数据库技术与人工智能的融合

2021-06-16顾博川刘菲胡春潮唐升卫

电子技术与软件工程 2021年4期

顾博川刘菲胡春潮唐升卫

（南方电网电力科技股份有限公司广东省广州市 510080）

从传统研究内容来看，人工智能大部分倾向于理论方面的研究，而数据库技术则更为倾向于实际应用[1]。近年来，数据库技术的持续发展，当前已经提出DBMS 可以自动有效的管理超大规模数据库，同时又可以用数据驱动的模式自动提供有关的决策，即利用DBMS，能够针对数据进行更为智能化的管理[2]。上述背景下，有关数据库技术与人工智能的融合逐渐成为研究的重要内容。对电力行业来说，近年来有关技术研究的持续深入，数据库技术与人工智能融合也逐渐成为电力行业研究的重要内容[3]。

1 数据库技术与人工智能技术概述

1.1 数据库技术

数据库技术作为信息系统当中的关键技术之一，其主要指的是计算机辅助管理数据的一种方法，主要涉及的研究内容包含如何进行数据的组织、储存，如何提升数据获取、处理的效率[4]。众所周知，数据库技术的关键在于数据，数据库涉及的内容主要包含以下几点：通过对数据进行统一组织和管理，按照指定的结构建立相应的数据库和数据仓库；利用数据库管理系统和数据挖掘系统设计出能够实现对数据库中的数据进行添加、修改、删除、处理、分析、理解、报表和打印等多种功能的数据管理和数据挖掘应用系统；并利用应用管理系统最终实现对数据的处理、分析和理解。

1.2 人工智能技术

人工智能技术主要是相较于人类智能而提出的，即在机械设备或者电子产品当中融入各种智能设备，使其能够实现自动化、智能化操作[5]。具体来说，人工智能研究的重点在于通过先进电子技术开展仿生学，从整体结构层面进行人脑活动的模拟。

2 建设内容

此次建设内容主要围绕“两平台+两应用”开展建设，建立运行大数据平台和应用支撑平台，建设智能生态应用及综合展示应用。

建立一套统一的系统运行领域大数据基础设施，为大数据平台、智能应用和综合展示等提供软硬件、网络和安防支撑环境。

构建系统运行领域大数据中心，完成OCS 和OMS 等系统运行数据、气象数据、外部数据等多源数据采集清洗，实现跨专业系统运行领域业务数据融合。建立数据标准体系、统一数据来源，提供数据综合治理和数据共享等服务。提供资源管理等基础支撑服务，以及人工智能、深度学习、神经网络等高级分析支撑服务。

搭建大数据智能应用服务支撑平台，实现快速开发平台，提智能应用开发与发布、应用市场、智能运维等支撑服务。

开展大数据智能化生态应用研究，结合生产运行应用场景，研究主配网综合停电数据分析、负荷精准预测分析、稳定断面负载率智能自动分析和线路故障跳闸智能告警等典型智能应用，打造一个大数据智能应用生态价值链。

建成综合展示平台，实现公司运营、系统运行、日常生产等不同维度和PC、大屏、移动等不同终端的可视化展示，贯通网省地数据，完成中心领导、部门领导和专责不同层面按需自定义动态综合展示。

3 基础平台建设

3.1 平台硬件及网络部署

图1：基于数据技术与人工智能融合的应用分析

基于大数据平台建设方案，开展平台软硬件部署工作，包括物理机上架、搭建虚拟化平台、安装操作系统、安全隔离部署以及网络资源分配。

3.2 中间件及各类引擎部署

开展平台中间件的部署安装，包括平台管理软件、WEB 中间件、Hadoop、搜索引擎、人工智能引擎、大数据引擎、数据库及HA 等软件。

3.3 基础服务部署

开展平台基础服务安装工作，包括用户服务、权限服务、平台日志服务、平台告警服务、文件服务、地理信息服务以及工作流服务等。

4 数据管理平台建设

4.1 数据采集

实现对调控中心本部系统（OCS、OMS 等）、同级系统（气象系统、雷电系统等）及地级系统（OCS、OMS 等）的数据接入，采集接入包括但不限于SFTP 文件方式、Web 服务方式、查询库方式及消息队列方式[6]。大数据平台采集的数据范围包括实时量测数据、历史量测数据、运行管理数据、非结构化数据等；数据采集的方式包括数据库直连、Web 服务、SFTP 等多种采集方式。

按照标准建立电网运行模型，运行模型应包括控制区、变电站/发电厂、线路、母线、开关/刀闸/地刀、发电机、变压器/绕组、电容/电抗器、负荷、发电机等，建模时包括各设备的应用参数和拓扑连接关系，遥测遥信和与设备的关系等。

4.2 数据管理平台支撑服务

4.2.1 基础服务支撑

基础服务支撑主要保障数据管理平台稳定、安全和高效的运转，主要内容包括：基础服务管理、人机交互服务、资源管理服务、任务调度服务、平台监控服务和安全管理服务等，该组服务是数据管理平台为应用开发、集成和管理提供的一组通用的服务，会随着系统需求的变化进行扩展和深化。

4.2.2 高级服务支撑

高级服务支撑主要保障数据管理平台中对数据的深度利用，主要包括：计算引擎、大数据引擎和人工智能引擎等，通过不同引擎实现数据的统计分析、挖掘搜索、多维探查、特征提取、知识图谱和深度学习，发现数据价值。

4.2.3 数据服务

制定数据服务标准，建立大数据平台接口规范，实现数据共享。为其他各类应用系统提供包括但不限于数据服务、模型服务及图形服务，通过数据服务向各类应用提供多维业务支撑。

5 基于数据技术与人工智能融合的应用分析

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、系统运行运测分析、智能搜索三方面的内容。

5.1 智能统计分析

基于调控中心OCS、OMS 等系统运行数据建立分析，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[7]。主要智能应用见图1。

5.2 系统运行趋势预警类

基于大数据分析技术，对电网运行进行辅助决策。提供精准负荷预测及评价、利用数据分析降低运行高成本设备更换成本等智能应用。建立二次设备、通信建设及运维检修等全生命周期管理的决策支撑。

采用经典的数据统计类的方法如回归分析方法、时间序列法,基于人工智能的新型算法人工神经网络法探索电力负荷的预测的新方法。通过建立站线变户一致性评价关系，梳理从计量终端用户、配电站、输电线、变电站精准的负荷分析，搭建精准负荷预测及评价系统，推动公司向综合能源服务发展。

5.2.2 基于历史数据的运行风险趋势预警

通过对历史数据的深度挖掘，挖掘运行信息与告警信息的关联关系，对告警量进行预测分析。

5.2.3 基于地理和气象信息的电网风险分析与辅助决策

针对气象灾害风险，利用GIS 空间分析技术，进行覆冰、山火、雷电、台风、强对流、地震等气象灾害对设备故障的关联分析；识别影响电网运行的设备故障风险、气象灾害风险、特殊运行方式的风险、以及其他影响电网运行的风险，为调度和管理部门决策提供可靠信息。

5.2.4 基于多源大数据的电力市场环境下母线负荷预测

本研究拟构建多源异构的大数据基础支撑平台，提出多类型因素和母线负荷的关联模型，提取不同类型母线负荷典型用电模式，利用聚类方法和关联分析方法实现各类母线负荷的智能分类。同时通过系统负荷与母线负荷预测精度的历史规律分析，实现系统负荷与母线负荷的相互矫正。通过数据分析和挖掘技术，提高系统负荷智能分析能力和预测精度，为精细化计划决策和调度运行奠定基础。

①论证范围内地下水资源评价，根据论证范围内的地下水补、径、排条件，计算各项补给量和排泄量，并进行均衡分析，分析补给量计算的可靠性。

5.2.5 基于精细化天气预报的清洁能源发电预测

拟基于精细化天气预报建设风光水一体化预测和智能控制系统，将集中式风电和光伏的单机及全场信息接入平台，实现网、省级对风光水厂站机组信息实时监视及告警。同时开展调度端新能源预测系统的建设，实现不同时间尺度的风光水一体化发电功率预测以及可再生能源电力电量平衡、消纳能力分析、不确定性分析、计划编制等高级应用。本系统集成于OCS 平台，与OCS 系统、配网自动化系统实现互联互通和数据共享，可实现对地区风、光、水清洁能源的实时监视、预测及智能调度运行功能，实现清洁能源基础信息的信息化管理，建立省地一体化的清洁能源发电管理链条，促进清洁能源调度运行与管理信息化、智能化。

5.2.6 路故障跳闸智能告警

研究基于智能告警的线路停电跳闸告警，通过自动汇总线路跳闸故障、复电时间、损失负荷、停电用户数等数据，实现因灾损失一键统计，解决调度员人工统计难以满足上报实时性要求的难题，提高了线路跳闸上送准确率及工作效率，为故障处理赢得了宝贵的时间。

5.2.7 自动化主站系统及设备运行监视和管理

基于“1”模式研究基于大数据分析和展示技术，实现对异常故障的智能判断，实现对调度自动化运行相关指标的统计分析和展现，实现系统健康状态评估及系统薄弱环节自主分析；通过对历史指标数据的分析、挖掘，结合智能告警信息库数据实现对未来指标的预测。实现对主站端所有主机、安全防护设备、网络设备及辅助设施的全面监视，对硬件的异常和故障进行智能判断。

5.2.8 设备缺陷精益化分析

结合OMS 数据和PMS 系统缺陷等基础数据，依托多维分析和商业智能技术，对保护、通信、自动化设备从多个维度：厂商、日期、设备类型、设备型号、缺陷类型，分析同一厂家同一设备型号指定时间周期的同一缺陷类型数量，为设备缺陷精益化分析的确定提供数据支撑。通过对同厂家、同类型设备告警趋势分析实现预警功能，为设备规划及资产运维提供依据。