南瑞集团有限公司 闪鑫，翟明玉等：人工智能应用于电网调控的关键技术分析

电力调度控制中心作为电网运行控制的指挥中枢，是集合大量数据、规则以及专家经验的密集型“决策大脑”，然而目前调度控制仍以经验和人工分析为主，调控中心的海量多样数据、方案间缺乏逻辑模型，需要调控人员进行大量的经验知识关联，重复性“人脑劳动”较多，自动化和智能化程度相对较低，上述特点决定了人工智能在电网调控领域具有广阔的应用前景。

本文结合人工智能技术的最新发展，从电网调控业务的需求出发，提出了基于人工智能的调度控制系统整体架构，并对其中的关键技术进行了分析，可为后续人工智能在电网调控领域技术的发展提供参考和借鉴。

考虑到系统的安全性、灵活性和扩展性，未来基于人工智能的调控系统总体架构由智能学习子系统和实时运行子系统两部分构成。智能运行子系统作为实时运行子系统的平行系统，部署在非生产控制大区，主要实现数据的训练和规程的学习，并为实时运行子系统提供知识引导。实时运行子系统部署在生产控制大区，接收智能学习子系统提供的决策，实现电网的监视、分析与控制，并为智能学习子系统提供运行数据和规则经验。

图1  基于人工智能的调控系统设计思路

同时从系统实现来看，由高性能计算架构、数据汇集与管理、算法引擎和知识库、业务场景四部分构成。其中高性能计算架构是基础，它以中央处理器(CPU)、图形处理器(GPU)、高性能处理器(TPU)为集群，为训练学习提供强大的计算资源。数据汇集和管理是整合电网运行数据、外部气象环境、设备台账以及调度规程等各类数据，构成大数据平台，为训练学习提供充足的样本数据。算法引擎和知识库，是对通用人工智能算法进行封装、调控经验规则进行建模，为训练学习提供统一的算法支撑与服务。业务场景是上层应用，包括电网态势感知、智能辅助决策以及调度助手三部分。

图2  基于人工智能调控系统总体框架

1）基于深度学习的电网预测及辨识技术

从电网自身发展来看，随着新能源、分布式电源的快速发展以及外部气象引发的设备突发故障频发，电源侧、电网侧以及负荷侧的不确定性显著加强，上述问题的共同特点是难以用精准的物理模型进行建模分析，需要采用“数据驱动+物理建模”相结合的方式，以大量历史样本数据为基础，采用循环神经网络、深度置信网络、条件变分编码器等深度学习技术，利用其在多层次网络训练、多分类综合决策、特征自主提取与学习、强大泛化能力等方面的优势，分析和发现数据内部规律、多种因素间的耦合关联关系，从而提高预测精度。

2）基于知识谱图的智能辅助决策技术

从电网调控运行来看，设备过载、故障处置以及检修操作都有其规定的规程和要求，是调控运行经验知识的积累，上述经验知识无法采用数值分析的方式进行计算，需要采用“规则知识+物理模型”相结合的方式，即在物理模型的基础上融合调度规程、处置预案以及运行经验等知识，通过自然语言处理、知识图谱等技术实现对调控运行规则经验的读取、建模和推理，通过计算机模拟调度员的思维决策和操作处置过程，将调度员日常重复性、固定化的操作通过计算机完成，降低调度日常监控工作量。

3）基于语音交互的调度智能助手技术

目前调度控制系统的界面展示风格较为传统，人机交互手段单一，数据较为零散，调度员浏览和查询的友好性存在较大不足，需要借助虚拟现实、增强现实以及语音识别等手段，同时结合智能搜索、自动成图等技术，形成以语音交互为入口、任务引擎为核心的调度智能助手，打造信息检索、任务发起和图形展示为一体化的综合性工具。

从人工智能技术目前的发展水平来看，其在电网调控中尚处于起步阶段，不能完全代替现有的分析决策软件，如何将传统分析方法和人工智能技术相结合，发挥人工智能在数据规律发现和规则知识学习方面的优势，改善现有调控系统分析软件的智能化水平，将是未来一段时间内研究的热点和方向。