人工智能技术在电力自动化控制中的运用

中国电能成套设备有限公司 文天依

随着电力系统的日益复杂，电力自动化控制技术的难度和要求也越来越高，传统的人工管理已经不能适应电力系统的客观需要，人工智能技术的有效发挥，将有效克服人工管理的不足和缺陷，进一步提升电力系统自动化水平，进而保证电力行业的可持续发展。

1 人工智能技术概述

人工智能技术（AI）起源于计算机科学领域，属于典型的边缘学科范畴，包含的技术类型较多，如互联网、云计算、智能算法、大数据等现代技术。人工智能技术在各种传统产业领域的渗透、融合，是“互联网+”新业态下的重大发展趋势，其目前已经被广泛应用于航天、能源、医疗等诸多领域。简单来说，人工智能技术就是模拟人类大脑，利用计算机技术对系统进行操作控制，并做出相应指令以及可以处理各类问题，实现智能化和管理的先进技术[1]。在电力行业中，人工智能技术可以帮助电力企业提高管理和运行效率，极大地减少人力的投入，特别是在需要复杂计算的领域以及具有一定危险性的区域，人工智能技术可以完成人力所不能及的任务，从而为电力行业的快速发展提供更多的助力，有效促进了电力系统深化改革，极大地提高了电力系统自动化技术控制水平[2]。

2 人工智能技术在电力自动化控制中的应用价值

2.1 提高系统运行质量，降低操作失误率

由于现代电力系统的构成较为复杂，不仅有着大量的线路和设备，同时对于电压、电流等要求也各不相同，容易因工作人员操作失误而造成电力供应故障，进而对电气设备的稳定、安全运行造成不利影响。人工智能技术与人工技术的最大不同在于，人工智能技术没有人类所不可避免的不确定性和主观失误，只要提前设定好相应的程序，则坚持按照这一设置进行固定操作，因而极大地降低了操作过程中的失误率，保证电力系统的稳定运行。

2.2 增强系统控制能力，简化控制复杂度

在传统人工控制中，由于人的能力和精力相对有限，电力自动化控制必须区分不同的需求和任务，投入大量的人力甚至可能需要成立若干个部门，才能够完成电力系统的有效控制。而人工智能技术的引进，可以实现对一些控制操作的简化处理，特别是对于需要长时间重复简单操作的事项，系统的一个指令可完成一个人甚至多人轮班才能够完成的任务，从而有效增强了系统的控制能力，使复杂的系统操作变成更加简单，并且可以让有限的人力去从事真正复杂的工作。

2.3 提升系统运行效率，实现集成化管理

电力系统的庞杂，导致多人员或者多部门之间需要通力协作才能够完成一些重要任务，而人员可能会因为一些主客观原因，导致沟通困难甚至相互对抗，导致统筹管理与运行控制的整体效率往往低于个体效率之和。而人工智能技术不存在人类相处的问题，在电力系统各环节、各区域管理和控制过程中完全可以实现无缝衔接、完美融合，进而发挥电力系统运行最大效率。在电力自动化控制系统当中，电力自动化、智能控制、专家系统、神经网络系统等程序的集成，可以共同实现对电力系统的自动化控制，提升其运行管理能力，实现真正的自动化控制与管理[3]。

3 人工智能技术在电力自动化控制中的具体运用

3.1 数据库应用技术

面对对象数据库技术是电力自动化技术中的典型代表，其不仅在电力系统中，更是在其他类别的控制系统中得以广泛使用[4]。所谓数据库应用技术，其核心在于“数据”，也是当前较为流动的大数据理念在具体行业技术应用中的延伸。在电力自动化控制中，电力系统不仅需要向电网终端发出各种电力输入和输出的指令，更重要的是收集各终端的电力生产、运行、使用等数据信息，反馈至电力系统的中枢进行储备和管理。在传统的电力系统中，这些数据信息往往沉浸在“数据池”中无法得到有效的利用，只是一些占用系统空间的无用信号，而人工智能技术的运用，可以极大程度地挖掘出数据库中各类数据的价值，使其发挥监控、预警、分析、管理等方面的功效。

电力系统是一个庞大而复杂的系统，从电力生产、输入到输出涉及较多环节和过程，每一个环节都会产生大量的数据信息，每一个步骤都需要相应的设备或者系统进行操作和管理。在传统的电力自动化控制中，电气设备的操作步骤和功能实现，基本依赖事先的程序设定，除发生故障以外，机器的行为不可能超出预先设定的指令范围。而人工智能技术的应用，可自动对海量的原始数据进行挖掘，解读具有一定规律性的算法，并组合成线性模块以生成新的控制功能或者指令，实现数据信息的深度学习。

深度学习旨在构建更深层的网络结构，从而加强模型在海量数据中捕捉其隐含特征的能力[5]。在深度学习过程中，数据库的应用技术毫无疑问是其核心所在，只有拥有足够庞大的数据资源，人工智能技术才能够进行相应的深度学习而非传统的监督学习，并且学习构建的模型也更加客观而可靠。在具体的操作实践中，人工智能技术一般通过提取电力自动化控制系统中的所有数据集，形成相对应的学习模型，并汇总输出具有普遍规律性的元学习模型，最终输出深度学习的结果，为系统程序的自动更新和智能完善提供数据支撑。

图1 基于数据库的深度学习模型

3.2 电力设备图像识别技术

随着现代科学技术的快速发展，电力设备已经不再局限于传统的工业生产设备和家用电器，其技术领域和设备应用已经达到了一个全新的层面，其中图像识别技术更是得到了跨越式的发展。目前，具有高清摄像功能的监控视频设备，已遍布各大城市乃至农村地区的主要区域，一些地方甚至已经普遍使用红外热成像监测技术，实现7×24h不间断地监控和管理。此外，巡视机器人、无人机等已经从高尖端科技逐渐普及到普通群众，电力企业也大规模地购置相关的设备，充分运用无人拍摄技术摄制大量的视频或者图像信息。

因此，电力自动化控制系统所需要处理的视频和图像信息将呈现出几何倍数的增长，但其中绝大多数的数据信息都是常规数据，需要系统关注的信息往往隐藏其中，如何进行高效筛选业已成为现代电力企业的重要任务。传统的图像识别技术，只能够提取出图像或者视频的基本形状、物体方向、颜色等表层特征，识别的效率低下且结果模糊，而人工智能技术则可以充分、深入地挖掘图像数据中的共性表征和个性特征，快速、精准地实现电力设备的图像数据识别，从而满足电力巡检、隐患排查和风险预警的需要。

当前，人工智能技术关于电力设备图像和视频识别，主要采取图像分割、图像识别等技术。其中，图像分割是指将输入的图像划分为若干个整齐、统一的区域，运用聚类算法、模糊均值等策略，将具有干扰作用的背景图像或者其他信息数据进行剥离，从而实现图像分层后非关联数据的初步筛除。

比如，在对红外图像进行图像分割时，可以设定所重点监控的温度特征，将不在该特征范围内的其他图像进行研究剔除，分割出具有进一步识别价值的图像局部。图像识别一般是借助图像感知机进行图像识别，结合图像的关键位置、核心特征、关联轮廓等，对电力设备中的重点部位、重点部件进行监控，特别是在无人机航拍方面，可以充分发挥无人机不受空间限制的优势，在高空对电力设备进行宏观航拍，以及在人类无法进入的狭窄、细小区域进行微观航拍，然后对需要重点监测的设备与拍摄到的图像或视频进行比对识别，从而提取出所需要监测的设备信息。

3.3 电力系统仿真技术

仿真技术是人工智能技术中具有鲜明特色的技术，通过将数据、图片等信息资源，转化成为仿真模型后进行相关的操作与分析，可以更好地模拟各种不同的情形和需求，从而对可能存在的风险或问题进行预演和处理，为现实运用夯实基础。在电力自动化控制中，由于电力系统的稳定与安全关系到诸多生产、生活领域的用电需求，因而必须尽可能地将问题处理在萌芽阶段。仿真技术可以充分调动电力系统的海量数据，对特定时间或者特定范围内的电力设备、电力网络进行数据模拟，将电力供应过程中可能发生的电力供应不足、起伏不定等问题进行提前预演，并模拟采取应对策略，观察策略实施后的具体成效以及可能存在的漏洞或者后遗症，从而为现实电力供应中快速找出问题故障位置、原因并精准应对提供参考。

例如，在电力系统暂态仿真技术应用过程中，可以有效地提高故障样本的利用率，及时发现电力短路可能发生的节点，并分析出现短路问题的主要原因，进而在现实的电力系统管理过程中，提前设定好自动化监测的项目和频率，确保电力短路问题在发生前就能够被提前感知和处置，避免出现短路问题后造成一定范围内的断电或者电力设备受损，提前且精准地判断电力系统存在的问题，使电力系统保持稳定的运行状态。该技术应用的基本流程是“数据收集→样本生成→算法实现→结果分析”，其中“算法实现”是核心所在，其将人工智能的机器学习方法作为不同物理模型方法的选择依据，即实现“机器学习算法与物理模型方法的融合运用”（如图2所示）。

图2 人工智能在电力系统暂态问题中的应用

3.4 系统数据分析技术

大数据分析和应用是人工智能技术中的重要内容，也是电力系统目前应用较为广泛的技术。从管理的层面来看，电力企业不仅需要建立一套相对完善的电力网络系统，同时也需要搭建一套对电力系统进行实时管理和分析的组织，从而实现对电力系统运行状态的全方位掌握。与传统的电力系统管理相比，现代电力自动化控制中的数据不仅量大，而且涉及面较广，仅仅依靠人工无法筛选出有参考价值的数据信息，更不必提对数据进行分析并应用于具体的生产实践。

同时，人工智能技术可以借助算法和学习，对电力自动化控制系统数据进行初步分析和模糊判断，并对自动化控制中监测到的数据与理想状态下数据进行比对，从中发现可能存在问题或者值得注意的关键节点，从而为数据分析乃至电力系统分析提供重要的数据支撑。在具体的电力系统运行实践中，人工智能技术通过实时监测和采集运行数据，对没有超过规定指标范围的数据进行自动化剔除，而对于严重超出指标范围的数据进行提取并预警，由技术人员对相关数据信息进行进一步分析和计算，并对重点环节、设备进行专项、定点检测，从而为设备维修、养护、管理等提供技术帮助。

综上所述，以人工智能技术驱动下的电力自动化控制，可以有效克服传统人工操作和管理的问题和弊端，大幅提升电力设备监控的质量、效率和水平，为电力系统的安全、稳定、高效运行提供更多的技术保障。无论是深度学习还是数据分析，当前的人工智能技术都还处于探索阶段，相关技术的理论研究和实践应用都还不够成熟，电力自动化控制还不能完全依赖人工智能技术，仍然需要技术人员进行辅助和管理，从而最大限度地保证电力系统的有序运转，为电力企业的高效运行和用电终端的正常应用提供保障。