边娜
国网内蒙古东部电力有限公司赤峰供电公司 内蒙古 024000
摘要：提出了一种基于电力大数据的电力调度机器人来辅助传统调度。首先，分析了电力大数据与监管一体化的关系，分析了监管一体化下的数据架构。然后，设计了电力调度机器人的功能框架，并根据主要调度任务说明了电力调度机器人的具体功能模块，说明了电力调度机器人的关键技术和应用场景，为电力调度机器人的进一步实现提供了理论依据。
关键词：调控一体化；电力大数据；电力调度；调度机器人
1电力调度机器人的设计
1.1总体框架
电力控制机器人的任务是实时分析和感知电网的运行状态，协助电力控制人员开展相关调度业务。电力大数据背景下，电力调度机器人主要依靠数据学习来实现人工智能技术在电力领域的应用。
电力控制机器人主要依靠数据采集和分析进行数据学习，主要使用大数据、深度学习、语音识别和模式识别等与数据学习相关的技术。数据源主要涉及发电、变电站、输配电等数据。这些数据在时间和空间维度上都有很高的相关性，数据之间的交互比其他类型的数据更强，因此实现电力调度机器人的功能非常重要。动力控制机器人的核心功能模块分为实时数据管理、实时预警分析、智能操作评估、异常分析与辅助决策、终端显示与执行。具体功能包括稳定巡航、异常预警、风险防控、故障处理和信息检索。通过对大数据的分析和决策，实现调控功能，辅助决策。其中，调控一体化平台主要是各级调度自动化系统及相关辅助系统，所有功能模块均基于该平台实现。
1.2功能模块
1.2.1实时数据管理模块
实时数据管理模块应用大数据、数据挖掘、数据分析等人工智能技术，根据相关规定对历史数据进行知识学习和知识挖掘，形成实时数据库，为其他相关应用模块提供数据支撑的管理服务，支持电网调度信息检索、异常预警等场景应用。
实时数据管理包括气象数据、设备运行数据、缺陷数据、维护数据以及相关数据的数据挖掘。这类数据是电力调控的基础数据，电网的实时运行可以在这类数据中得到体现。因此，实时数据管理模块对于电力调度机器人各项功能的实现至关重要。
1.2.2实时预警分析模块
实时预警功能是基于控制端海量数据和信息的有机结合以及大数据的成熟。事故发生前，动态模拟采集的各种设备运行数据，引用调度员的在线安全分析结果，并根据结果给出预警。该功能可以对异常超限等异常操作信息进行全职线性开发预览。如果电网不满足安全稳定检查，控制机器人可以在第一时间提醒控制人员采取相应措施或启动应急预案等相关措施进行控制，确保电网稳定运行。
1.2.3智能运行评估
调度、监控调度、实时调度、调度自动化、设备监控、设备运维、通信等专业都有业务交叉，业务流程链长，所以在调控运行时会受到很多因素的影响。电力控制机器人可以对这些因素进行综合分析和评价，并通过评价结果向控制人员给出直观的建议结果，协助控制人员及时采取控制措施，从而提高精益运营水平，更好地适应新运营体系下的控制业务发展。同时，动力控制机器人评价系统还可以达到对设备运行、异常和缺陷进行闭环管理的监督目的。
1.2.4异常分析和辅助决策模块
传统的调度控制系统一般以实时显示的方式向监控人员列出被监控对象的报警信息，以保证报警信息的及时性。电力控制机器人可以利用大数据技术将监控人员的经验系统化和功能化，自动完成报警相关性分析，消除二次联合报警，定位问题的根本原因，预测问题的影响范围，帮助监控人员实现异常的快速定位和快速解决。2.2.5终端显示与执行模块终端显示与执行模块能够以多维度、全景的方式，直观、立体地显示电力系统的运行状态、基础数据和报警信息。通过消息推送、3D显示等方式。
，进一步辅助调度控制人员执行任务和操作，同时实现部分功能的自动化操作，减轻调度操作人员的负担，逐步实现电力调度的自动化和智能化。
2关键技术及应用场景分析
2.1关键技术
2.1.1监管业务数据库建设技术
调控业务涉及电力系统的上、中、下游。在电力大数据背景下，需要数据库的关键技术，包括数据采集、数据分析、数据处理和数据存储，来规范机器人的决策行为。通过对电网电站、受电终端和线路的数据进行整理，并对结构化和非结构化数据进行正确处理，可以对监管业务做出正确判断，准确掌握电网运行情况，分析和处理电网运行状态和突发事故，实现监管业务处理的自动化和智能化。依靠大数据技术，还可以减少人工调度员的处理压力和错误，更好地保证电网调控的安全。数据库建设技术也与其他相关技术相结合，如云计算技术、物联网技术等。在深化监管业务与其他业务融合的同时，要重视电力调度数据库建设，不断丰富调度指令库、调度指令语音库等。
2.1.2深度学习技术
深度学习是一种机器学习方法，将网络分为内部深度层次，包括自编码器、循环神经网络、长短期记忆、卷积神经网络、受限玻尔兹曼机、深度信念网络和深度玻尔兹曼机。它的主要目标是通过模仿人脑的神经网络，将机器的思维方式转变为人类的思维方式。为了实现人工智能调度，有必要将这种学习方法应用到电网调度系统中。以深度神经网络为例，其主要特点是可以模仿人的决策，但响应速度更快，运算更准确。通过原始规则学习深度神经网络模型可以提高系统获取大数据处理的能力，因此不受调度员分析能力的限制。
2.1.3模式识别技术
模式识别包括语音识别和图像识别。语音识别用于控制机器人与调节器的交互，实现自动日志记录、语音输入、自动语音地图调整等功能。控制机器人利用图像识别来识别控制对象，如高压输电线路隔离开关和逆变器的位置判断。模式识别的重点是提高模式识别的泛化效果，保证自然语音和设备状态的准确识别，最终为三维显示和操作提供重要的技术支持。
2.2应用场景的实验分析
2.2.1调度电子订购操作
电网调度机器人可以实现电子点菜操作。与传统的人工调度相比，基于调度大数据的操作指令文本传输和人脸识别验证清晰明确，能有效消除谐音误解等危险点，缩短下达和接收订单的时间，提高工作效率。
控制机器人在保证安全的前提下，可以帮助实现电子订单、电子回复、接收确认的过程。同时，可以实现调控间操作命令流信息的共享和利用，提高调度精度。
2 . 2 . 2 UHV交流/DC综合调度异常分析及辅助决策
UHV交流/DC混合电网具有多接入电源类型、设备类型多样、地理覆盖面广的特点。它传输容量大，潮流变化频繁，受扰行为复杂，需要分层分区控制。控制技术更加复杂，逐渐向在线预测和实时控制发展，会产生海量数据，包括动态数据和静态数据、运行数据和控制数据、结构化数据和非结构化数据[8]。通过分析这类数据，电力调度机器人可以得到异常情况并做出辅助决策。
电力调度机器人可以利用大数据技术，结合现有的电网运行典型异常分析和处置专家库，实现典型异常报警根源的定位和报警影响范围的预警，并给出处置建议。
4结束语
提出了一种基于电力大数据的电力调度机器人来辅助传统调度。通过分析电力大数据与监管一体化的联系，建立监管一体化下的数据架构，设计了电力调度机器人的功能架构，表明本文提出的系统应用场景丰富，功能全面。通过电力调度机器人的设计，可以减轻传统人工调度的压力，提高综合调控的运行智能水平，实现大数据和综合调控的一体化应用。
参考文献：
［１］卢强，戚晓耀，何光宇．智能电网与智能广域机器人［Ｊ］．中国电机工程学报，２０１１，３１（１０）：１５．
［２］张晓华，冯长有，王永明，等．电网调控机器人设计思路［Ｊ］．电力系统自动化，２０１９，４３（１３）：１８．
［３］张海龙，鲁守银，刘延兴，等．虚拟现实技术在电力机器人中的研究与应用［Ｊ］．信息技术与信息化，２００８（３）：１１２１１４．