电网调控中人工智能应用的关键技术研究

电网调控中人工智能应用的关键技术研究

 ,孙浩文

国网常德澧县供电公司 湖南省常德市 415500

摘要：随着生产力的不断增长和发展，电网系统的负荷越来越高，电网系统的规模也在随之扩大，用电环境的多样化也使得电网调度环境和信息整理环境变得更复杂，因此对电网的维护能力提出了更高的要求。对于电网系统的调控技术通过预设程序自主学习和大数据采集分析处理方法为基础的人工智能技术在面对这一迫切技术需求时显示出了巨大的优势。现如今的电网调控技术仍旧大量依赖人力资源，在人为进行调控时精准度不足，且操作也过于经验化，某种程度上造成了电网资源因滞后性和失准而产生的损失。

关键词：电网调控；人工智能应用；关键技术

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。

2电网调控中人工智能应用的关键技术

2.1大数据调控技术

大数据调控技术是人工智能领域的关键，算法学习依托样本训练数据，借助数据开展深度学习，进而维护系统数据的健全性。因此，有必要构建大数据调控系统，收集分散数据，构建集成平台，为电网调控工作提供充足的样本。电网调控实际上是对时间和空间的协调控制，因此，数据也应来自地理位置、模型数据、PMU、采集和监控系统等方面。从数据来源层面分析，电网调度主要包含配电管理、能量管理、调度管理等方面;从数据类型层面分析，电网调度包含非结构化、半结构性、结构化等数据;数据更新速度可以划分为毫秒、秒、分钟、小时等级别。大数据调控技术综合性较强，可以围绕以下3个方面展开。

2.1.1数据汇集

借助消息队列、文件传输规则、数据库、Web服务器等连接形式，和大数据中Flume等模式相融合，结合数据结构和来源差异性收集多种信息，确保数据汇集的全面性，并依托ETL模块实现数据的标准化管理[3]。

2.1.2数据存储和数据关联

(1)数据存储，对于历史采样、模型参数、日志、调度规程等数据结构，依据其自身特点，利用内存数据库、分布类文件传输系统和列式数据库存储数据，并增加系统化数据服务模块。

(2)数据关联，数据来源具有差异性，可以通过引用、外键的方式实现数据关联，进而为后续工作提供数据支撑。

2.2实时监测和预警

实时监控和预警能够实现电力系统稳态运行状态控制、监视、分析与评估，对电力系统运行状态进行分析、监视和预警，保证电网安全运行。实时监控和预警在使用过程中包括电网实时监视与告警、稳态分析、自动控制、辅助决策、电网动态预警、调度业务培训模拟与电网运行评估。实时监控与预警能够提供可视化手段和工具，使调度员直观掌握电网实时的运行信息，及时发现电网运行状态变化和决策。可视化结合分析功能可将分析结果动态展示出来。

实时监控和预警为电网实时调度业务技术支撑，能够实现电网运行监视全景化，通过安全调整、分析控制智能化、前瞻化。通过业务、空间和时间等多维度，对电网运行全方位实时监视、智能报警与在线故障诊断；实时跟踪并且分析电网运行变化，还要实现闭环优化调整与控制；对电网运行风险进行在线分析和评估，及时地发布预警、告警信息，并且提出紧急控制策略。

实时控制与预警类应用包括电网自动控制、实时监控和智能告警、调度运行辅助决策、在线稳定分析、调度员培训模拟、网络分析等。

2.3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。

2.4依托深度学习理论的电网辨识和预测技术

2.4.1故障识别

电网故障诊断工作是指系统通过安装保护装置，收集报警数据、电气量测量数据和断路器状态数据，并据此科学判断、分析故障的类型和位置，帮助电网系统快速恢复原有状态。系统故障过程中借助SCADA，迅速将警报数据传输到总调动中心，提升调度人员对电网调度运行的感知水平以及故障处理能力。因此，依托人工智能技术可以针对区域特点，借助相关分析方式明确负荷变化规律，为后续构建预测模型提供帮助。此外，可以结合负荷时序数据，科学地设置神经网络深度和模型，通过构建多种神经网络模型，提升故障诊断和预测的精确度。

2.4.2负荷预测

电网电源侧模块受外界环境影响较大，因此可以借助集成学习、DBM、变分编码器等技术，优化综合决策、网络训练及泛化能力。依托环境、电网历史运行数据、电站位置等大数据信息，构建预测算法和模型，利用自主学习模式分析数据间的规律，预测发电的实际情况，进而提升系统预测的精确度。同时，由于温度敏感负荷增加，且电网超短期和短期负荷预测工作量提高，有必要借助长短期记忆、循环神经、混合模型等算法进行负荷预测。通过深度学习模块，对时间特性、电价激励完成分析和识别，为后续电网平衡控制提供支持。因此，可以借助人工智能技术预测负荷、发电、设备故障等问题，结合设备检修计划、发电计划，明确电网运行过程，发挥辅助决策和安全分析作用，进而完成电网风险的预控和预判。

结论

人工智能为电网调控领域高新技术，根据数据与模型联合驱动优化调控系统效率和质量，将电网调控智能化与现代化的特点充分展现出来。所以，分析电网调控领域人工智能技术框架，通过故障分析、高速计算等技术对系统建设目标与思路进行明确，实现智能决策优化，使电网调控需求得到满足。

参考文献：

[1]秦亮，孙喆.人工智能应用于电网调控的关键技术分析[J].无线互联科技，2020,17(17):146-147.

[2]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，2019,40(11):178-181.

[3]何健.基于人工智能技术的智能电网调度技术探讨[J].通信电源技术，2020,37(14):34-36,39.

[4]刘道伟，李柏青，邵广惠，等.基于大数据及人工智能的大电网智能调控系统框架[J].电力信息与通信技术，2019,17(3):14-21.

[5]吴小康，袁龙，范俊秋，等.人工智能在电网调控全业务链路中的探讨[J].电子测试，2020(2):121-122,95.