王晓燕，宋方宇轩，卢 珊

（1.郑州电力高等专科学校，河南 郑州 450000；2.国网河南省电力公司直流中心，河南 郑州 450000）

新时期下，信息技术的发展促进了各行各业的升级转型。社会经济的迅猛发展以及城市建设的突飞猛进，使电网规模不断扩大。随着风、光、电等新型能源的推进，电力系统的发展也发生了变化，包括功能形态与技术特征等。互联网全面普及对电网调控领域来说既是机会又是挑战，特别是在电网建设中特高压建设项目的推进，电网布局、电网运行特性发生了巨大变化，促使电网调控的发展模式也要进行变革。传统的电网调控以及对系统海量数据的采集分析，已经不能满足现行电网的发展，思维、技术及管理都在进行创新。应用人工智能技术，对调控数据、经验及知识开展高效管理，实现现有技术智能化，是电力行业必然发展的道路。

1 人工智能特点及其对电网调控业务的意义

1.1 人工智能特点

现阶段，人工智能技术快速发展，且被广泛应用于各行各业，提高了许多岗位的生产力，丰富了众多产业的管理方式和业务流形式，特别是深度学习技术的发展，智能化的管理和使用方式越来越多。调度业务实现智能化，是电网调控的必然发展趋势。调控数据并不仅仅来自于一个系统，而是由多个系统组成的数据合集，包括地理信息系统等系统静态信息、生产管理系统数据及能量管理系统数据、外部环境数据等。各个系统内的大量数据信息能够在电网调控中应用人工智能技术提供基本的数据驱动。

人工智能的基本数据流为采集数据、传输数据、处理数据、人机交互。想要充分体现人工智能技术的作用，实现电网调控的智能化升级，便要将人工智能技术自身的特点与调控业务的实际需求相融合。人工智能技术主要特点表现为数据驱动，能够快速解决复杂的、特定的规划化问题，实现智能调控、人机交互、可视化展示。对于需要大量人力的规则分析工作，人工智能技术可以利用分析模型机进行人工无法有效解决的调控工作。当下，人工智能技术被广泛应用于互联网行业，主要体现在语言、图像识别以及理解自然语言等[1]。

1.2 人工智能技术对电网调控的意义

电力调度的目标是保证电网安全稳定运行，且对外提供可靠用电，使各类电力生产工作有序进行。电力调度是根据电网中设定的各种数据采集设备及终端传回的数据信息，结合电网实际运行时的电压、电流、频率、负荷等参数，对电网安全机运行状态进行判断，然后对发电机出力、调整负荷分布、投切电容器、电抗器等进行调整，从而确保电网持续安全稳定运行。

在电力行业中，电力调度控制中心作为指挥中心，对整个电力系统的正常运行具有重要的作用，其中包含了非常多的专家经验、数据信息及行为规则，以往传统的调控主要凭借工作人员的自身经验及分析，实效性、准确性、处理应急问题的效果都受到个人能力的影响。随着社会的快速发展，电网中的终端及运行设备不断增加，采集的数据已呈海量规模，调控中心的数据信息急剧增加，造成在实际工作开展中缺少逻辑模型。这一情况下，便要求调控工作人员具有丰富的经验与专业的知识能力，很大程度上增加了调控人员的工作量和业务难度，且对电力调控业务的智能化发展产生了不利影响。因此，随着整个电网业务的升级发展以及信息化在社会各业务中的普及，在电网调控中应用人工智能技术势在必行。

目前新能源发电已经被广泛应用，风光发电推进的同时，增加了大量分布式电源，随之加重了电网运行负荷，人工智能技术可以实现对电网行为与特性的有效分析。以往传统的物理建模方式无法满足当前的发展需求，物理建模无法有效分析电网形态的单体，而利用人工智能技术，可根据各个系统提供的海量数据信息有针对性地对电网整体特性进行分析，并且能够预测、评估用户用电的行为，进而提升预测负荷的准确度，有利于电网运行的平衡。另外，人工智能技术能够模拟、学习调控经验知识，如故障处置及设备维修等，日常调控操作具有固定的操作流程，以知识和经验为主，能有效完成相关工作[2]。

2 电网调控中人工智能应用技术

2.1 海量数据融合技术

数据融合技术是将来自多个传感器或多源的监测信息进行分析、综合处理，然后作出决策并进行各项估计的处理过程。融合过程中要对多种信息源的数据进行采集、传输、综合、过滤及合成，因此数据融合在多信息源、多用户及多平台的系统内能够起到重要的数据处理作用。

大数据时代环境下，电网的复杂性和多样性、海量采集端的数据对数据融合提出了更高的要求，在高效能存储设备、传输设备、计算设备的辅助下，利用云计算和大数据技术将不同系统中的海量数据进行高效融合，依据不同类型的数据，使用多样化的数据处理方法，进而在线快速分析处理完成电网系统内的数据测量。人工智能可以快速、高效进行在线处理海量异构数据，主要因为融合了2个数据处理框架：一是在线智能响应，二是趋势智能分析。海量数据融合技术能够通过电网的智能调控系统框架，创建精准化的数据平台框架。针对离线数据，可以通过海量数据融合技术对数据实现离线分析。针对实时数据而言，可以进行实时流失计算调控。

2.2 建模技术

电网系统中存在的设备元件种类较多，运行复杂，除了实时检测运行情况外，还需分析电网整体运行的趋势，进而提升电网的稳定性和实效性。采用建模技术，可以对电网系统中的关键设备运行质量和运行轨迹进行建模，预测电网运行的整体趋势，预判重要的节点数据和节点时间，辅助电力调度进行预判，提高电网的实效性。通过建模技术不仅仅能够构建等效参数辨识模型，还能够建立电网动静态周边稳定模型。同时在多个场景环境下，能够识别电网临界稳定的相关特征，从而精准化评估电网的稳定态势[3]。

2.3 调控技术

深度学习需要海量的数据以及超高的计算能力，电网调控中深度学习必须要有较强的计算能力，从而满足深度学习算法以及不同场景的业务需求，还要具有持续完善的芯片技术、存储器、网络资源。所使用的样本数据来自于人工智能算法，必须保证数据完整性、全面性、具体性。电网调控存储汇集大数据技术主要有以下3点：①数据汇集。利用多样化的抽取与汇集方式对多种系统结构数据进行汇集，将大数据的Flume、Sqoop与常规数据接入方式进行结合，从而保证全量抽取数据。②数据存储。实现统一数据服务，针对多形式的数据结构特点采用多样化的存储形式，存储类型主要包括列式数据库、关系型数据库、时序数据库、内存数据库、分布式文件存储。③数据关联。利用引用、外键等方式关联不同数据，从而有利于后期的数据分析[4]。

3 电网调控中人工智能技术的应用

3.1 基于人工智能技术的电网调控框架

电力行业新的建设目标为中国特色国际领先的能源互联网企业，要求加快现代信息通信技术的推广应用，使电网智能化数字化水平显著提升。这一目标为用新一代信息技术改造提升传统电网提出了新的要求，众多新信息技术的应用都基于人工智能技术及大数据技术，从信息流的角度可以按照采集、传输存储、分析、应用等环节，将电网数据分为数据采集、数据存储、数据分析挖掘、数据场景应用等4个阶段，基本框架如图1所示。

图1 基于人工智能技术的电网调控框架

在数据采集层，利用电力物联网中各种传感器及多形式终端，采集电网运行状态的数据，如外部风速、雷电、山火、覆冰等数据以及地理位置信息、日志、设备台账等控制系统信息，然后进行数据清洗、标准化处理、海量数据融合。数据存储采用分布式存储，提升存储能力和数据恢复能力。数据挖掘是自动发现有价值信息的过程，用来探查样本集，发现事先未知的有用模式，还能够推测未来的观测结果，对国家、社会、个人的决策起到指导性作用。在数据分析挖掘阶段，通过聚类分析、支持向量机、深度神经网络、贝叶斯网络等算法引擎对数据进行深度挖掘分析，为电力具体业务层面提供数据支撑服务。在各行业中，智能化的程度大部分呈现在业务层中，包括舒适的管理模式和可视化的人机交互。在基于人工智能的能源互联网的业务层面，能够进行态势预测、智能调度、决策辅助、精准控制。态势预测，即进行电网负荷的预测，通过建模技术进行运行状态模拟和知识库对比，从而进行设备故障预测、系统临界点、危险值、平稳状态安全评估以及终端用电行为分析。智能调度，即通过高性能计算设备、传输设备精化调度流程，使用高效能系统平台简化操作过程，稳定的网络架构快速响应调度实施。决策辅助，包括电网中的设备过载判断，通过图片识别进行电力设备智能巡检判别设备故障，通过建模技术和虚拟化辅助设备检修操作判断，通过可视化技术和语音识别技术、图像识别技术实现人机交互，进行智能调控和可视化展示。

3.2 调控广域源荷互动

在电网调控系统业务中，针对非连续性新能源如风、电、光伏等，在并网容量中形成一定占比后，仅仅依靠发电机系统进行相关的内部调控是无法完成的，并且无法实现用电平衡，无法真正实现电网调控的目的。针对新能源应用中的发电机容量等关键数据，利用物联网采集发电设备及底层数据，然后利用大数据技术通过数据清洗、数据融合，经过智能算法进行数据预判，进而调控不同能源的用电平衡，提升电网的整体调控能力，确保资源配置的优质化[5]。

3.3 智能监控电网状态

在实际开展电网调控运行工作中，通常情况下，监测、分析、诊断只是针对单独设备，所监测的数据无法实现实时共享，无法高效统筹分析不同设备的实际运行状态的数据信息，并且互联网时代下增加了海量的电网数据量，在存储传输过程中，数据监测装备工作负荷较大。对此，可以采用分布式存储，减轻海量数据存储压力，为大数据分析挖掘提供可靠数据支撑。数据有效的存储与处理形式，能够实现高效统筹、连接电网所使用的各个设备，有效保证对各设备数据的实时监测。

3.4 安全智能预警

以往电网调控中心，有关安全预警模块在对电网系统中典型的运行方式进行评估预案时，只能实现离线计算，不具备较高的时效性，并且预警系统也缺少全面性与完整性，无法满足现代社会电网发展的需求。而通过大数据技术，能针对电网实施统一的在线仿真计算，建立海量电网仿真样本，创建高效访问与系统性存储机制，通过模拟和对比进行设备故障预测，系统临界点、危险值、平稳状态安全评估，终端用电行为分析，从而保证电网系统预警更加实时、高效、全面。对于不同形式的故障问题，均可以进行精准定位，发现电网调控运行过程中的问题，然后实行科学全面评估，保证了电网调控有序运行[6]。

4 电网调控中人工智能技术的应用发展

电网仿真样本生成与管理。针对离线和在线数据，建立海量电网仿真样本，创建高效访问与系统性存储机制，利用人工智能技术，实现自动化仿真样本分布改造及补充，从而提升仿真样本数据库的合理性、多样性和均衡性，更好地为电网稳定规律挖掘提供精准的数据基础。

电网稳定自适应巡航。针对电网调控运行知识库，努力实现运行规则电子化方式，实现根据知识图谱进行抽取的运行规则知识，能够将分散的知识统一，用来支持不同场景的调控知识体系，并且能够进行自动处置，实现综合负荷预测、外部环境监控、电网安全约束、清洁能源消纳等情况的电压控制策略与发输电计划的调整[7]。

5 结束语

新时期下，随着能源互联网战略目标的实现和电力物联网的建设，电网布局、电网运行特性发生了巨大变化，促使电网调控的发展模式也要进行变革，传统的电网调控以及对系统海量数据的采集分析已经不能满足现行电网的发展。电网调控应用人工智能技术，是时代发展的必然选择，是电力行业的必然发展趋势，能够改变以往传统的电网调控形式，更好地满足新时代下对电网实际运行与管理需求，有效提升电网调控的智能化、自动化。人工智能技术的应用，能够高效、全面、精准地解决电网调控过程中出现的各类问题，深度融合人工智能技术与电网调控技术，有效保证电网调控的良好运行。