基于调控一体化电力大数据的电力调度机器人设计

，，，，

(国网安徽电力有限公司，安徽 合肥 230022)

0 引言

随着人工智能的发展，智能调控的概念逐渐发展并成熟，在此背景下，电网调控应具有自愈、交互、优化、预测、协同和安全等特征[1]。而电网调控是电网中重要一环节，对于电力系统安全稳定运行至关重要。目前，特高压交直流混联系统逐渐形成，人工调度任务烦琐、压力大，而电力调控机器人能够应用面向大电网的实时调控运行人工智能技术，对电网实现实时感知、故障分析、风险评估和立体展示等，还可协助人工调度开展倒闸操作、异常报警、发电计划调整和电力业务信息统计等工作，具有较高的实用价值。

目前，针对电力调度机器人设计的研究还不多，文献[2]对电力调度机器人的设计从功能和应用角度进行阐述；文献[3]针对虚拟现实技术在电力机器人中的应用进行了研究；文献[4]针对电力系统中机器人的研究现状进行了分析；文献[5]设计了地面电力巡检机器人控制系统。

为此，提出了一种基于电力大数据的电力调度机器人来辅助传统调度。

1 电力大数据与调控一体化

1.1 电力大数据发展

目前，电力行业中的大数据可以分为以下几个方面：一是电力系统中电网及涉网设备的运行(状态)数据；二是电力企业的销售数据，如交易电价、客户用电情况和电能销售量等方面的数据；三是电力企业的管理数据[6]。

电力大数据的发展也促进了电力大数据的分析技术、展示技术的发展，但是特高压交直流联网的逐渐形成，调控一体化模式初具规模，数据分析与辅助决策系统研究及应用的正常运行，需要依托大量的基础数据和复杂的多维分析计算，使得电力调控存在数据采集、数据存储、数据分析和数据展示等技术难点。

1.2 调控一体化下的数据体系结构

从基础数据来源分，调控一体化数据分为实时数据和管理数据。具体来说，调控一体化下，数据体系结构主要由实时运行数据、静态管理数据、综合历史数据和数据逻辑链条4个部分组成。数据与数据之间通过逻辑链条互相支撑，实现将实时动态数据与综合历史数据相结合、实时动态数据与静态管理数据相关联、静态管理数据与综合历史数据相比对的闭环数据结构，其数据体系如图1所示。

图1 调控一体化下数据体系

实时运行数据需要进行加密的可靠传输，其标准化处理需要借助变电站、换流站监控系统，以文本的方式发送到调度主站。电力系统的异常缺陷数据、日前检修计划数据、移交状态管控数据和日度月报表数据等都属于静态管理数据的范围。历史数据主要包括实时历史数据、监控业务管理类数据、与监控相关的其他系统数据等，主要涵盖设备异常数据、事故数据、设备缺陷数据、变电站移交流程数据、变电站集中监控信息传动数据，以及设备的故障录波图、故障保护动作情况和故障测距等信息的数据提取等内容。数据逻辑链条是指根据数据库的逻辑结构设计概念，选取数据模型相符合的逻辑结构，并利用可拓理论实现实时动态数据与调控历史数据相结合、实时动态数据与同步管理数据相关联、同步管理数据与综合历史数据相比对的多维度数据联动体系结构。

2 电力调度机器人设计

2.1 总体构架

电力调控机器人的任务就是实时分析、感知电网的运行状况，辅助电力调控人员开展相关的调度业务。在电力大数据背景下，电力调度机器人主要依靠数据学习等方式，实现人工智能技术在电力领域的应用。其总体构架如图2所示。

图2 电力调度机器人总体构架

电力调控机器人主要依靠数据的获取与分析进行数据学习，主要利用大数据、深度学习、语音识别和模式识别等与数据学习相关的技术。数据源主要涉及到发电、变电、输电和配电等多个环节的数据。这些数据在时间、空间双维度中都有极强的关联性，数据之间的互动性也会比其他类型数据强，因而对于电力调度机器人的功能实现至关重要。

电力调控机器人的核心功能模块分为实时数据管理、实时预警分析、智能运行评估、异常分析与辅助决策，以及终端展示与执行。具体的功能包括稳态巡航、异常预警、风险防控、故障处置和信息检索等。通过大数据的分析与决策，能够实现调控功能以及辅助决策。其中，调控一体化平台主要为各级调度自动化系统以及相关的辅助系统，所有的功能模块实现都基于该平台。

2.2 功能模块

2.2.1 实时数据管理模块

实时数据管理模块应用大数据、数据挖掘和数据分析等人工智能技术，基于相关规程规范进行知识学习以及历史数据的知识挖掘等，形成实时数据库，向其他相关应用模块提供数据支撑的管理服务，支撑电网调度信息检索、异常预警等场景应用。

实时数据管理分为气象数据、设备运行数据、缺陷数据、检修数据，以及相关数据的数据挖掘等内容。这类数据对于电力调控属于基础数据，电网的实时运行状况均可在此类数据中有所体现。因此，实时数据管理模块对于电力调度机器人全部功能的实现十分关键。

2.2.2 实时预警分析模块

实时预警功能是建立在调控端海量的数据信息有机结合、大数据变成熟数据的基础上，在事故发生之前，将采集到的各类设备运行数据进行动态模拟，引用调度员在线安全分析结果，并根据结果进行预警的功能。该功能可对异常越限等非正常运行信息进行全时态线性发展预演，对可能引起电网不满足安全稳定校核的，调控机器人可在第一时刻提醒调控人员采取相应的措施或启动应急预案等相关措施进行控制，保证电网的稳定运行。

2.2.3 智能运行评估

调度监控与调度计划、实时调度、调度自动化、设备监控、设备运维、通信等专业都有业务交集，业务流程链条长，故在调控运行时会受到多种因素的影响。电力调控机器人可实现对这些因素进行综合性的分析评估，通过评估结果，给调控人员一个直观的建议结果，辅助调控人员及时采取控制措施，从而提升精益化运行水平，更好地适应新运行体系下调控业务开展。同时，电力调控机器人的评估体系还可达到督促设备操作、异常、缺陷闭环管理的目的。

2.2.4 异常分析与辅助决策模块

传统的调度控制系统一般采用实推实送、实时展示的方式向监控人员罗列监控对象发生的告警信息，保证告警信息的及时性。而电力调控机器人可利用大数据技术将监控人员的经验系统化、功能化，自动完成告警的关联分析，排除次要的连带告警，定位问题根源、预示问题的影响范围，很好地帮助监控人员实现异常的快速定位、快速解决。

2.2.5 终端展示与执行模块

终端展示与执行模块能够将电力系统运行状况、基础数据、报警信息等以直观立体的形式进行多维度、全景式解析展示。应用消息推送、3D展示等手段，进一步辅助调度操控人员进行任务执行、操作执行，同时实现部分功能的自动操作，减轻调度运行人员的负担，逐步实现电力调度自动化、智能化。

3 关键技术及应用场景分析

3.1 关键技术

3.1.1 调控业务数据库构建技术

调控业务涉及到电力系统的上中下游内容，在电力大数据背景下，调控机器人的决策行为需要依靠数据库的关键技术，主要包括数据采集、数据分析、数据处理和数据存储等技术。通过对来自电网的厂站、受电端以及线路的数据进行分类整理，正确处理结构化和非结构化的数据，才能够对调控业务做出正确判断，准确把握电网运行态势，分析处理电网的运行状态以及紧急事故，将调控业务的处理实现自动化、智能化。依靠大数据技术，还能够减轻人工调度员的处理压力、减少人工调度员的处理错误，更好地保障电网调控安全进行。数据库构建技术还与其他相关技术相结合，如云计算技术、物联网技术等，在深化调控业务与其他业务融合的同时，应当重点关注电力调度数据库的构建，不断丰富调度指令库、调度指令语音库等。

3.1.2 深度学习技术

深度学习为一类机器学习方式，将网络分为内部深度层次等，主要包括自编码器、循环神经网络、长短期记忆、卷积神经网络、限制玻尔兹曼机、深度信念网络和深度玻尔兹曼机。其主要目标是通过模仿人类大脑神经网络，将机器的思考方式向人类思考方式趋向。而为了实现人工智能调度，需要将这类学习方法应用到电网调度系统。以深度神经网络为例，其主要特点为能够模仿人类决策，但响应速度更快、操作更准确。通过原始规则对深度神经网络模型的学习，可以提升系统获得大数据处理的能力，从而不受调度员分析能力的限制。

3.1.3 模式识别技术

模式识别包括语音识别和图像识别。语音识别用于调控机器人与调控人员之间的交互，实现日志自动记录、语音输入、语音自动调图等功能；图像识别用于调控机器人识别调控对象[7]，如高压输电线路隔离开关、换流器等工况位置判断等。模式识别重点是提升模式识别的泛化有效性，确保能准确识别自然语音和设备状态，最终可以为实现3D立体化展示与操控提供重要的技术支持。

3.1.4 3D展示技术

三维展示技术可以实现地理图、电网接线图和设备布置图的全景展示，实现多维信息的智能化表达，指导电网调度人员在实时查看电网设备运行状态的情况下进行电网调控操作，通过将电网数据表、数据图和虚拟仿真等内容进行整合，实现信息图形化、操作智能化。

3.2 应用场景实验分析

3.2.1 调度电子化下令操作

电网调度机器人可以实现电子化下令操作。相比较传统人工调度，基于调度大数据的操作指令文字传输和人脸识别验证，内容清晰明确，可有效杜绝谐音误会等危险点，缩短发令和受令时间，提升工作效率。调度机器人电子化下令的流程如图3所示。

图3 电子化下令流程

由图3可以看出，在保证安全性的前提下，调控机器人可以帮助实现电子下令、电子回令和接收确认的过程。同时可以实现调控间的操作命令流转信息共享利用，提高调度的准确性。

电力调度机器人下令指标对比如表1所示。

表1 电力调度机器人下令指标数据

3.2.2 特高压交直流一体化调度异常分析与辅助决策

特高压交直流混联电网具有接入电源类型多元、设备类型多样和地域覆盖广泛等特点，其输送容量大、潮流变动频繁、受扰行为复杂，因而需要分层分区进行控制，控制技术较为复杂，逐渐向在线预测、实时控制方向发展，将会产生海量的数据，包括动态数据和静态数据、运行数据和控制数据、结构化数据和非结构化数据[8]。电力调度机器人通过对这类数据进行分析，得到异常情况并进行辅助决策。

电力调度机器人可以运用大数据技术，结合现有的电网运行典型异常分析和处置专家库，再通过相关安全解析校核，实现电网典型异常告警根源定位、告警影响范围预警，并给出处置建议。

4 结束语

本文提出了一种基于电力大数据的电力调度机器人来辅助传统调度。经过对电力大数据与调控一体化联系的分析，以及对调控一体化下的数据体系结构的建立，设计了电力调度机器人的功能构架，说明本文所提系统的应用场景较为丰富、功能较为全面。通过对电力调度机器人的设计，可以减轻传统人工调度的压力，提高调控一体化的操作智能化水平，实现大数据与调控一体化的整合应用。