金智达
国网浙江省电力有限公司永嘉县供电公司 浙江 永嘉 325100
【摘要】作为电网运行和控制的指挥中心，电力调度控制中心是一个集中了大量数据、规则和专家经验的集大成者。但目前的调度控制仍以经验和人工分析为基础，缺乏丰富多样的自动控制中心数据。由于调节中心数据量大、数据种类多、方案缺乏逻辑模型等原因，需要调控人员进行大量的经验性知识联系，重复的“人脑劳力”较多，自动化和智能化程度相对较低，以上特点决定了人工智能在电网调控领域应用前景广阔。
关键词：人工智能；电网调控；关键技术
0.引言
由于社会经济对电力需求的不增长和大，电网规模的不断扩大，传统的电网调峰度系统已经不能满足现代智能电网的调峰需求。新一代基于大数据的人工智能系统综合了类脑智能机理，人工智能作为以高性能计算、机器学习和深度学习为核心的综合技术，使人工智能具备了强大计算能力、丰富的训练样本、高质量的学习模型及算法。
1.人工智能技术的定义
AI是一种人工智能技术，它赋予人工智能视觉、听觉、触觉等感官功能，通过编程使之具备一定的学习推理能力，完成某些复杂任务。人工智能可能是基于对环境的 一种积极的反应，而这种反应也能达到预期的目标。在不具备人类生理特性的情况下能够通过深度学习像人一样识别、判断、推理、理解信息，度学习能力是人类从自身角度出发给予机器的行为，这并不等同于人工智能也有了思想，机械没有生命和新陈代谢的功能，由于能量耗尽，机器也停止运转。我们需要理性地看待人工智能技术的重要性。
2.基于人工智能的调度控制系统的设计
2.1功能性设计
大数据、大存储技术的迅速发展，为人工智能提供了强有力的技术支持。大量的历史数据为机器学习、深度学习等算法的快速发展和应用提供了丰富的数据样本，并通过训练模拟了各种因素。并且让学习结果接近实际参数。
为使智能分析决策系统更加完善，作为对现有调度控制系统的补充，基于机理和物理模型分析，并结合历史数据(包括语言处理)，建立一个智能化的学习系统。智能学 习引擎、强化学习、知识图谱等采用规则+数据理解的学习方式训练学习模型，实现了对调度员思维和决策的训练模拟，为电网提供决策支持支持性法规。举例来说，当电网发生故障时，调度控制系统可以根据故障影响的严重程度分为严重事故和轻微事故，并根据有关规定提供故障处理任务(优先级)清单，以供学习、制定故障预案等等。当出现故障时，需要进行在线安全分析，完成对电网运行状况的评估，识别出潜在的风险，从而提高故障智能处理水平。
2.2系统总体结构设计
本文的研究工作主要包括：（1）态势感知，包括负荷预测、故障预报、安全评估、用电行为分析等；（2）融合数据驱动方法和物理建模方法，在训练分析的基础上，利用大量丰富、长存储期的历史样本数据，提高预测精度。（3）智能决策，包括设备过载、故障、维护操作等 辅助决策，以物理模型为基础，通过调度程序、处置方案、知识经验等进行有效整合，实现实用性提供的策略，更好地满足调度和营运中超负荷运行时，调度的实际操作通过选取几个或一组单元(灵敏度类似)考虑公平和效率；线路故障跳闸后，根据电网实际出现的故障信号，通过学习处理和建议，提出线路试运行程序，极大地减轻了处理工作量。（4）调度助手简化了日常调度操作流程，如：利用语音结合智能检索读取系统所需的图像，实现实时查询、动态图形显示、关键信息显示等(例如：某个设备的查询过载、系统报警数据等等)。
3.人工智能应用于电网调控的关键技术
3.1高效率计算
神经网络理论在80年代被提出，但由于实施困难而未能成为主流。最近几年深度神经网络的出现得益于大量的 样本数据以及强大的运算能力。
深度学习的前沿正在向高性能计算、英伟达、AMD、谷歌和阿里巴巴转移，同时也正在向HPC研发迈进。在此基础上，提出了深度学习在高性能计算中的应用需求。当今最著名的GoogleBrain的并行计算平台使用了16000个CPU，共计10亿的节点，来进行深度学习模型网络的构建，整系统的实时数据达到了百万分点/秒，其历史数据量将远远超过GoogleBrain的计算能力。深度学习在未来电网调控中的瓶颈之一是计算能力。针对目前CPU、GPU、TPU等资源的整合，以及服务器、存储器、网络等资源的整合，构建了适合“大计算”算法的HPC，并针对不同业务场景的计算需求，提出了适用于硬件建设与推广的分布式计算框架设计与应用算法，增强计算机能力。举例来说，近几年来，随着计算机技术的迅速发展，GIS系统的实现越来越容易。地理信息系统能直观地表达地理环境 、电网、电力设备在网络中的控制状态。把GIS技术引入到配网综合控制系统中，使配网控制工作更具有直观性和有效性。
3.2调控大数据技术
电力大数据的核心技术是数据集成管理技术、数据处理技术、数据分析技术、可视化技术。一般地，数据集成管理技术是在电网运行过程中收集、整理各种数据信息，并结合数据的变化，实现新数据源的获取，更好地为电力监管服务；数据处理技术将大大提高数据技术和计算机的结合，实时处理各种动态数据信息；数据分析技术对电网运行过程中的各种数据进行分析和挖掘，更好地为电力监管服务；可视化技术主要是基于图形化技术处理数据，使显示更加直观。电力系统运行过程中，控制中心与大数据核心技术相结合，在线监测各类数据状态，对电网运行各种问题进行诊断分析，实现智能监控 。例如，使用ETL中最常用的Kettle工具提取数据，使用集群部署机器，对Postgre等数据源进行优化，以及使用Java脚本和SQL语句进行数据清理，以将监测数据记录到电子日志中。当前，电网运行中的电力设备越来越多，数据信息量越来越大。为了保障电力调控的有效性，必须大力发展智能电网，减轻电网负荷，推进智能测控，完善大数据技术的应应用水平保证了大数据技术应用的质量和效率。
3.3基于语音交互的调度智能助手技术
电网调控系统的人机终端从传统的人机工作站，逐步扩展到平板、手机等移动终端设备，实现资源的低耗、多终端、统一显示的交互式界面已经成为当今人机研究的一个重要方向。另外，电网调节系统在非生产控制领域业务发展迅速，存在大量基于浏览器/服务器(B/S)体系结构的人机交互需求，而基于?C/S体系结构的人机浏览模 式又常被应用于控制系统的生产控制部分，二者之间如何实现最大程度的体系结构复用以达到显示效果的一致性也是调节系统人机体系结构设计中需要考虑的重要内容。在智能调度中，语音交互系统的实现需要分析其功能模块的差异。第一，系统登录模块，需要建立用户名和密码验证机制，确保调度系统安全；第二，语音配置模块，由应用程序提供合成语言选择、识别语言选择、语音效果、语音速度、输人设备等参数设置；第三，用户语音训练模块，借助用户语音训练，加快配置文件的更新，提高调度效率；第四，语音识别模块，为调度人员提供良好的操作界面，对标题栏、菜单栏、工具栏、状态栏、浏览区进行自定义；第五，语音合成模块，通过听觉习惯测试，对输出语音、语速、音量、频率进行初始设置，在使用过程中还可以自主设置。
4.结束语
人工智能是电网控制领域的一项高新技术。采用数据、模型联合驱动优化控制技术，突出电网控制的现代化、智能化；因此，有必要对电网控制领域的人工智能技术框架进行深入研究，应用高速计算、故障分析、负荷预测等技术，明确系统构建目标和思路，优化智能决策，适应电网控制的需要。
参考文献
[1]房娟,张宏杰,施佳锋,马冬冬,丁皓.基于调控云的智能电网海量运行数据深层次检测技术[J].自动化与仪器仪表,2018,12:162-165.
[2]潘鹏,田冬冬.基于智能电网调控技术支持系统的设备监控大数据分析[J].科技风,2018,33:66.
[3]张令涛,赵林,张亮,田国辉,马仲佳.智能电网调控中心变电站图形数据即插即用技术[J].电力系统保护与控制,2018,4619:74-80.
[4]范士雄,李立新,王松岩,等. 人工智能技术在电网调控中的应用研究[J]. 电网技术,2020(2):401 - 411.
[5]卢君波,李小敏. 基于人工智能的电网调控技术研究与分析[J]. 粘接,2019(11):178 - 181.