打造“电网智慧大脑”

导 语

人工智能技术在电力系统中的不断深化应用，驱动“智能电网”逐步过渡到“泛在电力物联网”这一更高级的形态。

21世纪以来，能源行业为应对气候变化、保护生态环境、保障能源供应，加快了数字化转型的步伐。伴随着能源转型的深入推进，国家电网公司也创新提出了“三型两网，世界一流”的宏伟蓝图。其中“三型”指：枢纽型、平台型、共享型；“两网”指：坚强智能电网、泛在电力物联网。泛在电力物联网，是充分应用移动互联、人工智能等现代信息技术和先进通信技术，实现电力系统各个环节万物互联、人机交互，具有状态全面感知、信息高效处理、应用便捷灵活特征的智慧服务系统。

人工智能，电力系统的必然选择

电力系统作为人类创造的最复杂工业系统，它的规划、设计、建设、运行和管理是一项庞大的系统工程。近年来，由于日益严格的环境保护要求以及化石能源资源有限的制约，以风电、太阳能光伏为代表的清洁能源发展迅速，电源结构面临着剧烈转型。与此同时，大规模电力电子装备和信息通信技术也在电力系统中得到广泛应用，对电力系统的智能化水平提出了更高要求。未来泛在电力物联网主要发展方向之一就是大规模利用清洁能源和智能化。与此同时，随着以深度学习为代表的新一代人工智能算法的快速发展和硬件计算性能的几何增长，人工智能技术在电力系统的应用逐步进入新的阶段。一方面，电力系统正面临高比例新能源、高比例新型负荷和高比例电力电子等问题的严峻考验，同时存在多能源融合、多网络融合和多主体融合的需求，为了保障电网更安全高效地运行，提高电力系统的智慧性、柔韧性，解决不确定性带来的问题，这些任务迫在眉睫。另一方面，电力系统中采集的相量测量单元(PMU)和数据采集与监视控制(SCADA)等海量动态和稳态数据以及用户电量数据、故障录波数据等其他数据，为人工智能和电力系统的结合提供了大数据基础。因而，人工智能在电力系统中的大规模应用成为必然趋势。通过人工智能技术，使电力系统具有更高级、更深层的智能，从而进一步提升电力系统运行的安全性、经济性和可持续性。

在电源侧，目前人工智能技术的应用主要针对可再生能源接入后的功率波动不确定性，基于深度学习在预测方面的优势，开展基于气象因素的风电、光伏等可再生能源发电功率预测研究。此外，借助深度学习等人工智能方法在应对不确定性方面的优势，开展风电场、风电场群等可再生能源接入“即插即用”式建模；借助人工智能在模式识别方面的优势，实现常规发电机组、风电机组等发电设备的故障诊断与预警等，都具有较大的应用前景。

人工智能在电网侧应用的直接结果是智能电网的诞生。概括而言，智能电网融合和集成新的量测、通信、控制和决策技术，实现电力行业的技术变革，其核心要义是“智能”。智能电网具备高度智慧化和交互性，电力生产、消费与电力市场紧密融合。“大云物移”和人工智能技术得到广泛应用，电力系统全环节具备智能感知能力、实时监测能力和智能决策水平。发电和用户的双向选择权放开，发电侧与售电侧各主体在电力市场中广泛参与、充分竞争，用户通过经济政策或价格信号，实现主动负荷需求响应。具体而言，人工智能技术在智能电网中的应用通常分为基础设施层的电网大数据可视化、算法层的电网趋势预测、技术层的电网智能决策支持、应用层的电网自愈四个方面。以算法层为例，传统上电力系统常用的分析方法是数值分析。但是，由于缺乏数学模型或者缺乏必要的状态量，电力系统的许多实际问题在一定程度上都是数学描述不能够完善的。并且，数值分析方法缺乏启发性推理的能力,也不适应知识的积累过程。人工智能分析方法正好可以弥补数值分析方法的不足，人类的抽象思维是综合利用启发式推理和数值分析的过程，因此，人工智能与数值分析相结合可以完美地重现人类专家解决电力系统问题的方式。

“人工智能+能源互联网”构成泛在电力物联网的核心

随着人工智能技术在电力系统中的不断深化应用，大规模清洁能源、分布式电源和微网的大量接入，同时也驱动“智能电网”逐步过渡到“泛在电力物联网”这一更高级的形态。

首先，电力系统与交通系统之间通过充电设施与电动汽车相互影响；充电设施的布局及车主的驾驶和充电行为会影响交通网络流量；反之，交通网络流量也会影响车主的驾驶和充电行为，进而影响电力系统运行。

其次，近年来随着“页岩气革命”的出现和不断深化，天然气的成本呈下降趋势，燃气机组在发电侧的比例因此有望提高。这样，天然气网络的运行将直接影响电力系统的经济运行及可靠性。另一方面，利用最近出现的“电转气”（Power to Gas, P2G）技术，可以将可再生能源机组的多余出力转化为甲烷，再注入天然气网络中运输和利用。因此，未来的电力系统与天然气网络之间的能量流动将由单向变为双向。

最后，热能作为分布式燃气发电的重要副产品与电力系统联系日益紧密。以热电联产系统为纽带，可以将电力网络和供热网络相互集成和协调，通过利用燃气机组排出的余热，大大提高系统的整体能效。

上述系统内的各种物理设备，尤其是分布式发电、储能、可控负荷及电动汽车等，需要通过一个强大的信息网络进行协调和控制，这就形成了“能源互联网”。能源互联网事实上由４个复杂的网络系统，即电力系统、交通系统、天然气网络和信息网络紧密耦合构成。

随着能源互联网中分布式能源和新型负荷的大规模接入，功率随机波动性日益显著，电网调度人员无法及时、有效、准确地对分布式能源的供需曲线进行判断和管控，只能依靠人工智能技术代替人脑做海量数据优化、分析、判断、决策，发出指令。事实上，离开人工智能提供的图像识别、语音识别、海量数据分析、对事故的预判、按需检修维护以及根据用户行为提供更好的服务这些能力，能源互联网就无法实现其分布式协同的运作模式。

反之，人工智能的发展也同样离不开能源互联网强大的支撑作用。人工智能的基础设施对能源的需求量巨大，例如数据中心存储、超算中心进行海量计算，都需要大量的能源，而且需要能源高效可靠、不能中断。能源互联网与人工智能的发展是一个相辅相成的过程。

“人工智能+能源互联网”可以实现能源的综合优化管控。比如一家咖啡店，有灯光、冰柜、咖啡机等多种用能，以前只能采集到总电量的累积，现在通过“人工智能+能源互联网”可以分析出哪里是连续使用的灯的负荷，哪里是间歇的咖啡机的负荷，哪里是压缩机的冰箱的负荷，并在此基础上进行负荷管理。把存量资源盘活，这是能源互联网的核心理念。

我们可以借鉴发达国家在发展能源互联网中的经验。

美国

在能源互联网领域，相比其他国家，美国起步很早。2008年，美国国家科学基金项目提出并启动了“FREEDM”项目，即未来可再生电能传输与管理系统项目，深入开展配电系统能源互联网研究。该项目历时若干年，旨在建立具有智能的革命性电网架构来消纳大规模分布式能源，期间所提出的能源互联网的主要特点是：通过固态变压器实现可再生能源的即插即用、故障快速检测和处理、配电网智能化管理等，并且由固态变压器的输入端口实现直流负荷和DG接入中压配电网。

德国

近年来德国正在大力部署新能源战略、推进新能源项目。基于ICT技术，德国在能源互联网的研究工作中率先启动了“E-Energy”项目，该项目旨在通过ICT技术构建一个未来的高效能源系统。如今，“E-Energy”项目已开展了六个示范项目建设，这些项目各有侧重，并分别由六个技术联盟负责，旨在开展大规模清洁能源消纳、节能、双向互动等方面的示范工作。目前，德国正在实施能源互联网第二阶段示范项目“C-sells”，“C-sells”隶属于2016年12月正式启动的SINTEG项目（Smart Energy Showcases-Digital Agenda for the Energy Transition），是继“E-Energy”项目后在能源互联网方面的进一步探索。

日本

日本近年来提出了发展“数字电网（Digital Grid）”的战略规划。“Digital Grid”的概念由阿部力也（Rikiya Abe）首次提出，旨在通过将同步电网分为几个异步的子网，而各个子网通过数字电网路由器相互连接以实现对电网潮流的直接调控，使各个子网内的可再生能源不会影响到整个大电网，从而最终减少大面积的连锁故障、实现高渗透可再生能源的消纳。在“Digital Grid”理念中，对电网内各种形式的能量的处理将都可被记录，包括位置、时间、发电类型和价格等。

中国

在我国，理论的研究始于2010年。中国电科院在2010年对电网未来形态进行研究，并提出了“灵活配电系统”的理念。2011年起，国内掀起了能源互联网的研究高潮。2013年，北京市科委和中国电科院等单位合作提交了《能源互联网初步调研报告》。2014年7月，国网公司首次提出了“全球能源互联网”（Global Energy Interconnection）的概念。2015年，我国首个“中国能源互联网学术与创新联盟”倡议提出。2016年，《关于推进“互联网+”智慧能源发展的指导意见》的发布则进一步明确了我国发展自身能源互联网的战略规划和目标。

由此可见，加快推进我国能源互联网的建设，对能源互联网进行深入研究势在必行。为此，国家科技部“863”课题相继推出了能源互联网关键技术研究和示范工程建设；中国电科院和国网、南网公司也相继启动了能源互联网前瞻性项目，对能源互联网的关键技术和架构进行了深入研究，提出了我国的未来能源互联网建设框架。此外，我国众多高校专家学者百家争鸣，从能源互联网的多个方面进行了详细论述和研究。

人工智能在能源互联网中的重点应用领域有：

其一，新能源发电。随着新能源出力占比提高，新能源的间歇性和波动性对电网稳定性的影响显著增大。利用智能传感和机器学习等技术对新能源发电波动、电网运行状态、用户负荷特性和储能资源等海量、高维、多源数据进行深度辨识和高效处理，实现多时间尺度全面感知和预测，进一步提高新能源消纳水平，形成源、网、荷、储实时交互协同的、具有柔性自适应能力的互联电网。

其二，大电网安全与稳定。随着我国大型交直流混联电网的形成，新能源的持续高比例运行、电力电子装置的大量应用、电力市场化水平的不断提高，电力系统的动态非线性、多时间尺度下的不确定性和难预测性表现得更加突出，传统电网控制方式的失配、失效风险增大。

利用智能传感、深度学习、增强学习等技术，基于多源实时测量信息、离线仿真数据和动态模拟实验数据精准建立交直流混联电网故障形态辨识和故障推理模型，构建大电网故障智能识别和控制框架，为大电网安全预警和控制提供快速精准的故障感知触角。

其三，新型负荷的感知与预测。随着电动汽车、分布式新能源、微电网等新型负荷的快速发展与再电气化进程的不断推进，配电网由辐射状单向潮流的传统配电网向双向潮流的主动配电网演进，负荷的时空不确定性显著增大，对电网承载能力提出更高的要求。利用机器学习等技术，通过对多关联因素影响下的新型负荷集群进行全面感知、聚类和预测，实现负荷需求对电网调控运行要求的充分响应和互动，进一步提升电网的负荷承载能力和损耗控制水平，提升供电可靠性。

其四，电力资产数字化感知与智能管理运维。电力行业是资产密集型行业，资产总量庞大、分布广泛，电力设备点多面广、运行特性各异、传统的运维检修办法难以科学管理和对设备状态进行精准评价。利用电子标签、智能传感、图像识别等技术，可以实现对电力设备状态数据、环境数据的数字化感知；利用机器学习技术，结合历史数据进行深度挖掘，对设备状态进行综合性的评估和判断，并提出针对性的检修和规划改造方案，利用智能机器人，实现电力资产运维的智能化检修和运维。

基于人工智能的调度控制技术转型

在“能源互联网”时代，调度控制中心不仅要调度和控制常规的电源、电网和电力负荷，未来还将逐步过渡到同时调度和控制电力、交通、天然气等的综合能源调度控制模式上来。

调度控制中心作为能源互联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”。目前传统的电力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能源互联网调控领域具有广阔应用前景。

能源互联网中随着传感器网络的大规模部署，数据量呈现指数级爆发式增长，人们的思维与认知能力仍然是线性的，因此未来能源互联网将从实体物质化转变为数字虚拟化。例如将电力系统、交通网络和天然气网络进行数字化模拟——覆盖每个杆塔、线路、变电站甚至是每辆电动车。再利用数字化的方法建立模型系统训练人工智能，采用增强学习技术和真实世界交互。

能源互联网时代，人工智能与调度控制技术相融合，促使调度控制中心通过数据驱动实现转型，从而实现业务数据的闭环。具体来说，业务数据化、数据资产化、应用场景化、流程自动化这四个步骤是调度控制技术数字化转型的必由之路。

业务数据化

以调度控制中心的核心业务岗位调度员为例，调度员的日常业务可以分为运行监视、日常操作和事故处理三大类。

运行监视是通过全景监视和量化指标分析评估，在满足电网安全约束条件下，以自动计算和智能决策为主引导电网自动调度和控制，实现电网自适应巡航。

日常操作过程中，通过将所有的操作步骤和操作对象数据化，可以结合系统仿真工具将操作结果预先呈现给调度员，实现日常操作的预调度。

事故处理过程中，将告警的判据和触发条件全过程展示给调度员，而不是仅仅展示告警结果。同时，自动匹配数字化的事故预案，分步骤提示调度员应该采取什么样的操作。

数据资产化

调度控制数据的资产化要经过数据的模型化、抽象化、算法化。数据资产管理所起到的作用就是把在各种大数据处理平台上获得的数据资产有效地管理起来，并且围绕它支持创造业务价值目标，更好地流动、加工、分析、应用，甚至是数据的开放、连接、整合、嫁接等一系列过程。围绕数据资产本身建立起一个可靠可信的管理机制，人们能够通过数据资产管理清晰地知道相关数据的定义、数据之间的血缘关系，并可以验证数据的有效性、合理性等数据质量指标。

应用场景化

根据电网调度运行的实际需求与生产管理模式，业务场景将分为监视控制类、分析预警类、计划决策类、仿真模拟类、综合评估类及与自动化业务相关的六大类业务。其中计划决策类场景还可以进一步细分成清洁能源全网统一消纳、电力电量平衡、源网荷协同调度、分布式电源（小水电）调度运行、市场环境下的调度运行支撑等六个子场景。场景不同，策略选择也有不同。不同的业务场景，由基础应用功能通过逻辑链接、灵活组合实现，而基础应用功能采取标准化设计，通过通用的输入、输出、控制参数等可让不同的业务场景重复使用。

流程自动化

本质上，流程自动化是“将人的机器属性剥离”。流程自动化的核心是一系列结合了基础流程重设计、机器人流程自动化、机器学习等的新技术。它是一套下一代商业过程增强的工具，通过移除重复的、可复制的以及规律性任务来帮助员工完成工作，通过简化交互和加速流程来从根本上提高用户体验。

具体来讲，调度控制流程自动化又包括了机器人流程自动化（RPA, robotic process automation）、智能工作流（smart workflow）、机器学习/高级分析、自然语言生成（NLG, natural-language generation）、认知智能体（cognitive agents）五大核心技术。

调度控制流程自动化能够模仿人类调度员的活动，随着时间的推移，通过学习来做得更好。由于深度学习和认知技术的快速发展，传统的基于规则的流程自动化已经有了制定决策的能力，未来，流程自动化可以从根本上提高效率，提高工人绩效，减少操作风险以及改善响应时间和客户体验。

“人工智能+电网调控”，前景可期

在华东电力调控分中心，人工智能已经在以下几个方面展开应用：

坏数据检测与识别

对于调度控制中心来说，一个位于远端厂站的量测信息需要经过多重环节才能到达调度端。比如一个有功功率量测值，如果采用直流采样方式，首先要通过电压互感器、电流互感器和变送器采样电压和电流值，然后通过模数转换器得到数字化的信号并加以计算和编码，再通过远动通道到达调度中心的计算机。不论是电压互感器、电流互感器和变送器都有误差，在模数转换过程中也会有截断误差，信息在传输过程中也会受到随机干扰产生误差，因此量测值与真值之间存在多重误差。

量测误差大于许可范围的量测值称为坏数据。调度中心收到的坏数据来源有：其一，传送系统与量测系统发生比较大的随机干扰；其二，传送系统与量测系统出现偶发故障；其三，电力系统发生过渡过程或者正常操作过程中出现的坏数据。具有丰富经验的调度人员通常根据量测数据的历史变化趋势以及变化的持续时间来判断是否为坏数据，这样才能较好地得知系统的运行状态。对于一个复杂而庞大的电力系统，如果仅仅依靠人工对坏数据进行纠错，那么工作量会非常大，不仅为调度运行人员带来困扰，同时还对电力系统的安全稳定运行带来不良影响。

不同于传统坏数据检测方法，人工智能通过机器学习算法，充分利用量测数据的历史变化趋势以及量测突变持续时间，预测量测数据随时间变化的动态合理取值范围。具体步骤是：第一，选择训练样本，用训练样本得到预测的合理上下限；第二，获取新数据后判断是否落入上下限范围内；第三，如果数据超过合理上下限，结合状态估计计算结果判断属于系统运行状态变化还是单个量测坏数据；第四，结合连续几个采样周期数据判断坏数据持续时间。这样，就能有效识别坏数据。

电网故障综合智能告警

电网故障综合智能分析与告警是调度中心应用软件的核心模块之一，可以根据调度中心获取的相关数据，综合判断故障的类型和时间。

传统的电网故障综合智能告警是综合利用开关遥信变位、遥测突变、SOE动作信息、保护动作信息、故障录波等数据信息，基于规则匹配方法，产生故障发生的时间、故障设备和地点，推送给调度员用于事故处理。因为厂站误遥信、误遥测时有发生，厂站时钟误差导致人工操作和事故无法准确区分等因素，仅靠静态规则匹配会导致智能告警存在误报和漏报现象。并且，告警事件也无法与事故预案自动关联。

而基于人工智能的电网故障综合智能告警基于大数据分析方法，替代传统静态规则匹配的解决方案，智能告警的识别率和准确率得以提高。具体分析步骤是：第一，通过机器学习算法，剔除坏数据对告警判别的影响；第二，结合电网拓扑分析故障周边厂站遥测、遥信数据及潮流变化情况判断故障，避免单个厂站遥测遥信异常导致的误判；第三，结合操作票信息进行故障分析，避免人为操作导致的误判；第四，基于历史数据开展故障特征信息提取，自动匹配到相应的故障预案，并根据故障的发展阶段提示调度员应采取的操作步骤。

电网运行数据智能检索

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，调度员浏览和查询电网运行数据需要的操作步骤比较多，而且数据之间缺乏关联性分析。若要临时查询某个设备或断面在某段时间内的过载情况或某几个站的发电总加，目前需要手动查询和统计，灵活性不足。

随着虚拟现实、增强现实以及语音识别等技术的发展，调度控制系统人机交互发生显著变化，从简单的图形浏览及操作转变为以语音交互为特征的智能助手。新型人机交互呈现出这些特点：首先，交互方式多样化。将具备人脸识别、语音识别以及触屏控制等多种交互方式，而不仅是鼠标键盘操作，交互方式更加友好、自然；其次，交互方式智能化。人机交互的服务端将配备强大的搜索引擎，能够根据调度员语音或键盘输入的查询内容，对系统中的原始数据、计算结果和规程日志等各类数据进行搜索、加工和分析，从而代替以往调度人工查询统计的繁琐过程。通过智能搜索引擎，将实现语义解析、数据抽取和自动统计。

未来调度控制系统的人机交互将不再仅仅是图形浏览，是融合自然交互、智能搜索多种技术为一体的系统，人机交互的客户端将是轻量级的，其服务端将是强大的智能搜索引擎，其定位为调度的智能助手，是信息检索、任务发起以及图形展示为一体的综合性工具。

伴随着能源转型的深入推进，电力系统正在逐步发展为大规模利用清洁能源和智能化的能源互联网。而人工智能技术在电力系统中的不断深化应用，也驱动“智能电网”逐步过渡到“泛在电力物联网”这一更高级的形态。“人工智能+能源互联网”的技术创新，不仅改变了传统调度控制中心的业务模式，同时也促使电力系统乃至整个能源行业的数字化转型。

*本文经原作者授权，如需转载请联系授权并注明出处。