電網調控中人工智能應用的關鍵技術研究

王曉燕，宋方宇軒，盧 珊

（1.鄭州電力高等專科學校，河南 鄭州 450000；2.國網河南省電力公司直流中心，河南 鄭州 450000）

新時期下，信息技術的發展促進了各行各業的升級轉型。社會經濟的迅猛發展以及城市建設的突飛猛進，使電網規模不斷擴大。隨著風、光、電等新型能源的推進，電力系統的發展也發生了變化，包括功能形態與技術特征等。互聯網全面普及對電網調控領域來說既是機會又是挑戰，特別是在電網建設中特高壓建設項目的推進，電網布局、電網運行特性發生了巨大變化，促使電網調控的發展模式也要進行變革。傳統的電網調控以及對系統海量數據的采集分析，已經不能滿足現行電網的發展，思維、技術及管理都在進行創新。應用人工智能技術，對調控數據、經驗及知識開展高效管理，實現現有技術智能化，是電力行業必然發展的道路。

1 人工智能特點及其對電網調控業務的意義

1.1 人工智能特點

現階段，人工智能技術快速發展，且被廣泛應用于各行各業，提高了許多崗位的生產力，豐富了眾多產業的管理方式和業務流形式，特別是深度學習技術的發展，智能化的管理和使用方式越來越多。調度業務實現智能化，是電網調控的必然發展趨勢。調控數據并不僅僅來自于一個系統，而是由多個系統組成的數據合集，包括地理信息系統等系統靜態信息、生產管理系統數據及能量管理系統數據、外部環境數據等。各個系統內的大量數據信息能夠在電網調控中應用人工智能技術提供基本的數據驅動。

人工智能的基本數據流為采集數據、傳輸數據、處理數據、人機交互。想要充分體現人工智能技術的作用，實現電網調控的智能化升級，便要將人工智能技術自身的特點與調控業務的實際需求相融合。人工智能技術主要特點表現為數據驅動，能夠快速解決復雜的、特定的規劃化問題，實現智能調控、人機交互、可視化展示。對于需要大量人力的規則分析工作，人工智能技術可以利用分析模型機進行人工無法有效解決的調控工作。當下，人工智能技術被廣泛應用于互聯網行業，主要體現在語言、圖像識別以及理解自然語言等[1]。

1.2 人工智能技術對電網調控的意義

電力調度的目標是保證電網安全穩定運行，且對外提供可靠用電，使各類電力生產工作有序進行。電力調度是根據電網中設定的各種數據采集設備及終端傳回的數據信息，結合電網實際運行時的電壓、電流、頻率、負荷等參數，對電網安全機運行狀態進行判斷，然后對發電機出力、調整負荷分布、投切電容器、電抗器等進行調整，從而確保電網持續安全穩定運行。

在電力行業中，電力調度控制中心作為指揮中心，對整個電力系統的正常運行具有重要的作用，其中包含了非常多的專家經驗、數據信息及行為規則，以往傳統的調控主要憑借工作人員的自身經驗及分析，實效性、準確性、處理應急問題的效果都受到個人能力的影響。隨著社會的快速發展，電網中的終端及運行設備不斷增加，采集的數據已呈海量規模，調控中心的數據信息急劇增加，造成在實際工作開展中缺少邏輯模型。這一情況下，便要求調控工作人員具有豐富的經驗與專業的知識能力，很大程度上增加了調控人員的工作量和業務難度，且對電力調控業務的智能化發展產生了不利影響。因此，隨著整個電網業務的升級發展以及信息化在社會各業務中的普及，在電網調控中應用人工智能技術勢在必行。

目前新能源發電已經被廣泛應用，風光發電推進的同時，增加了大量分布式電源，隨之加重了電網運行負荷，人工智能技術可以實現對電網行為與特性的有效分析。以往傳統的物理建模方式無法滿足當前的發展需求，物理建模無法有效分析電網形態的單體，而利用人工智能技術，可根據各個系統提供的海量數據信息有針對性地對電網整體特性進行分析，并且能夠預測、評估用戶用電的行為，進而提升預測負荷的準確度，有利于電網運行的平衡。另外，人工智能技術能夠模擬、學習調控經驗知識，如故障處置及設備維修等，日常調控操作具有固定的操作流程，以知識和經驗為主，能有效完成相關工作[2]。

2 電網調控中人工智能應用技術

2.1 海量數據融合技術

數據融合技術是將來自多個傳感器或多源的監測信息進行分析、綜合處理，然后作出決策并進行各項估計的處理過程。融合過程中要對多種信息源的數據進行采集、傳輸、綜合、過濾及合成，因此數據融合在多信息源、多用戶及多平臺的系統內能夠起到重要的數據處理作用。

大數據時代環境下，電網的復雜性和多樣性、海量采集端的數據對數據融合提出了更高的要求，在高效能存儲設備、傳輸設備、計算設備的輔助下，利用云計算和大數據技術將不同系統中的海量數據進行高效融合，依據不同類型的數據，使用多樣化的數據處理方法，進而在線快速分析處理完成電網系統內的數據測量。人工智能可以快速、高效進行在線處理海量異構數據，主要因為融合了2個數據處理框架：一是在線智能響應，二是趨勢智能分析。海量數據融合技術能夠通過電網的智能調控系統框架，創建精準化的數據平臺框架。針對離線數據，可以通過海量數據融合技術對數據實現離線分析。針對實時數據而言，可以進行實時流失計算調控。

2.2 建模技術

電網系統中存在的設備元件種類較多，運行復雜，除了實時檢測運行情況外，還需分析電網整體運行的趨勢，進而提升電網的穩定性和實效性。采用建模技術，可以對電網系統中的關鍵設備運行質量和運行軌跡進行建模，預測電網運行的整體趨勢，預判重要的節點數據和節點時間，輔助電力調度進行預判，提高電網的實效性。通過建模技術不僅僅能夠構建等效參數辨識模型，還能夠建立電網動靜態周邊穩定模型。同時在多個場景環境下，能夠識別電網臨界穩定的相關特征，從而精準化評估電網的穩定態勢[3]。

2.3 調控技術

深度學習需要海量的數據以及超高的計算能力，電網調控中深度學習必須要有較強的計算能力，從而滿足深度學習算法以及不同場景的業務需求，還要具有持續完善的芯片技術、存儲器、網絡資源。所使用的樣本數據來自于人工智能算法，必須保證數據完整性、全面性、具體性。電網調控存儲匯集大數據技術主要有以下3點：①數據匯集。利用多樣化的抽取與匯集方式對多種系統結構數據進行匯集，將大數據的Flume、Sqoop與常規數據接入方式進行結合，從而保證全量抽取數據。②數據存儲。實現統一數據服務，針對多形式的數據結構特點采用多樣化的存儲形式，存儲類型主要包括列式數據庫、關系型數據庫、時序數據庫、內存數據庫、分布式文件存儲。③數據關聯。利用引用、外鍵等方式關聯不同數據，從而有利于后期的數據分析[4]。

3 電網調控中人工智能技術的應用

3.1 基于人工智能技術的電網調控框架

電力行業新的建設目標為中國特色國際領先的能源互聯網企業，要求加快現代信息通信技術的推廣應用，使電網智能化數字化水平顯著提升。這一目標為用新一代信息技術改造提升傳統電網提出了新的要求，眾多新信息技術的應用都基于人工智能技術及大數據技術，從信息流的角度可以按照采集、傳輸存儲、分析、應用等環節，將電網數據分為數據采集、數據存儲、數據分析挖掘、數據場景應用等4個階段，基本框架如圖1所示。

圖1 基于人工智能技術的電網調控框架

在數據采集層，利用電力物聯網中各種傳感器及多形式終端，采集電網運行狀態的數據，如外部風速、雷電、山火、覆冰等數據以及地理位置信息、日志、設備臺賬等控制系統信息，然后進行數據清洗、標準化處理、海量數據融合。數據存儲采用分布式存儲，提升存儲能力和數據恢復能力。數據挖掘是自動發現有價值信息的過程，用來探查樣本集，發現事先未知的有用模式，還能夠推測未來的觀測結果，對國家、社會、個人的決策起到指導性作用。在數據分析挖掘階段，通過聚類分析、支持向量機、深度神經網絡、貝葉斯網絡等算法引擎對數據進行深度挖掘分析，為電力具體業務層面提供數據支撐服務。在各行業中，智能化的程度大部分呈現在業務層中，包括舒適的管理模式和可視化的人機交互。在基于人工智能的能源互聯網的業務層面，能夠進行態勢預測、智能調度、決策輔助、精準控制。態勢預測，即進行電網負荷的預測，通過建模技術進行運行狀態模擬和知識庫對比，從而進行設備故障預測、系統臨界點、危險值、平穩狀態安全評估以及終端用電行為分析。智能調度，即通過高性能計算設備、傳輸設備精化調度流程，使用高效能系統平臺簡化操作過程，穩定的網絡架構快速響應調度實施。決策輔助，包括電網中的設備過載判斷，通過圖片識別進行電力設備智能巡檢判別設備故障，通過建模技術和虛擬化輔助設備檢修操作判斷，通過可視化技術和語音識別技術、圖像識別技術實現人機交互，進行智能調控和可視化展示。

3.2 調控廣域源荷互動

在電網調控系統業務中，針對非連續性新能源如風、電、光伏等，在并網容量中形成一定占比后，僅僅依靠發電機系統進行相關的內部調控是無法完成的，并且無法實現用電平衡，無法真正實現電網調控的目的。針對新能源應用中的發電機容量等關鍵數據，利用物聯網采集發電設備及底層數據，然后利用大數據技術通過數據清洗、數據融合，經過智能算法進行數據預判，進而調控不同能源的用電平衡，提升電網的整體調控能力，確保資源配置的優質化[5]。

3.3 智能監控電網狀態

在實際開展電網調控運行工作中，通常情況下，監測、分析、診斷只是針對單獨設備，所監測的數據無法實現實時共享，無法高效統籌分析不同設備的實際運行狀態的數據信息，并且互聯網時代下增加了海量的電網數據量，在存儲傳輸過程中，數據監測裝備工作負荷較大。對此，可以采用分布式存儲，減輕海量數據存儲壓力，為大數據分析挖掘提供可靠數據支撐。數據有效的存儲與處理形式，能夠實現高效統籌、連接電網所使用的各個設備，有效保證對各設備數據的實時監測。

3.4 安全智能預警

以往電網調控中心，有關安全預警模塊在對電網系統中典型的運行方式進行評估預案時，只能實現離線計算，不具備較高的時效性，并且預警系統也缺少全面性與完整性，無法滿足現代社會電網發展的需求。而通過大數據技術，能針對電網實施統一的在線仿真計算，建立海量電網仿真樣本，創建高效訪問與系統性存儲機制，通過模擬和對比進行設備故障預測，系統臨界點、危險值、平穩狀態安全評估，終端用電行為分析，從而保證電網系統預警更加實時、高效、全面。對于不同形式的故障問題，均可以進行精準定位，發現電網調控運行過程中的問題，然后實行科學全面評估，保證了電網調控有序運行[6]。

4 電網調控中人工智能技術的應用發展

電網仿真樣本生成與管理。針對離線和在線數據，建立海量電網仿真樣本，創建高效訪問與系統性存儲機制，利用人工智能技術，實現自動化仿真樣本分布改造及補充，從而提升仿真樣本數據庫的合理性、多樣性和均衡性，更好地為電網穩定規律挖掘提供精準的數據基礎。

電網穩定自適應巡航。針對電網調控運行知識庫，努力實現運行規則電子化方式，實現根據知識圖譜進行抽取的運行規則知識，能夠將分散的知識統一，用來支持不同場景的調控知識體系，并且能夠進行自動處置，實現綜合負荷預測、外部環境監控、電網安全約束、清潔能源消納等情況的電壓控制策略與發輸電計劃的調整[7]。

5 結束語

新時期下，隨著能源互聯網戰略目標的實現和電力物聯網的建設，電網布局、電網運行特性發生了巨大變化，促使電網調控的發展模式也要進行變革，傳統的電網調控以及對系統海量數據的采集分析已經不能滿足現行電網的發展。電網調控應用人工智能技術，是時代發展的必然選擇，是電力行業的必然發展趨勢，能夠改變以往傳統的電網調控形式，更好地滿足新時代下對電網實際運行與管理需求，有效提升電網調控的智能化、自動化。人工智能技術的應用，能夠高效、全面、精準地解決電網調控過程中出現的各類問題，深度融合人工智能技術與電網調控技術，有效保證電網調控的良好運行。