化下令操作

電網調度機器人可以實現電子化下令操作。相比較傳統人工調度，基于調度大數據的操作指令文字傳輸和人臉識別驗證，內容清晰明確，可有效杜絕諧音誤會等危險點，縮短發令和受令時間，提升工作效率。調度機器人電子化下令的流程如圖3所示。

圖3 電子化下令流程

由圖3可以看出，在保證安全性的前提下，調控機器人可以幫助實現電子下令、電子回令和接收確認的過程。同時可以實現調控間的操作命令流轉信息共享利用，提高調度的準確性。

電力調度機器人下令指標對比如表1所示。

表1 電力調度機器人下令指標數據

3.2.2 特高壓交直流一體化調度異常分析與輔助決策

特高壓交直流混聯電網具有接入電源類型多元、設備類型多樣和地域覆蓋廣泛等特點，其輸送容量大、潮流變動頻繁、受擾行為復雜，因而需要分層分區進行控制，控制技術較為復雜，逐漸向在線預測、實時控制方向發展，將會產生海量的數據，包括動態數據和靜態數據、運行數據和控制數據、結構化數據和非結構化數據[8]。電力調度機器人通過對這類數據進行分析，得到異常情況并進行輔助決策。

電力調度機器人可以運用大數據技術，結合現有的電網運行典型異常分析和處置專家庫，再通過相關安全解析校核，實現電網典型異常告警根源定位、告警影響范圍預警，并給出處置建議。

4 結束語

本文提出了一種基于電力大數據的電力調度機器人來輔助傳統調度。經過對電力大數據與調控一體化聯系的分析，以及對調控一體化下的數據體系結構的建立，設計了電力調度機器人的功能構架，說明本文所提系統的應用場景較為豐富、功能較為全面。通過對電力調度機器人的設計，可以減輕傳統人工調度的壓力，提高調控一體化的操作智能化水平，實現大數據與調控一體化的整合應用。