基于人工智能技術的電網調度控制業務研究

白佳鑫

國網四川省電力公司米易縣供電分公司 四川 米易 617200

快速發展的社會經濟的用電需求不斷提升，促使電網規模不斷擴大，傳統的電網調度支持系統已難以滿足現代智能電網的調控需求，為順應未來電網發展趨勢，需通過現代智能技術的使用實現調度支持系統性能的有效提高。近年來，隨著人工智能技術逐漸走向主流，尤其是基于機器和深度學習的智能技術的應用逐漸受到各行各業的廣泛關注，成為研究的重點之一，新一代基于大數據的人工智能系統綜合類腦智能機理，人工智能技術作為一種綜合性技術主要以高性能計算、機器及深度學習作為支撐技術，使人工智能具備強大計算能力、豐富的訓練樣本、高質量的學習模型及算法。

1 人工智能發展現狀及概述

人工智能(artificialintelligence)，簡稱AI，是近年來快速成長起來的高科技，它將會在將來成為主導世界的戰略性發展方向，現在它已經得到全球各個國家的高度關注和深入的研究。2006年，加拿大多倫多大學辛頓博士首次提出新的深度網絡模型，并在2016年被用于圖像和聲音的智能分類，極大地推動人工智能的發展和實際的運用。大家都知道，谷歌研發的阿爾法 Go，在2016年度以碾壓之勢擊敗李世石，是 AI研究的里程碑。就在同一年，谷歌在自動駕駛技術上也有重大進展，其自動汽車的公路試驗已經結束。目前，對人工智能技術的研發已被提升到一個國家的發展策略，而以深度學習和大數據處理為代表的新一代的 AI技術，也是促進諸如能源等一些傳統行業技術發展的主要途徑。相對于最早期的人工智能技術而言，新一代人工智能技術的核心是基于三種基本技術：高性能計算、大數據分析和深度學習，這些技術可以用大量的數據和大量的樣本來聯合得到更好的訓練效果來促進其發展[1]。

2 基于人工智能的電力調控技術

對電網運行而言，電力調度控制中心扮演著重要的角色，是電網運行控制的樞紐。我國電力調度控制管理水平對整個電網的安全和穩定運行起著至關重要的作用。目前，我國電力調度工作還處于以人工分析和人工調度為主的狀態。傳統的手工作業模式主要依靠員工的經驗進行作業計劃的制定，具有較大的危險性。首先，不可能完全避免人為失誤，再有經驗的工作人員，也無法完全避開人類的錯誤，而人類的錯誤，往往會帶來巨大的負面影響。其次，缺乏隨機性。在這些普遍存在的問題之外，在電力系統的實際操作過程中，也有一些以前沒有發生過，或者是很少發生的事情，工作人員在對這些事情的操作過程中，缺少一些可以作為基礎的歷史經驗，很容易產生一些不知道該怎么做出決定的問題，這不僅給調節人員帶來更大的困難，也對整個電力系統的穩定運營造成嚴重的影響。人工智能（artificialIntelligence）是指對模擬人類智能的理論、方法、技術和應用進行研究和開發的分支。目前，我國的人工智能技術已經進入高速發展時期。相對于早期的人工智能，下一代的人工智能將以高性能計算、大數據分析和深度學習為核心技術，通過充分的數據進行有效的學習，使其在不斷提高。伴隨著資訊科技的進步，智能科技逐漸深入到人們的日常生活中，并逐漸成為推動人類社會與經濟進步的主要動力。《中國人工智能發展報告2018》（2018）顯示，我國已經成為人工智能專利布局最多、投融資規模最大的國家。電力系統作為新型智能技術，其在電力系統的運行和管理中的地位越來越突出。當前，隨著信息化程度的提高，對人工智能的研發和運用已被提升到國家的高度。《新一代人工智能發展規劃》于2017年發布，從戰略形勢、總體要求、重點任務、資源配置、保障措施和組織執行等六個層面對其進行系統的規定，為未來的發展指明前進的道路。將智能技術應用于電力系統的運行管理具有十分重大的意義。首先，人工智能具有較高的學習能力，它可以對電力系統的運營過程中所積累的海量的信息進行深度的學習，并根據所得到的信息來進行電網的調度，提高電力系統的調度決策的精度。另外，在進行交互時，AI具有明顯的優越性，可以利用觸屏交互、語音交互等新型的交互方法，來提升交互效果，減輕操作員的工作負擔，更好地達到對生產計劃的要求。

2.1 基于電網大數據的電網特性及運行方式分析

新能源的迅速發展和大規模接入電力網絡，風電和光伏發電具有輸出不確定和逆向調節特性，給電力網絡的安全性和穩定性帶來挑戰。在對調控中心的海量電網歷史運行數據進行特征分析和處理的基礎上，對數據的總體特征展開聚類分析，并運用深度學習技術，來精確地對電網內用電用戶的用電行為、用電負荷變化趨勢、電網運行走勢、電網實時負荷平衡等進行預測，以提高電力負荷的預測準確度，提高電網調度的準確性，進而提高電網的供電可靠性，并提高電網調控人員的工作品質和工作效率[2]。

2.2 電網調度運行知識及經驗深度學習及模擬

電網管理運作工作，包括它的正常操作和對問題的處理，都存在著與之有關的規定。操作手冊的內容大多是由專門的人士來編制的，并且還會在現實中的操作經驗的基礎上對其進行持續的修改，從根本上來說，它是電網運行的知識和運行經驗的一種累積，問題的優先級、電網安全校核的固定規則、操作指令的生成規范及邏輯等。操作手冊是有一些可以被遵守的規則的。對電力系統的運行知識、運行經驗以及有關的操作規范進行對應梳理，利用深度學習技術，對相關的學習機運行進行重復的模擬，可以得到關于電力系統的運行決策，在某種意義上可以為電力系統的運行工作人員帶來幫助。此外，在以人工智能技術為基礎的電力網絡控制和運營體系中，也應將其納入其中，以實現有效的輔助。

3 基于人工智能技術的電網調度控制業務主要功能

3.1 語音控制功能

目前，電網調度控制系統管理的操作接口仍然是由調度人員手工操作計算機的操作接口，這種接口方式十分簡單，不僅加重調度員的工作負擔，而且對問題的反應也不利。近年來，隨著信息技術的持續發展，語音識別技術也有長足的進步，市場上出現很多的語音識別應用，其中以由科大訊飛所開發的語音識別應用最具代表性。語音識別軟件擁有強大的語音辨識能力，可以對不同類型的聲音進行辨識，為電力調度控制系統依據聲音的信息，進行針對性的調整和奠定基礎。在這種情況下，以智能技術為核心的電網調度控制系統調度與監控系統就成其基本的功能。在電力調度和控制中使用語音識別技術，能夠提高調度人員在故障處理和指令發布中的工作效率，進而更好地完成電力調度和管理的任務，與手工的單擊操作相比較，還能夠在很大程度上降低工作人員的工作量。

3.2 故障處理功能

故障處理功能是基于人工智能技術的電網調度控制業務的又一重要功能。電網控制系統中大量的電力數據信息缺乏有效的存儲和分發，使得這些信息的應用受到極大的限制。而在此背景下，以大數據為核心的大數據技術是解決該問題的關鍵。首先，對這些數據進行大規模的集成。電網運行過程中存在著大量的數據，而大數據技術對結構化甚至半結構化和非結構化的信息進行有效的集成。其次，利用大數據的方法尋找問題所在。在電網運行過程中，會生成海量的信息，而大數據分析擁有強大的分析功能，可以利用聚類分析、關聯分析等手段，將這些信息中蘊含的信息進行挖掘，進而發現電網運行過程中存在的問題，并發出警報，為故障的處置留出足夠的時間。并對該系統進行失效預報。通過對這些數據的處理，可以對電網運行狀況進行準確的預報，為電網運行管理和調度部門的決策提供依據。

3.3 搜索查閱功能

以智能技術為基礎的電力系統調度與管理服務也擁有較強的查詢能力，云計算技術的開發和使用為其提供有力的支持。云計算融合高速因特網、高性能計算、海量數據庫、傳感器和遠程設備等多種功能，是當今世界最具發展潛力的一項重要技術。隨著云計算技術的發展，給電網的數據的保存帶來新的途徑，如果在云計算中，不僅可以讓當地的電力企業獲取有關的信息，還可以讓電網系統中的其它區域的電力企業獲取，進而提升這些信息的使用價值。為保證信息的安全，在獲取電力系統的時候，需要設定授權，使用者可以根據自己的授權，獲取各個層次的信息，這給數據的檢索帶來方便。

3.4 核心功能的關鍵支撐技術分析

（1）大數據計算與調控技術

深度學習需要以海量的數據和高的運算能力為基礎，其在電力市場的調節中所面臨的最大的困難是其運算力。為滿足各種業務的需要和對深度的運算的要求，需要融合網絡資源、不斷完善的芯片技術（包括CPU、GPU、TPU等）、服務器和存儲器等，逐漸地實現對軟件定義的HPC和自調節的運算結構的建立，進而大幅地提高各種業務的運算能力。在大數據背景下，對智能計算（特別是以數據為基礎的機器學習和深度神經網絡）的研究和應用提出更高的需求。提升監管大數據平臺對分布式數據的分析能力，為未來的應用提供更多的學習數據。基于大規模的時間-空間數據的調度大數據包含設備模型參數，地理位置，PMU，氣象環境，電量，用戶等信息，以及能源管理，配電管理，GIS，調度和生產管理，設備監測等信息。對大數據的匯聚與存儲技術進行調整時，需要注意的問題有：①數據匯聚，以不同的數據源為基礎，以數據的各種提取與匯聚方法為基礎，將傳統的數據訪問方法（包括傳輸協議、數據庫連接、消息隊列等）與大數據的Sqoop、Flume等方法進行組合，達到對數據進行全量提取的目的，之后利用校驗規則對數據進行清理與規范化。②數據存儲，針對各種數據的特征，采取多種存儲方式，如分布式文件存儲，關系型數據庫（以存儲模型參數為主），列式數據庫（以存儲歷史數據為主），內存數據庫（以實時數據為主），時序數據庫（以相量測定時間尺度數據為主），以實現數據的一致性。③數據關聯，對于資料間差異，利用外鍵或引用等方法，進行相關處理，為資料進一步處理與整理工作奠定基礎。事件發生后，調節系統會根據對問題的認識，自動地給出問題處理的工作清單和重要的信息，并將其與實時測量和在線輔助決策功能進行融合，獲得對問題進行的幫助。之后，在經過人工的進一步確定后，再利用自動發電及電壓控制等手段，來實現相應的工作（比如，故障后方式調整、恢復送電等）。在進行設備檢修操作時，可以利用深度學習技術，對操作票模板、檢修操作規程進行操作，在經過手工的確定之后，就可以將設備檢修操作（采用順控模式）進行完成。在穩定段的智慧指標中，伴隨著對電力系統的操作描述的標準和規范的持續改進，這對于利用自然語言的技術來獲得電網運行同斷面限額的關系，以便動態更新斷面穩定限額的，可以對學習穩定性指標進行實時的更新。在此基礎上，通過仿真，探索調節操縱過程，建立操縱過程的圖譜，并對操縱過程內容進行標記，進行深度神經網絡、協同過濾等技術，以達到在同類事故發生時，對操縱過程中的操縱過程進行有效的控制[3]。

（2） 電網預測技術及調度智能助手技術

針對可更新電力系統對氣候變化敏感的特點，利用集成學習、條件變分深信度神經網絡等技術，結合非/半監督學習方法，結合多元預測方法，對可更新電力系統中各要素之間的內在規律性以及相互耦合的相關性進行綜合研究，獲得可更新電力系統中各要素之間的相互聯系，達到對可更新電力系統的準確預報。針對區域電力系統中大規模的 DG并網以及具有“源-荷”特征的裝備日益增多，需要改進循環神經網絡、長短期記憶等算法，構建能夠對各種影響因子進行學習與仿真的綜合預報模型與算法，以適應區域電力系統的負載預報要求；針對造成系統老損、外部氣象環境變化等導致的系統發生失效跳閘的情況，依據系統的歷史失效跳閘事件與外部氣象環境等，完善系統的運行狀況（自適應）評價模型，并利用已有的系統運行狀況（如：系統運行），從系統運行中獲得系統運行中可能出現的主要影響因子與影響因子，并將其與系統運行中的各種評價手段相融合，實現系統運行中各種影響因子的有效識別。利用虛擬現實、語音識別等技術，可以明顯提高調節系統的人機互動性能，實現以語音互動為特點的智能助理功能，包括觸屏控制、人臉/語音識別等各種互動方式。還可以將強大搜索引擎配置到系統服務端，實現使用語音、鍵盤輸入相關內容，搜索、抽取、加工、分析和自動統計系統中的各類數據（包括原始數據、相關規程、計算結果等），可以更好地提高交互方式的智能化程度。按照不同的目標，搜索引擎可以被配置在不同的位置（針對不同的位置）。在顯示方式方面，可以利用虛擬現實技術來豐富的可視化的顯示效果，并利用自動制圖技術來實現基于多場景的圖形（如電氣分區圖、停電區域圖、供電路徑圖、潮流圖自動生成等）的自動形成。

4 結束語

目前，以數據驅動、知識導向為特點的人工智能技術正在迅速發展，隨著電力行業對現代化、智能化發展的要求越來越高，將人工智能技術與新一代電力行業發展趨勢也越來越明顯。本研究從電力行業的實際情況出發，對人工智能技術在電力行業中的可應用場景進行初步的探討，并對其進行深入的研究，最終完成電力行業整體框架的搭建，并對其核心功能進行設計，并對其進行詳細說明，為促進電力行業從傳統的以物理模型為主導的電力行業發展，向物理模型與數據驅動相結合的方向發展提供借鑒。