智能电网的基于人工智能的调度技术＊

周杰，马良，杨景文



智能电网的基于人工智能的调度技术＊

周杰，马良，杨景文

（石河子大学 信息科学与技术学院，新疆 石河子 832003）

当前社会的运转离不开电力网络，发电站输出的电能通过电力网络传输到居民小区、工厂等，人们的各项活动也离不开电能。近些年电网的规模越来越大，通讯技术、控制技术也有了较快发展，但是电力网络却没有随之发生相应的变革。智能电网的出现，就是为了满足用户的需求，实现资源优化，平衡供需关系等，人工智能技术的发展也为智能电网提供了新的调度方法。主要介绍了智能电网中基于人工智能调度技术，以此使得智能电网得到更好的发展。

智能电网；差分进化算法；人工蜂群算法；蚁群算法

随着当前社会对电力的需求越来越大，人们对于电网的要求也越来越高，传统的电网面临着极大的挑战[1-2]。当前世界环境问题越来越恶劣，而电力系统是最大的环境污染源之一，为了解决这一问题，我国现在正在大力发展可再生能源，比如核电、水电、风电等，这些清洁能源在电力生产中的比例也正在提高[3]。如何合理地将这些清洁能源并入当前的电网也是我国正在面临的问题[4-5]。人工智能算法有着强大的自组织、自适应、自学习的特性，能够处理较为复杂的问题，而这些较为复杂的问题采用传统算法往往是难以解决的[6-7]。因此，将人工智能技术应用于智能电网会让电力系统变得更加高效，使得电网更加安全、稳定[8]。

1 智能电网

智能电网前景好，它是一个实时、不断变化、能量流和信息流实时交互的大型电力系统[9]。它融合了现代的传感、通信、自动化等技术，具有实时监测功能，时刻了解设备的运行状态，并依靠现代计算机先进的处理信息的能力，对实际电力系统中的各种复杂情况进行最合理的选择，保证了电能的质量，大大增强了电网的安全性、可靠性和经济性，为用户提供了更加清洁的能源，达到了环境友好的目的[10-11]。

2 人工智能技术在智能电网中的应用

2.1 差分进化算法

差分进化算法是一种常见的进化算法，由最基本的遗传算法发展而来，是一种模拟自然生物优胜劣汰的算法[12-14]。对问题建模之后，将诸多个体通过选择、交叉、变异操作，系统地筛选出更适应于环境的个体，最终筛选的结果将作为最优解采用[15-16]。

该算法的具体实现步骤位为：初始化、计算种群适应度，变异、交叉、选择。该算法可以突破传统问题的限制，广泛应用于全局优化问题，具有较强的鲁棒性[17-18]。

2.2 人工蜂群算法

人工蜂群算法是模拟蜜蜂在自然界中采集事物的行为，建立模型包括蜜源、雇佣蜂和非雇佣蜂[19]。蜜源代表着优化问题的解；雇佣蜂写到了蜜源的信息，可与其他蜂种分享信息，部分蜂按照一定比例成为引领蜂；非雇佣蜂由两种组成，即侦察蜂和跟随蜂，侦察蜂负责搜索新的蜜源，跟随蜂通过分享的信息寻找蜜源[20-21]。

该算法的具体步骤是：初始化、引领蜂发现蜜源并共享位置信息、跟随蜂跟随采蜜、引领蜂转化为侦察蜂继续寻找新的蜜源[22-23]。蜂群的种类可以在这三者之间相互转换，共同寻找最优解[24]。

2.3 蚁群算法

蚁群算法是模仿大自然中蚂蚁寻找食物过程的一种优化算法[25]。蚂蚁在寻找食物的路上会留下信息素的物质，信息素会吸引后续的蚂蚁选择这条道路，而且信息素越多，吸引的蚂蚁越多，从而形成一种正反馈机制[26-28]，而且信息素的浓度会随着时间增长而消散[29-30]。

该算法解决问题的步骤为：初始化、构建系统模型及蚁群选择路径[31-32]。蚁群算法广泛应用于组合优化问题[33-34]。

2.4 小结

除了以上三种技术，还有诸多人工智能技术广泛应用于智能电网[35-36]。在实际解决问题时，往往采用二者或者多者方法相结合的形式，避免某种特定方法带来的不可避免的弊端[37-38]。人工智能在国内外的应用十分广泛，特别是欧美等发达国家技术发展迅速[39-40]。

3 结论

人们的日常生活离不开电，在未来，我国的用电量还会持续增加，我国目前的电力网络还需要进一步发展，如何合理调度电能也是我国未来必须面对的严峻问题。未来新能源也会得到蓬勃发展，智能电网也应当具有接入不同类型发电的能力。人工智能技术在近几年有了很大的发展，广泛应用于各大领域。将人工智能技术应用于智能电网将会解决很多传统电网难以解决的问题，让电力市场得到更好的发展，使得电力网络的运行更加高效，更好地服务于人民。

［1］李欢冬，樊磊.“可能”与“不可能”：当前人工智能技术教育价值的再探讨——《高等学校人工智能创新行动计划》解读之一［J］.远程教育杂志，2018，36（05）：38-44.

［2］王文彬，伍小生，陈霖，等.基于改进型蚁群算法的配电网低电压治理自动规划研究［J］.武汉大学学报（工学版），2018，51（09）：831-836，846.

［3］杨雪峰，吐热尼古丽·阿木提.基于人工蜂群算法优化的SVM遥感分类方法——以玛纳斯湖古湖盆为例［J］.地理与地理信息科学，2018，34（04）：40-45.

［4］胡光.人工智能生成对象版权法基本理论探讨：历史、当下与未来［J］.当代传播，2018（04）：80-83，90.

［5］冯腾飞，钟钰，刘小生，等.基于自适应人工蜂群算法优化的最小二乘支持向量机在变形预测中的应用［J］.江西理工大学学报，2018，39（03）：35-39.

［6］盛四清，陈玉良，张晶晶.基于差分进化人工蜂群算法的光伏最大功率跟踪策略研究［J］.电力系统保护与控制，2018，46（11）：23-29.

［7］邹鑫，路建明，贺鹏程，等.智能电网调度可视化系统的设计与实现［J］.电源技术，2018，42（04）：585-587.

［8］陶乾.论著作权法对人工智能生成成果的保护——作为邻接权的数据处理者权之证立［J］.法学，2018（04）：3-15.

［9］张进宝，姬凌岩.是“智能化教育”还是“促进智能发展的教育”——AI时代智能教育的内涵分析与目标定位［J］.现代远程教育研究，2018（02）：14-23.

［10］蔺山高，涂超，马之力.基于云计算的智能电网调度系统安全架构设计［J］.网络空间安全，2018，9（02）：85-89.

［11］肖胜.基于云计算的智能电网调度系统设计［J］.电源技术，2018，42（02）：288-290.

［12］潘天君，欧阳忠明.人工智能时代的工作与职业培训：发展趋势与应对思考——基于《工作与职业培训的未来》及“云劳动”的解读［J］.远程教育杂志，2018，36（01）：18-26.

［13］陈凯泉，何瑶，仲国强.人工智能视域下的信息素养内涵转型及AI教育目标定位——兼论基础教育阶段AI课程与教学实施路径［J］.远程教育杂志，2018，36（01）：61-71.

［14］徐赫.智能电网调度运行中的关键技术探讨［J］.中国战略新兴产业，2017（48）：82.

［15］吴天行，郭键.基于“反学习”理论的人工蜂群算法在订单分批问题中的应用［J］.物流技术，2017，36（12）：90-94.

［16］张兴旺.以信息推荐为例探讨图书馆人工智能体系的基本运作模式［J］.情报理论与实践，2017，40（12）：69-74.

［17］张新新，刘华东.出版+人工智能：未来出版的新模式与新形态——以《新一代人工智能发展规划》为视角［J］.科技与出版，2017（12）：38-43.

［18］肖超，张立毅，费腾.冷链低碳物流配送路径优化的细菌觅食——蚁群算法研究［J］.数学的实践与认识，2017，47（21）：98-107.

［19］罗岗.基本收入·隐私权·主体性——人工智能与后人类时代（上）［J］.读书，2017（10）：50-59.

［20］贾开，蒋余浩.人工智能治理的三个基本问题：技术逻辑、风险挑战与公共政策选择［J］.中国行政管理，2017（10）：40-45.

［21］谢辉.智能电网调度运行中的关键技术探讨［J］.中国高新技术企业，2017（05）：184-185.

［22］孙冰.全国人大代表雷军：人工智能会像互联网一样成为基本元素［J］.中国经济周刊，2017（10）：55-57.

［23］喻国明，兰美娜，李玮.智能化：未来传播模式创新的核心逻辑——兼论“人工智能+媒体”的基本运作范式［J］.新闻与写作，2017（03）：41-45.

［24］马玉慧，柏茂林，周政.智慧教育时代我国人工智能教育应用的发展路径探究——美国《规划未来，迎接人工智能时代》报告解读及启示［J］.电化教育研究，2017，38（03）：123-128.

［25］闫志明，唐夏夏，秦旋，等.教育人工智能（EAI）的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析［J］.远程教育杂志，2017，35（01）：26-35.

［26］何哲.通向人工智能时代——兼论美国人工智能战略方向及对中国人工智能战略的借鉴［J］.电子政务，2016（12）：2-10.

［27］杨福兴，王菲.基于改进蚁群算法的突发事件后应急物资的配送路径规划问题的研究［J］.物流工程与管理，2016，38（11）：88-89，101.

［28］刘华宇.智能电网调度控制系统安全防护技术及发展［J］.中国高新技术企业，2016（25）：145-146.

［29］龚怡宏.人工智能是否终将超越人类智能——基于机器学习与人脑认知基本原理的探讨［J］.人民论坛·学术前沿，2016（07）：12-21.

［30］蔡子恒.智能电网调度控制系统综合智能告警研究及应用［J］.科技传播，2015，7（24）：34，37.

［31］毛科技，方凯，戴国勇，等.基于改进蚁群算法的无线传感器网络栅栏覆盖优化研究［J］.传感技术学报，2015，28（07）：1058-1065.

［32］李翠明，龚俊，牛万才，等.基于改进隶属云模型蚁群算法的喷涂机器人喷枪轨迹组合优化［J］.上海交通大学学报，2015，49（03）：387-391.

［33］殷霞红，倪建军，吴榴迎.一种基于改进人工蜂群算法的机器人实时路径规划方法［J］.计算机与现代化，2015（03）：1-4.

［34］于昌剑.智能电网调度自动化关键技术探讨［J］.中国高新技术企业，2014（32）：17-18.

［35］赵自辉，王云飞.浅析智能电网调度自动化系统现状及发展趋势［J］.能源与节能，2014（09）：12-14.

［36］江修波，黄彦婕，赖祥生.改进蚁群算法及其在变压器绝缘介质响应电路参数辨识中的应用［J］.高电压技术，2011，37（08）：1982-1988.

［37］马强，刘建书，弋英民.基于多Agent的智能电网系统调度［J］.陕西电力，2011，39（01）：16-18.

［38］王培铎.人工神经网络研究与传统人工智能研究中的几个基本思维问题的再讨论［J］.武警学院学报，1997（02）：49-52.

［39］王继荣.人工智能能代替人的思维吗?——学习辩证唯物主义有关基本原理的一点体会［J］.理论学习，1984（05）：33-36.

［40］王利耀.人工智能中的认识论和哲学基本问题——与曹伯言、周文彬同志商榷［J］.江淮论坛，1983（01）：89-94.

周杰（1982—），男，湖南湘乡人，副教授，博士，研究方向为物联网技术。

兵团中青年科技创新领军人才计划项目“基于人工智能的电网智能调度”（编号：2018CB006）

2095－6835（2019）07－0038－02

TM73

A

10.15913/j.cnki.kjycx.2019.07.038

〔编辑：张思楠〕