人工智能应用于电网调控的关键技术分析

陈伟

摘要：电力调度控制中心作为电网运行控制的指挥中枢，是集合大量数据、规则以及专家经验的密集型“决策大脑”，然而目前调度控制仍以经验和人工分析为主，调控中心的海量多样数据、方案间缺乏逻辑模型，需要调控人员进行大量的经验知识关联，重复性“人脑劳动”较多，自动化和智能化程度相对较低，上述特点决定了人工智能在电网调控领域具有广阔应用前景。

关键词：人工智能;电网调控;关键技术

1人工智能技术的定义

人工智能以模拟、延伸和扩展人类思维为本质，斯坦福大学的 NilsJ.Nilsson教授认为人工智能技术研發的目的是让机器具有简单的思考和判断能力。“人工智能之父”约翰 ·麦卡锡博士认为人工智能指的是高度仿真人类行为的机器;美国麻省理工学院温斯顿教授认为人工智能是能够帮助人类从事有一定思维逻辑性工作的计算机。人工智能是由人所研发的智能技术，人类赋予人工智能视觉、听觉、触觉等各种感官功能，同时也通过程序编排让其具备一定的学习和推理能力，能够从事一些复杂性劳动。可以说，人工智能可以根据环境感知做出主动反应，所做出的反应又能达致目标。总之，人工智能将人类的智慧机器化、程序化，在不具备人类生理特性的情况下能够通过深度学习像人一样识别、判断、推理、理解信息，深度学习能力是人类从自身角度出发给予机器的行为，这并不等同于人工智能也有了思想，机器没有生命和新陈代谢功能，尽管机器也会因能源枯竭而停止工作。夸大的宣传容易激发人类固有的欲望，要求人工智能做一些不切实际的事情，进而导致难以预料的伦理问题，这也是我们要理性对待人工智能技术的重要原因。

2现代电网调度系统存在的问题

随着我国交直流混联电网规模的不断扩大，电力电子设备和新能源大量接入，导致电网动态特性日趋复杂、安全稳定运行风险日益增加，客观上要求在线安全分析系统实现更加准确的状态感知、更加高效的测辨建模及更加智能的分析评估。当前电网调度面临的新挑战有：1）准确性不足。由于可再生能源高渗透率及电力电子化，电网将呈现出更加复杂的随机特性、多源大数据特性及多尺度动态特性，传统状态估计方法和离线仿真模型已难以满足当前电网安全稳定分析的准确性要求;2）动态特性日趋复杂。随着电力系统的电力电子化特征愈发凸显，目前在线分析采用机电暂态仿真难以满足现代电网动态特性分析需求，新一代复杂电网的机电 电磁暂态混合仿真研究迫在眉睫;3）时效性不足。目前在线分析采用周期扫描和事件触发的仿真计算模式，耗时较长，难以满足调控人员对电网风险掌控的时效性要求，亟需研究更加精细化、智能化、信息化的智能调度支撑平台。综上，为保障当前复杂大电网的安全经济运行，研究广域协同、广泛互联、高度智能、开放互动和主动行为的新型电网运行模式，提升在线仿真分析能力，发展信息驱动的智能化分析模式，实现精准、实时的在线综合安全稳定分析，意义重大。

3人工智能应用于电网调控的关键技术

3.1高性能计算技术

神经网络理论在 20世纪 80年代就已经出现，但因为实现难度一直未成主流，深度神经网络之所以能在近年回归，主要得益于海量样本数据和强大计算能力。百度首席科学家吴恩达说，深度学习的前沿正转移到高性能计算，NVIDIA，AMD，Google和阿里巴巴等公司也都在为深度学习研发 HPC的新能力。依赖于数据量和计算力的深度学习，对高性能计算提出了非常高的要求，当今昀著名的 GoogleBrain的并行计算平台使用了16000个 CPU，共计 10亿的节点，来进行深度学习模型网络的构建，调控系统实时数据每秒即达到百万点级，其历史数据量将远超 GoogleBrain的计算规模，未来深度学习在电网调控领域的一个瓶颈可能就是计算力，如何结合目前 CPU，GPU以及 TPU等芯片技术的突破，整合服务器、存储和网络等资源，构建软件定义的HPC，形成适应调控系统低成本、高效率的“大计算”架构，以适应不同深度学习算法、不同业务场景的计算要求，这将是未来调控系统在硬件资源构建、分布式并行计算框架设计、应用功能算法改进提升等方面需要重点突破的关键技术，以支撑上层各类业务场景计算能力的提升。例如，近年来，随着计算机技术的快速发展，GIS系统的实现越来越简单。GIS系统可以将调控网络内的地理环境、用电网络、用电设备等进行直观的表述。在配网调控一体化系统中引入该 GIS技术，可以使调配工作变得直观，有效地规避调控盲区。此外，GIS的直观性可以避免用电数据的重复输入，确保数据信息的直观性。GIS技术的直观性还可以帮助系统工作人员对调控范围内的具体用电信息进行掌握。

3.2调控大数据技术

电力大数据的核心技术一般体现在数据集成管理技术、数据处理技术、数据分析技术、可视化技术几个方面。数据集成管理技术一般是收集和整理电网运行过程中的各种数据信息，已结合数据的转变来实现新数据源的获得，接着更好的服务于电力调控的运行;数据处理技术是将大数据技术与计算机结合起来，实时处理各项动态数据信息;数据分析技术则是分析和挖掘电网运行过程中的各项数据，以更好的服务于电力调控;可视化技术则主要是以图形的形式处理数据，以使得展示更加的直观化。在电网运行过程中，电力调控中心结合大数据核心技术，在线的检测各项数据情况，对电网运行状态中的各项问题进行诊断和分析，从而实现智能化的监控。例如采用 ETL中昀常用的 Kettle工具对数据进行抽取，利用集群方式对台机器上进行工作部署，优化 Postgre等数据源，利用 Java脚本、SQL语句完成数据清洗，并将监控数据记录在电子日志内。当前，在电网运行中电力设备持续增加的情况下，数据量信息越来越多，要想确保电力调控的有效性，就应当将智能电网发展实现更大的跨越，更好的为智能监控减负，提高大数据技术的应用水平，确保大数据技术应用的质量和效率。

3.3基于语音交互的调度智能助手技术

随着移动互联技术的发展，电网调控系统人机终端从传统的人机工作站，逐渐拓展到平板、手机等移动终端设备，实现资源占用低并支持多终端统一展示的交互界面已成为当前人机研究的重要方向之一。此外，电网调控系统在非生产控制区业务的快速发展，存在着大量的基于浏览器/服务器（B/S）架构的人机交互需求，而调控系统生产控制区通常采用基于客户端/服务器端（C/S）架构的人机浏览模式，两者之间如何能够实现昀大程度架构上的复用，达到展示效果的一致性也是调控系统人机架构设计中需要考虑的重要内容。智能调度中语音交互系统的实现需要根据功能模块的不同进行分析。一是系统登录模块，需要建立用户名和密码验证机制来保证调度系统的安全性，并逐步引人指纹系统、硬件 Key刷卡系统等;二是语音配置模块，由应用程序提供合成语言选择、识别语言选择、语音效果、语音语速、输人设备等参数设置;三是用户语音训练模块，借助用户语音训练能够加快配置文件的更新，从而提升调度效率;四是语音识别模块，为调度人员提供具有良好操控性的操作界面，对标题栏、菜单栏、工具栏、状态栏、浏览区进行自定义设置;五是语音合成模块，通过听觉习惯测试对输出语音的语言、语速、音量、频率进行初始设置，在使用过程中也可以自主进行设置。

4结束语

本文结合人工智能技术的发展，从电网调控运行业务场景出发，分析了人工智能技术可能应用的场景，提出了基于人工智能的调控系统设计思路和总体框架，并对其中的关键技术进行了分析，仅供参考。

参考文献

[1]房娟，张宏杰，施佳锋，马冬冬，丁皓.基于调控云的智能电网海量运行数据深层次检测技术[J].自动化与仪器仪表，2018，12：162-165.

[2]潘鹏，田冬冬.基于智能电网调控技术支持系统的设备监控大数据分析[J].科技风，2018，33：66.

[3]张令涛，赵林，张亮，田国辉，马仲佳.智能电网调控中心变电站图形数据即插即用技术[J].电力系统保护与控制，2018，4619：74-80.