人工智能在电力系统中的应用综述

陈羽飞,赵 琦,何永君,田晓鹏,李武峰

(1.中国电机工程学会,北京市 西城区 100761;2.中国电力科学研究院有限公司,北京市 海淀区 100192)

0 引言

随着互联网的普及、传感器的泛在、大数据的涌现、电子商务的发展、信息社区的兴起,数据和知识在人类社会、物理空间和信息空间之间交叉融合、相互作用,人工智能发展所处信息环境和数据基础发生了巨大而深刻的变化,这些变化构成了驱动人工智能走向新阶段的外在动力[1]。与此同时,人工智能的科学基础和实现载体取得了新的突破,人工智能技术已进入全新的发展阶段。如深度学习、知识图谱、强化学习、迁移学习在电网仿真分析与决策和电力系统调度运行方面都有应用[2-3],解决了很多复杂的模式识别难题,其取得的效果远远超过先前的相关技术[4-5]。当前,人工智能已成为促进产业发展、解决复杂工业问题的主要杠杆和工具。

在我国能源转型和“2030 碳达峰、2060 碳中和”的大背景下,以新能源为主体的新型电力系统不断构建,风电、光伏等波动式、间歇式可再生能源大规模接入,再加上电力市场化改革愈加深入,使得电力系统的不确定性、非线性进一步加剧,严重威胁电力系统的安全稳定运行[6-7]。传统的技术在解决大电网的复杂问题时显得捉襟见肘。例如,基于模型驱动的分析方法在解决电力系统调度、规划、交易方式等问题时就面临诸多的挑战。

得益于数据量的快速增长、计算能力的大幅提升以及机器学习算法的持续优化,新一代人工智能在某些给定任务中已经展现出达到或超越人类的工作能力,并逐渐从专用型智能向通用型智能过渡[1],目前人工智能已经开启大模型时代,人工智能在电力系统中的应用也愈加受到关注。人工智能技术充分发挥其解决不确定性复杂系统的优势[5],以电力生产、传输、运行、控制等全过程海量数据作为数据基础,融合外部系统相关信息,在电力系统重点技术领域展现出非凡的优势和广阔的应用前景。

本文首先梳理了人工智能关键技术,阐明了人工智能技术应用于电力系统的内、外因素,以及人工智能技术在电力系统的应用现状,分析得出了目前电力系统应用人工智能技术时面临的问题与挑战,并通过调研分析相关行业人工智能的应用案例,提出适用于电力系统的应对措施和解决办法。

1 人工智能关键技术

人工智能是研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门全新技术科学[1]。人工智能理论诞生于20世纪50年代,发展至今大致经历了3个阶段,第1阶段是机器学习概念的提出,第2阶段是专家系统与多层感知器的出现,第3阶段则是大数据、计算机软硬件发展、计算能力提升以及理论算法革新的技术融合,以深度学习为代表的人工智能技术[8],引发了各行各业重点关注。

人工智能的实现方法非常丰富,包括专家系统、人工神经网络、模糊逻辑、机器学习、博弈论以及以遗传算法为代表的各种智能优化算法等。其常用的方法如图1所示。

图1 人工智能主要技术Fig.1 Main technologies of artificial intelligence

2 人工智能在电力系统中的应用现状

2.1 人工智能应用于电力系统的内外部因素

2.1.1 电力系统的内在需求

电力系统对人工智能技术应用的内在需求主要包括高比例可再生能源、高比例电力电子设备、负荷多元化接入对电力系统的影响。高比例可再生能源的接入给电网安全稳定运行带来挑战[9-10],新能源发电设备的低抗扰性和弱支撑性导致消纳形势不容乐观[11],电力供应保障难度加大[12],同时引发了电力交易和市场机制的变革[13-14];高比例电力电子设备使电力系统运行方式和动态特性发生变化,电磁振荡现象和暂态问题研究更加复杂化[15];需求侧响应向着多元化、常态化发展,对电网安全稳定运行、无功优化调控、电力负荷调度、需求响应优化决策、用户识别与负荷预测等带来一系列的挑战[16]。

2.1.2 人工智能应用于电力系统的外在驱动

人工智能技术在电力系统中的应用受到多方面外在驱动力的推动。首先是“碳达峰、碳中和”背景下的能源转型要求构建新型电力系统;其次,人工智能受到国家产业政策的重点支持和各级政府的高度重视,陆续出台了多项政策鼓励人工智能的发展与创新;再次,人工智能在其他领域的成功应用为其在电力系统的应用提供了经验;最后,5G 和大数据技术的发展为人工智能在电力系统中的应用带来了新的机遇。这些因素共同推动了人工智能技术在电力系统中的快速发展和应用。

2.2 人工智能应用于电力系统取得的学术成果

人工智能技术在电网安全与控制领域、输变电领域、配用电领域、新能源领域以及其他领域都有应用,并取得了诸多学术成果,其具体业务场景、采用的人工智能方法及取得的成效如表1所示。

表1 人工智能应用于电力系统已有的学术成果Table 1 The existing academic achievements of artificial intelligence applied to power system

2.3 人工智能在电力系统的示范应用现状

人工智能技术在电力系统中应用非常广泛,以国家电网有限公司(以下简称“国网”)为例,国网选取了冀北、山东、江苏、福建4家省公司来打造各具特色的电力人工智能综合样板间,集中展示了输、变、配、调度、营销等业务领域的典型成果。冀北公司的电网一张图等10项精品,在北戴河暑期保供电中心综合展示应用;山东公司在全省17家地市公司实现了供电服务流程的线上线下、前端后台无缝衔接;福建公司、江苏公司等多家单位开展基于变电站自主巡检机器人等智慧运维应用;江苏公司等分别在省内多个地市试点违章智能告警应用,全面覆盖运检、基建与其他高风险或复杂工序现场。

2.4 人工智能应用于电力系统的技术架构

人工智能技术应用于电力系统的技术架构主要包括基础设备、数据管理、算法训练、应用场景4个层次。以人工智能在电网调度领域的应用为例,其基本技术架构如图2所示。

图2 人工智能应用于电网调度领域的技术架构Fig.2 Technical architecture of artificial intelligence applied to power grid dispatching

基础设备层主要由高性能计算架构,包括计算设备、存储设备和网络设备等组成,为机器学习、深度学习提供强大的计算能力,以解决海量数据、多层级网络参数下训练学习时间过长的问题,同时为电网海量运行数据提供存储支撑[19]。

数据管理层主要实现对各类结构化、非结构化数据的汇集,形成调度大数据平台,为上层的分析提供全维度的数据支撑。针对不同结构、采样频率,采用不同的数据存储方式,包括以存储静态模型参数为主的关系型数据库、以实时数据处理为主的内存数据库、以历史数据存储为主的列式数据库等,最终为上层提供统一的数据访问服务[19]。

算法训练层通过对各类算法的封装,为上层应用提供统一的算法引擎支撑,包括随机森林、聚类分析、知识图谱以及自然语言处理等。知识库是在现有调度规程、操作规范以及运行经验的基础上,通过自然语言处理技术对文本、日志进行学习和理解之后,形成知识化表达的规则库。

业务场景层是在数据汇集、算法引擎和知识库的基础上,针对电力调度业务场景进行设计的,包括态势感知、智能决策和智能助手3个方面。其中,态势感知采用“数据驱动+物理建模”相结合的方式进行训练分析,主要包括负荷预测、用电行为分析、设备突发故障预测等方面。智能决策是“规则知识+物理模型”相结合的方式,主要包括设备过载处置辅助决策、故障处置辅助决策等方面。调度助手包括语音交互、智能检索、自动成图和触屏交互等功能,为调度日常操作、信息查询和人机交互提供更为便捷的手段[19]。

3 人工智能应用于电力系统面临的挑战

3.1 人工智能技术面临的主要问题

尽管我国在人工智能领域的发展已取得了长足进步,但还是面临诸多问题。

基础技术积累不足,缺乏重大原创科技成果。我国人工智能基础理论、核心关键技术积累薄弱,核心算法、芯片及基础元器件的掌握与国外差距较大,核心环节受制于人,随时可能被卡脖子。

技术创新的商业应用模式不明朗。应用型创新成果重复化、碎片化问题严重。支持应用落地的人工智能商业模式尚需探索。英特尔调查显示,全球有46%的公司制定了与人工智能相关的发展计划,但真正得以落地的只有4%。

资本布局多样性不足,基础层领域缺乏投资。近年来,国内资本投资多集中在应用层,在回报周期较长的人工智能基础层领域缺乏布局。美国人工智能领域投融资31%流向处理器芯片领域,在各细分领域中占比最高。我国人工智能领域的投融资结构急需改观。

政策、标准体系尚不健全,缺乏针对人工智能特征的法律法规和保障措施。我国针对人工智能技术和产业发展的法律法规研究刚刚启动,尚未在人工智能法治保障、信息安全以及伦理道德研究、风险审查机制等保障人工智能产业长期发展的政策法规、安全规范和伦理道德框架方面展开试点。

3.2 人工智能应用于电力系统面临的主要挑战

未来,新型电力系统将是一个巨维复杂动态大系统,对其控制和决策变得比之前任何时候都困难,对人工智能的需求更迫切,也更具挑战性。人工智能与电力系统的深度融合应该是新型电力系统的主要特征之一。人工智能应用于电力系统面临的主要挑战和问题主要有:高维度与高质量数据缺乏、分布式系统协同自治困难、深度神经网络算法缺陷、安全性问题以及人工智能(artificial intelligence,AI)资源共享和支撑力不足5大方面,具体如图3所示。

图3 人工智能应用于电力系统面临的主要挑战Fig.3 Challenges of artificial intelligence application on power system

4 人工智能应用于电力系统应采取的措施

针对以上5个方面的挑战,一些针对性的应对措施如图4所示。

图4 人工智能应用于电力系统应采取的措施Fig.4 Measures of artificial intelligence application in power system

采用图5的流式计算系统处理海量数据以达到高效、快速的目的。高精度智能传感器、卫星定位技术等主要是用来提升数据质量。迁移学习、增强型神经网络、模型改进等小样本处理方法用来解决电力数据样本失衡问题。

图5 智能电网大数据实时处理系统Fig.5 Big data processing system for smart grid

分布式协同控制主要用于虚拟发电厂控制、经济调度、微电网频率控制、主动配电网无功优化等领域以克服集中式控制的局限;分布式计算用以提高故障诊断的可靠性和鲁棒性。

引入注意力机制处理历史数据,实现高层次特征学习,求解深层网络参数可以解决神经网络参数多、收敛慢等问题。引入知识图谱与知识推理技术,融入知识规则,提升神经网络的认知推理能力,可提高其解释性和鲁棒性。

人工智能在电力系统应用的安全问题可通过自主防御技术规避。现有的防御技术包括投毒攻击防御、后门攻击防御、对抗攻击与防御、模型窃听与防御等。

通过构建高级量测体系,搭建智能化平台,重点技术扶持,推动产业新业态等解决人工智能支撑力不足,为人工智能在电力系统中的融合应用创造良好的发展环境。

5 总结与展望

综上所述,以神经网络、专家系统、图像识别、机器人等为代表的人工智能技术作为一门新兴的技术学科发展非常迅速,其作为促进产业发展的主要技术手段,已经渗透到各行各业。人工智能应用于电力系统也取得了诸多技术成果,基本构建了以基础设备层、数据管理层、算法训练层、应用场景层为主要架构的技术应用体系。但是,人工智能在电力系统中的应用整体上还处于起步阶段,远未达到协同融合的地步,甚至有的专业领域智能化水平还不高,这与电力系统的复杂性以及人工智能技术自身发展的瓶颈问题都有关系。本文分析了人工智能技术应用于电力系统面临的主要挑战,针对性地提出了技术应对措施,以促进人工智能技术与电力系统的深度融合和协同发展。

随着大模型、云计算、大数据、物联网等技术的发展,新一代人工智能技术在电力系统中的应用也再次成为研究的热点。未来,人工智能技术不仅将进一步发挥其解决大电网复杂问题的优势,还将助力建成具有自主认知能力、自主交互能力、自主协调控制能力的智慧能源系统,例如加强数据与知识的有效衔接、联合驱动,充分发挥人工智能的分析和决策能力;实现电力系统调度员行为特征画像与个性化互动;实现电力用户行为画像以及复杂电网运行精细化规则获取等等。总之,随着我国能源转型的实现,人工智能与电力系统的深度融合将是新型电力系统的主要特征之一。