肖倩宏,康 鹏,杜 江,宋 弦,安 甦

(贵州电网有限责任公司电力调度控制中心,贵州 贵阳 550002)

0 引言

电网调控运行需要对大量数据进行分析，对系统运行机理、运行策略等做出判断，进行全方位的综合决策，这一点与新一代的人工智能发展较为相似[1]。根据人工智能技术的发展趋势、电力调控业务的发展需求，需要设计满足应用要求的人工智能调度系统。

人工智能涵盖理论较多，其中深度学习理论对于调度领域具有较高的实用价值。文献[2]基于大数据技术提出了一种采用深度学习的暂态稳定评估方法。文献[3]提出一种基于长短期记忆神经网络的电力负荷预测方法,并使用这种方法对某地电力负荷值进行预测。文献[4]针对深度学习网络在风电场功率短期预测进行研究。文献[5]采用长效递归卷积网络模型结合视频中的外观信息和动态信息实现对视频中的人体行为进行识别。文献[6]综述了强化学习、深度学习、迁移学习、平行学习、混合学习、对抗学习和集成学习等7种代表性机器学习在能源与电力系统调度优化和控制决策等方面的应用。文献[7]采用深度学习方法，提出新的发电机组排放预测模型，并以此为基础设计了一个具有节能减排效果的发电调度算法。

本文针对深度学习对电网调度的影响和应用入手，提出了基于深度学习的电力系统调度构架，分析了该系统的功能。针对大数据并行处理调度数据，本文提出利用多核图像处理技术，提高系统的处理效率。……