基于大数据时代人工智能在计算机网络技术中的应用

刘菲 赵瑞锋 尤毅 顾博川 唐曹超

（1.南方电网电力科技股份有限公司 广东省广州市 510080 2.广东电网有限责任公司电力调度控制中心 广东省广州市 510000）3.南方电网科技公司 广东省广州市 518000 4.泰豪软件股份有限公司 广东省广州市 510000）

人工智能的基础是通信技术和计算机技术，由于大数据的逐步发展，人们处理信息的能力进一步加强，把计算机技术、人工智能运用到计算机网络中不但能够增强多种数据的处理能力，同时还能够在某种程度上化解计算机处理信息的稳定性、复杂性问题，从而更好的促进现代社会的发展[1]。例如，在进行计算机的网络安全管理过程中，能够通过人工智能技术在输入界面打出“防火墙”的指令，从而对不良资源予以屏蔽、干扰、拦截，进而保证网络系统的安全。

1 大数据和人工智能的含义

1.1 大数据

大数据表示的是种类与数量都非常大的信息集合，目前传统的数据库还不能够对大数据展开处理。大数据一般有以下几种特点：处理速度快、真实性、规模大、种类多[2]。详细的特点如下：

（1）数据较为真实，目前很多新种类的数据逐步产生，原有的数据源开始被替代，数据更新日新月异，所以一定要增强系统的安全性，确保数据在存储与使用的过程中不会受到影响；

（2）数据的规模较大，大致容量约为10TB；

（3）数据的种类多样化。大数据不是单纯的某一种数据，而是多种数据的集合，并且由于数据来源与格式的提升， 数据种类会越来越多；

（4）规模较大。原有的数据处理方法已经难以符合时代的发展，这就需要新的信息处理系统具有较快的处理能力，从而符合大数据时代的信息处理要求[3]。

1.2 人工智能

随着通信技术与计算机技术的兴起，人工智能也在人们的生活实际中得到应用，它的原理是：利用计算机模仿人类的处理方式和思维方法，并通过计算机程序达到快速处理的要求，它和人为操作相比有着正确率高、处理速度快的优势。从本质上分析，人工智能能够看作计算机技术内容的一部分，其目的是为了构建出能够通过人类的思维方式进行快速信息处理的智能机器[4]。基于大数据的背景下，计算机技术的发展和人工智能的发展密切结合，人工智能一定会成为计算机技术中的关键组成内容，而在基于大数据的计算机处理基础中，人工智能也一定会成为一种趋势。

2 大数据时代人工智能在计算机网络技术中的应用——以某电网调控中心调度运行数据管理平台为例

2.1 项目概况

近年来，某地全面推进新一代智能调度自动化系统（OS2 系统）的建设，电力数据资源开始急剧增长并形成了一定的规模，各类调控应用通过历史数据的积累形成了丰富的信息资源，这些数据记录了电力系统长期的运行状况，蕴涵着电力系统运行的历史特性，可从中总结、挖掘出丰富的经验及规则。同时，随着智能电网全面建设，电力数据在急剧地增长，保守测算，某地的电网包括主网、配网及用户侧数据，日增数据规模可达2 万亿条，全年新增数据可达10PB 级。为积极展现公司在基础数据方面的优势，以大数据技术提升管理与服务能力，开展系统运行领域大数据的建设，本项目建立一套电网调度运行数据管理平台，开展系统运行领域数据整合，打通各业务系统及数据平台间数据交互通道，一方面为各专业数据分析和电网智能化提供高质量数据支撑和分析手段；另一方面结合业务需求，融合监控数据与管理数据，持续提升数据分析能力和数据利用水平[5]。

图1

2.2 大数据背景下的人工智能应用分析

2.2.1 主配网综合停电数据分析

由于社会经济的飞速发展，很多企业以及用户对平均停电时间提出了更高的要求。运用精益管理理念，以综合停电数据分析为载体，对客户平均停电时间关键影响因素分析，能够发现发展综合停电管理是提升供电可靠性的关键举措，可实现企业经济效益和社会效益双赢。

（1）研究方法。

对停电设备、停电用户、停电时间、重复停电情况按区域、电压等级进行区域、电压进行分类分析：主网综合停电指标（重复停电次数、年月计划执行率、非计划停电率、、月均衡度等），发现停电高发时段、区域；对配电网频繁停电进行分析。日统计发生停电的配电变压器，日停电的次数，发生 2 次及以上停电的配电变压器情况；月统计所有停电配电变压器信息，计算单台配电变压器停电次数，分析月内发生 2 次及以上停电情况；对停电因素进行关联分析，如天气因素、设备消缺、计划停电、生产因素、投诉等。

（2）应用成效。

对停电信息进行全局检索，为停电故障的治理提供的数据支撑。实时在线监测全省停电情况，及时发现异动问题，为综合停电管理提供辅助决策，并通过整合相关停电需求，管控停电计划，减少重复停电用户比例。

2.2.2 基于大数据的智能电表用电数据分析

随着智能电表的推广，现在能够收集到的用户用电信息内容越来越多，通过这些数据能够提取出用户用电行为特征，构建用户用电特征识别模型。同时，利用用户用电特征识别模型电功率数据进行用电用户识别，从而可以给不同用电客户群提供最适合的个性化服务。

（1）分析方法。将历史用户负荷数据和用户档案信息数据关联，将年负荷数据预处理，包括数据缺失值、与异常值、数据的清洗和变换。根据用户负荷数据，以时间维度对用户的用电模式进行识别，分析过用电规律和用电特性，识别出用户的所有用电模式。对不同用户的用电模式进行聚类分析。得到用户用电模式的群体性。利用聚类算法进行用户特征分群，计算各个用户群，识别出各类用户特征，并对每个用户群进行属性标签。分析用户的用电规律与节假日等外部环境的关系。结合投诉数据，分析异常数据与投诉的关系。根据用户、线路、终端、计量点、台区、单位、客户群组等查询条件对用电数据进行统计分析。

（2）应用成效。针对模型结果得到的不同特征类型的用户，比较不同用电用户群的用电规律、预测未来用电情况、加深对用户的理解，为有序用电提供数据支撑和建议。

2.2.3 基于大数据的线路故障跳闸分析

输电线路，因为所处位置环境相对复杂，地域分布范围广泛，并且杆塔点数量多、铺设线路长，同时长期暴露在野外，不但极易遭受极端气候的侵袭，而且人为等其他外力的破坏也不容忽视，这些都会导致线路跳闸，从而增加电网停电事故发生概率。如果输电线路发生故障，且不能及时准确地发现并采取修复措施，由此产生的经济损失将难以估量。

（1）分析内容。跳闸影响分析：跳闸信息按照电压等级、调管范围、停电时间、复电时间等进行统计，与OCS 的损失负荷、营销系统中的损失用户数、PMS 的设备缺陷等字段实现关联分析。线路跳闸特征数据：主要是电气特征量（电压瞬时值等）、气象特征量。跳闸原因分析：建立线路跳闸评估模型，基于算法定义故障的信息量、控制量，采用时间序列相似性故障匹配将所挖掘的故障因子，基于历史小样本和现场反馈，迭代评估模型。

（2）应用成效。跳闸报表：OCS 线路故障跳闸信号发送至OMS，在DICP 调度日志中自动生成跳闸清单，实现关联，与此同时，跳闸信息与OMS 应急期间调度异常信息中的线路跳闸明细及条次实现关联，形成应急报送报表。未来可结合历史数据以时间序列相似性故障匹配对输电线路进行故障预警，以提高输电线路安全性和可靠性。

2.2.4 基于大数据的稳定断面负载率运行断面分析

随着我国经济的快速发展，很多地区用电需求不断增加，最高用电负荷逐年创新高。对电网设备运行状况的监测分析，尤其是对最高负荷等特殊情况下电网设备运行数据的监测分析，其分析结果对电网运行方式和规划有重要意义。

（1）分析内容。主变负载负载率分析：重载、过载、轻载、重过载主变重复频次关联时间分析、轻空载主变投运效率关联投运年限分析、配变设备负载率分析：重载、过载、轻载。

（2）应用成效。从各电压等级设备负载率、运行状态等角度进行了分析，客观地提出了电网存在的问题和风险，为当前电网运行方式调整、后期电网发展规划提供了数据支撑和决策依据。

2.3 智能应用

基于运行领域大数据平台，打造一个大数据智能应用生态价值链。主要包括智能统计分析、智能搜索等内容。

2.3.1 智能统计分析

基于调控中心OCS、OMS 等系统运行数据建立，实现调度运行数据的多维分析，提供多专业快速纵向获取。解决业务部门报表因无法自动统计、自动采集、耗费大量的人力整理的现状，促进跨部门的智能协同办公，加强专业部门的计划管理、事务管理等日常部门管理工作。主要智能应用如图1。

2.3.2 智能搜索

建立系统运行全数据智能搜索引擎，解决跨专业数据的共享问题，逐步满足个性化数据订阅与分析需求，提供快速统一、准确、高可用的横向融合数据。

（1）全景数据智能搜索。系统运行全景数据智能搜索引通过统一入口、统一界面实现个性化的数据搜索、用户查询功能，系统运行或管理人员可以按需快速的找到数据、统计分析、趋势预警以及各种报告等，为系统运行领域领导和员工高效、快速决策提供准确、可靠的信息，从而有效保证电网的安全、稳定运行[6]。

（2）智能交互与感知。实现基于人机智能交互技术的业务感知与综合处理，通过人脸识别、语音识别、电力特殊语义解析、智能搜索、远程实景建模等多种技术综合实现电网实际运行情况的快速感知与智能交互。

（3）自助数据分析。自助数据分析以调度全景数据统一画像为基础：多方位、多角度、自助式的数据分析和展示，客户可根据关键字快速检索系统中有哪些数据，根据业务需求自助查询和计算相关数据，独立、自发的对电网数据进行深层次的挖掘[7]。

3 结语

由此可见，作为计算机技术中的重要内容，人工智能的使用可以更好的丰富人们的生活方式，提高生产、生活效率。所以，相关行业的工作人员需要深入分析、研究大数据时代下的人工技术在计算机网络中的应用，根据自身的现实状况科学的选择对应的人工智能，通过其来高效的处理多种网络数据，从而促进工作的智能化、人性化发展。