浅析AI技术在电力信息化中的应用与创新

宁波迦南智能电气股份有限公司 张轩瑞 龙翔林

人工AI是人工智能的简称，主要对于人类的思维与行为进行研究与模拟。目前AI技术具备了一定的基础与优势，可以对大规模的数据进行建模与统计分析，进而提供解决方案，从而为相关电力专业的工作人员提供科学、客观的决策支持，AI主要的代表技术包括自然语言处理、专家系统、模式识别、机器学习等。

1 电力数据的特征与分类

电力数据整体上呈现多源、异构、数据量大且高隐藏值的特点：数据来源广泛。大部分来自业务系统且涉及行业众多，采用分散放置、分布式管理模式，分析挖掘前需进行业务贯通及数据融合；数据结构复杂。除传统的运行数据、设备台账等结构化数据外，还包括输变电监测中的图像视频、电力气象云图、客服语音等非结构化数据，内容庞杂；数据规模大。目前国家各省级电网运维近3000座变电站、2万余条10kV配电线路，50万余台配电变压器以及近4000万低压用户，其数据增量巨大；数据蕴含高附加值。除为电网自身提供支撑外，电力数据可以面向居民、企业等多方主体提供服务，全方位支撑智慧城市建设。

电力数据的分类。随着国家智能电网的发展，相关电力企业建立多个业务信息化系统，形成了大量良好的数据资源，大致可分为生产、营销、管理与外部数据4大类。为使电力数据系统化、科学化，便于管理和检索，就需要进行合理的分类（表1）[1]。

2 目前电力信息化工作存在问题与难点

信息化体系落后。目前电力信息化工作缺乏整体规划，项目管理水平的相对落后，导致信息化建设缺乏系统性，数据采集与应用平台越建越多，重复建设严重；管控分离，生产系统与管理信息系统未能形成一体化，集成性差。软件开发投资大，维护成本居高不下。缺乏项目验收标准，使项目验收成为过场，软件应用成为摆设。

标准规范有待加强。虽然电力部门在提倡统一管理和领导，但是电力信息化标准在我国确实尚处于初级阶段，主要表现在：缺乏统一的信息编码、技术标准和规范；数据和应用体系架构分散，结构复杂；缺乏企业级的集成系统建设，信息孤岛和烟囱林立，横向数据交换困难，数据共享性差、冗余度高，数据源不唯一[2]。

缺乏强大的信息化团队。电力信息化是一门先进的高新技术，其发展需要强大的团队作为保障。但目前从业工作人员整体素质不高，缺乏计算机、电力、AI等专业复合型人才。对于电力行业来说，如果出现专业人员匮乏的情况，就会造成工作混乱无序、效率低下，以至无法对数据进行系统与深层次化的整理与挖掘，无法发挥应有的价值。

数据结构化分类不足，隐性价值挖掘难度大。电力数据种类繁多、内容复杂、数据量极大，且含有很多非结构化的数据（如气象云图、客户语音、方案文档等），隐性信息资源的获取和转化难度非常大。面对如此复杂的情况，相关从业人员要将许多数据与信息进行录入与整理关联，并进行相关审核与鉴定工作后才能保证资源的利用价值，很难客观、科学的起到决策辅助作用。

表1 电力数据分类

3 AI技术在电力信息化中的应用研究

AI技术在电力信息化中的应用，应体现在管理的每一个环节，简化数据采集、管理与利用流程，对已有资源进行分析和整合，提供给作业人员更多有价值的信息。笔者研究的应用主要包括四个方面：

3.1 电力数据采集智能化

数据采集是电力信息化工作的基础，而高质量数据是使用大数据技术的前提。利用AI技术收集不同数据源产生的信息数据，提取其中潜在可用的信息，为数据价值挖掘的后续工作提供基础条件。

作业自动化。在传统的电力数据采集系统架构下，基本实现了质量、效率、成本三者之间的平衡。但随着业务不断变化，导致平衡点失调，即在现有的成本下无法满足高质量和高效率的要求。因此研发基于AI技术的数据库运维专用工具显得尤为重要，该工具以实现数据自动采集和规则分析，自主规划成本、容量方案，智能调度与伸缩，减少DBA运维人员的工作量为目标。

电力数据空间化。电力涉及很多地理方面的内容，如输配电线路及设备拓扑结构、供电范围等，这些业务的信息监管都离不开空间位置的支持。利用语义理解与智能匹配等技术将电力行业中的位置信息与地名地址数据库信息进行关联，将其转换成电子空间数据并关联相应属性信息，这样可充分反映空间电力的分布和潜力，做到图数查询一体化，为决策人员提供更为直观的城市电力状况服务[3]。

网络电力资源采集智能化。在“互联网+”时代，随着网络资源的数量不断增加，产生了很多具有价值的电力外部数据，如人口、电价政策、气候等，这些数据对于电力行业意义重大，甚至可以影响行业的走向与发展。因此，在电力采集工作中可应用AI技术对海量的网络信息资源进行搜索、分析和过滤，把符合要求的信息保留下来进行关联，从而达到智能收集的目标，实现文档一体化管理。

3.2 安全管理智慧化

安全是每个行业管理工作的底线，对于电力行业尤甚。目前电力数据的安全问题主要集中在权限的划分界定，防范病毒、黑客与自然破坏等问题上。AI技术可以在四方面进行应用：应用指纹、人脸识别技术在电力设备库房的门卡管理系统之中，并且实现角色智能权限控制，不同角色的工作人员拥有不同级别的管理权限；应用智能监测设备在库房监测体系之中，对于湿度、温度等条件进行实时查看与智能播报。目前较为成熟的AI算法分析包括通过视频或者影像对于目标进行建模与识别跟踪分析，进而将目标的状态信息记录在数据库之中，一旦发现异常将提示管理工作人员，排除隐患；在网络安全上建立智能监测系统。系统不但可以实现自动备份，可以文件报警分析等基本功能，还可以对于一些关键信息进行语义理解与机器学习等操作，追回被攻击和被破坏的数据资料[4]。

3.3 故障审核鉴定专家化

在自动化电力调度工作中，故障是必须要考虑的一个业务，如设备损坏、自然现象影响等，其中多数原因是无法预测和控制的，需要丰富的经验来排除，而传统软件是不能实现这项工作。专家系统可以辅助从业人员进行鉴定、审核工作，对于难以确定的问题可以给出权威的判断，且该行为不受时间与空间的限制。

因此建立电力专家系统显得尤为重要，其建设一般要有三个过程：将电力相关的专业知识、方法、规则等信息以计算机语言的形式进行数据库录入操作；对于已经建立好的专家知识库进行有规律的样本训练，并且验证其正确性，熟悉相关专家审核鉴定流程；进一步完善已建立的专家系统，即对该系统进行多次验证后作出总结，然后对该系统进行改善。专家系统应具备使用便捷、自我学习等基本特性。

3.4 挖掘电力数据应用潜力

针对每天都会产生海量电力数据，目前还没有对这些数据进行深度挖掘，不利于电力营销服务、调度工作质量水平提升。AI技术可以在数据量大、格式复杂的电力数据之中帮助用户更加快速与准确的找到所需要的信息，甚至可以提供更有价值的隐性信息，将价值发挥到最大。

3.4.1 搭建智能管理平台

智能化管理平台与传统系统相比，具备智能分类、合理分配资源、审核与安全管理等特性。相关工作人员可以在网络连通的设备上对已分类（满足安全性的前提）的电力行业数据进行实时浏览，并根据用户需求提供智能化的指导服务。同时平台应具备一定的自动编目能力，当数据满足入库需求则自动进入云库并完成备份操作。由于电力具有涉密性（涉密特别严格的数据不建议进行入库工作），智能平台应具备保密等级划分，根据不同用户的角色赋予不同的权限。如关系到费用与计量的数据，仅由营销专业人员可调阅；如关系到信息位置、故障类的数据，仅由管理与维护人员可以查询。而且，平台应对各种类型的功能操作进行痕迹记录，形成统计分析资料，为电力大数据方向研究提供支持[5]。

3.4.2 合理应用专家系统进行预测与评估

电力专家系统不仅可以应用在电力故障数据的鉴定上，也可以应用在数据隐性挖掘上。利用成熟的专家系统可以进行获取、推理、解释与显示电力信息，将其转化为所需的信息资源格式与内容，然后进行可视化展示与评估。

电能资源的优化配置。有效的电能管理包括监视、分析和控制三个主要的步骤。监视就是搜集存储的电能供给、消耗和利用情况数据；分析就是利用成熟的专家系统进行数据聚类分析，形成用户典型负荷曲线，每条负荷曲线都能代表用户自身的模式，充分体现用户在不同时间节点中用电行为的差异性；最后依据评估报告做出正确的控制方案，实现电网、用户多方共赢[6]。

负荷需求流向分析。负荷与城市区域经济社会活跃度高度匹配，通过分析一定时间段各区域用电情况，动态可视化用电负荷，结合地理信息系统（GIS）数据，可分析负荷峰谷空间分布及峰值迁移趋势，客观反映人口、经济等社会活跃度，服务城市功能区布局、交通等基础设施规划。

区域成熟度评估。城市基础设施布局以需求为导向，但统计方式进行城市成熟分析具有一定滞后性，而导致城市基础设施布局与需求不匹配，而电力数据与居民生活息息相关且具有高时效性。以居民小区为对象，分析小区用电量水平，结合周边商业、医疗卫生、教育等设施信息，可建立区域成熟度评价体系，区域可为居民小区也可为城市居住片。

3.4.3 利用方式多样化

传统的电力服务方式主要依靠人工实现，包括查询与展示等。在新时代下服务方式应不限于网站与新媒体，AI机器人将会集识别、处理与机器学习等技术为一体，为用户提供多样性的服务。如在服务过程之中提供讲解（语音播报）、送水、路径指引等功能，快速帮助用户解决问题；还可以利用情感分析与人脸识别等技术在服务过程之中对用户进行满意度调查研究，得出客户渠道偏好、话务习惯、敏感标签等，从而准确掌握客户诉求特点，提升客户服务的针对性。