人工智能技術在配網網絡發令系統開發中的運用分析

摘要：推動配網網絡發令系統的智能化發展，已經成為當前配網網絡優化調整的主要方向。結合新時期配網網絡行業的發展背景，以配網網絡發令系統為主要研究對象，結合配網網絡發令系統優化發展的總體要求，探討以人工智能技術促進發令系統開發與應用效果提升的有效思路，重點聚焦深度學習神經網絡、模糊優化與專家系統、分布式并行算法等助力發令系統開發優化的有效方法。

關鍵詞：人工智能技術 配網網絡 發令系統 神經網絡

Application Analysis of Artificial Intelligence Technology in the Development of Distribution Network Command System

GUAN Chao SHAN Guowei XU Haitong Aizi Reti Ai Li ·Ai Ni "LI Xuanbo

State Grid Xinjiang Electric Power Co.， Ltd. Kezhou Power Supply Company， Artux City， Kezhou， Xinjiang Uygur Autonomous Region， 845350 China

Abstract： Promoting the intelligent development of the distribution network command system has become the main direction for optimizing and adjusting the current distribution network. Based on the development background of the distribution network industry in the new era， this article takes the distribution network command system as the main research object， focusing on the overall requirements of optimizing the development of the distribution network command system. It explores effective ideas for promoting system development and application effectiveness of command systems through artificial intelligence technology， and focuses on effective methods such as deep learning neural networks， fuzzy optimization and expert systems， and distributed parallel algorithms to assist in the development and optimization of command systems.

Key Words： Artificial intelligence technology; Distribution network; Command system; Neural networks

配網調度與電力生產管理、營銷、自動化等都有著非常緊密的聯系，是電力行業發展依賴的重要前提和基礎。順應新時期推動配網調度自動化與智能化的發展趨勢，將人工智能技術應用到配網網絡發令系統的運行中，以智能化手段實現對各類電網調度指令的判斷識別，有利于提升電網調度運行的控制效果，為保障電力系統整體的安全穩定運行提供支持和保障。

1配網網絡發令系統開發要求

為支持自動化設備發揮數據實時采集與運行分析的功能，要求保障調度指令傳遞的及時性與準確性，能夠基于電力系統的整體運行情況，依靠網絡環境實現各類配網網絡調度指令的實時傳輸^[1]，及時將相應的指令傳遞給終端設備，避免耽誤工作。在傳輸相關數據后，以模糊優化和專家系統，支持調度的智能決策管控，可以基于調度指令實現對電力系統整體運行情況的優化調度，保障電力系統運行的實際效果。

2配網網絡發令系統中人工智能技術開發

2.1 網絡發令安全管控：分布式并行算法

對配網網絡發令系統的優化開發，應以保證系統各項數據信息的安全為前提。基于這一目的，可以發揮分布式并行算法的作用，支持在發令系統中構建基于生物特征的身份認證服務功能^[2]。

以當前發令系統數據庫中存儲的k個人臉識別特征數據為前提，在構成的人臉識別數據集合中，以隨機方式選擇初始對象數據點，并將這些數據點作為算法應用的初始聚類中心。對數據集合中其他數據對象與確定的聚類中心之間的距離進行計算，通過對距離計算結果的統計劃分，以最近距離的類為標準，確保能夠實現對數據集合中的各個數據對象的科學分配。對各個聚類中心進行計算。對兩次計算得到的聚類中心結果進行對比分析^[3]。若實際對比的結果差異并不明顯，則可以證實針對原有集合中相關數據的調整已經完成；若二者實際對比的結果差異較為明顯，則判斷由于聚類準則函數并未完全收斂，仍需要再次重復以上步驟，對數據對象進行重新調整，直至對比結果差異變化不明顯，表明完成整個算法的迭代過程。該算法更多應用于靜態的數據聚類分析，對于已經被重新分類的數據對象，不會再經由聚類中心的調整。

為實現對系統登錄人臉的智能識別，要求對K-means算法進行并行優化，即在算法程序中設置n個具有獨立性質的站點，對于原本在所有數據中完成的聚類分析操作，按照劃分的站點進行分別操作。其中，主站點是聚類分析的中心，主要執行數據聚類分析與計算的操作；從站點則負責數據的存儲與收集發送，將相關數據傳送至主站點，進行聚類計算與分析^[4]。

2.2 調度智能決策管控：模糊優化與專家系統

在相關人員基于自身工作需要登錄配網網絡發令系統后，需要依據電力系統運行調度的實際要求和標準，基于不同業務場景需求，在充分參考以往操作業務流程與運行邏輯的前提下，以支持調度智能決策管控的方式來保障電網整體的安全穩定運行。主要經歷以下步驟。

（1）依據事先制定好的專家系統結構框架，在系統中收集配網網絡調度執行的歷史案例與數據，將其存儲于系統數據庫中，對歷史調度執行指令進行分類。

（2）以針對調度指令的智能決策為目的，結合配網網絡發令的實際應用場景，以建立故障樹圖的方式，明確以往電力系統調度運行期間各類問題的產生原因與發展脈絡，以此為依據，需要對電力系統調度運行進行決策優化的過程。

（3）依據電力系統優化調度期間各類問題的來源，選擇合適的推理機制，分析明確導致各類故障和問題的各類因素，以此來應對以往由于測量結果數據較少而影響模型分析明確性的情況^[5]。

2.3 調度指令語音識別：深度學習神經網絡

針對配網網絡發力系統實際運行期間涉及到的各項數據，深度學習神經網絡建立“特征提取—異常檢測—指令判斷”基本結構的語音指令模型，依靠主成分分析（Principal Components Analysis，PCA）提取其中的數據特征參量并對其進行降維處理。具體而言，在MATLAB軟件中，構建具有多輸入單輸出三層的反向傳播神經網絡模型結構，確定神經網絡模型的輸入層、隱含層和輸出層神經元節點，依據網絡調度指令的場景應用要求，設置好網絡學習精度與迭代次數，待將相關數據輸入至函數中得到計算結果后，啟動模型進行算法的迭代訓練。以事先確定的語音識別類型、等級程度等方面的評價標準為算法迭代的主要判斷機制。在神經網絡中，輸入數據主要經歷正向傳播和誤差的反向傳播兩個過程，整個算法迭代訓練期間，以這兩個傳播過程的循環往復為主要途徑。將實際輸出結果與預期輸出結果進行對比：若二者之間差異較大，則需要在對權值和閾值進行修改調整后，重復迭代訓練的步驟，直至二者之間無明顯差異。

將存儲于發令系統中的歷史調度指令語音與文字數據作為神經網絡模型的輸入數據，在事先設定好不同調度指令下發應用的前提下，以基于深度學習的神經網絡來實現對相關樣本數據的訓練。訓練過程中，可以直接依靠樣本模擬生成技術，擴大調度指令的下發樣本數量和規模，將這些樣本作為后續對模擬與真實應用場景下調度指令下發規律的識別依據，以此來保障各類調度指令與實際應用場景之間的匹配效果。

3 基于人工智能的配網網絡發令系統設計

結合以上人工智能技術在配網網絡發令系統中的具體應用，以優化開發配網網絡發令系統為目的，在設計系統架構、功能模塊與運行流程時，要求注重以下幾方面內容。

3.1系統架構

以電力系統運行涉及范圍內的調度安全區為系統主要的開發環境，將數據平臺與PMS2.0系統結合起來，促進各類調度操作數據的集成共享。在該系統下，操作人員可以直接經由移動接令終端，實現配網網絡指令的下發傳遞，作為支持電力系統調度運行與指揮的依據。其間，考慮配網網絡發令系統的實際運行環境，主要以4G、5G外網接入國網的方式，支持具體的調度收發令。

3.2系統功能模塊設計

各類人工智能技術算法的應用主要基于不同模塊的業務需求差異，設計在其相應的功能模塊中的子系統中。例如：在預令管理模塊，借助模糊優化與專家系統，支持對各項指令發送前的校核審核；正令管理期間，依靠數據庫統計各項指令操作票的狀態；受令資格管理涉及人臉信息認證功能，依靠分布式算法支持人臉數據與系統操作管理權限的智能化匹配與判別，實現對受令方信息的維護與考核；許可管理直接遵循既定的系統算法程序，對整個指令審批流程進行管理；操作進度管理基于對各項操作票執行狀態的實時監測，促進整體調度工作效率的提升。

3.3系統運行流程

系統運行主要依據配網網絡發令的實際情況，模擬整個調度下令與收令到整個過程。其流程步驟具體表現在以下幾方面。

（1）調度下令。操作人員達到現場后，經由人工智能的人臉識別系統完成身份與權限的認證簽到。待人員到齊后，系統自動依靠對各項票面指令重要程度與規模等方面的評判標準，對票面指令進行先后排序，進而遵循大項多選的原則，確保各個大項的調令同時下發。

（2）現場復誦。受令單位系統在接受調度命令后，直接基于系統的人工智能復誦校驗模塊，對調度命令內容進行復誦驗證。

（3）調度確認。配網網絡發令系統接受到電氣操作指令后，再次對受令人進行人臉識別身份認證，認證過程中拍攝的受令人現場照片會同步上傳至系統發令端顯示。在經由系統中設置的分布式并行算法進行對比后，確認受令人信息與受令人對調度指令的復誦過程準確無誤后，由受令單位的現場人員直接依據調度指令中的內容開展作業。

（4）調度收令。操作人員完成調度指令后需要現場回令，將指令執行情況在操作票頁面匯報。系統自動將匯報的信息傳遞給調控人員，由調控人員對調度指令執行情況進行校核。對符合制定標準的部分，直接按照大項的順序和要求進行收令；若調度指令執行情況不符合要求，則在系統界面中直接選擇不執行的選項并填寫原因。

4 結語

綜上所述，人工智能技術的應用有利于促進配網網絡發令系統的開發與優化，促進電力系統在新時期的穩定運行。結合當前配網網絡發令系統的運行情況，促進系統開發，應能夠以深度學習神經網絡作為支持調度指令語音識別判斷的依據，同時發揮模糊優化與專家系統在支持調度智能決策管控方面的作用，以加強網絡指令的安全管控為目的，基于分布式并行算法實現身份權限認證與安全管理。

參考文獻

[1]趙薇.大數據時代人工智能在大學校園網絡安全技術中的運用[J].軟件，2024，45（1）：158-160.

[2]梁良.AI識別技術應用在輸配電網絡故障診斷中的實踐路徑[J].電工技術，2023（S1）：1-3.

[3]盧麗萌.人工智能技術在船舶網絡節點流量控制中的應用[J].艦船科學技術，2021，43（24）：148-150.

[4]李碩，丁佳偉，曹浚源.人工智能技術在電力工程配電運維中的應用與研究[J].自動化應用，2024，65（S1）：188-190. [2]

[5]那偉聰，張萬榮，謝紅云，等.人工智能神經網絡技術及其微波應用課程設計與教學改革研究[J].電腦知識與技術，2024，20（8）：28-31.