人工智能技术在智能电网中的应用分析和展望

人工智能技术在智能电网中的应用分析和展望

潘庆庆许艳阳

（宁夏银川供电公司宁夏银川750011）

摘要：随着人们生活水平的提高，用户对电力能源的质量要求有了很大改善，传统电网已经不能满足快节奏的发展需求。为了促进电力系统的发展，实现现代化电网建设，一些西方先进国家提出了智能电网这一理念。相比传统的电网技术，智能电网更具有自愈性、互动性等特点，能够提高电力系统的安全运行水平，为人们提供更加可靠的供电需求。科技发展下，智能电网具备很好的兼容性与集成性特点，已然成为未来电网发展的必然趋势。因此，智能电网技术应用对电力系统来讲具有重要意义。

关键词：智能电网；电网技术；电网调度

1新形势下智能电网技术的特征

新形势下的智能电网技术，具有以下几种特点。第一，智能电网具有自愈特征。随着新形势电网技术的发展，智能电网技术的应用特点比较突出。这一功能在智能电网的运行过程中也是重要表现，对整个电网的运行安全起到了重要作用，即具有对电网故障的诊断功能与故障的隔离、恢复作用，是保证智能电网整体运行效率的重要功能[3]。第二，智能电网的交互性特点。这一特点主要体现在，智能电网运行中可以使供需双方同时参与电力交换，注重使用者的参与。通过对智能电网的应用，电力系统的优化设计目标才可以实现。智能电网对于智能表的使用，就是互联路由器电力能源供应公司对装置进行远程检查的重要表现，对智能电网的交互作用起到了重要的推动作用。第三，智能电网具有一定的兼容性特点。智能电网是在多种发电模式的基础上，不同种类的发电技术与电力储存可以适应集中发电与分散式发电模式，这对于电力系统的运行安全具有很强的保护作用。第四，智能电网还具有集成性特点。在智能电网使用中，这一集成性特征比较明显，在控制与监视、维护等多种能源的信息系统集成管理，可以有效实现对电网系统的统一管理，提高整体的运行效率。

2人工智能及其适用性分析

ＡＩ作为一门研究模拟、延伸和扩展人的智能的理论、方法、技术及应用科学，在长期的发展过程中，形成３种主流的研究流派（１）结构模拟方法（又称联结主义），其代表是神经网络一类的“黑盒”类技术（２）功能模拟方法（又称符号主义），其代表是专家系统、智能搜索、机器博弈等。（３）行为模拟方法，其代表是智能机器人等虽然ＡＩ的发展几度遇到低潮，但从２００６年开始，以深度置信网络和卷积神经网络为代表的联结主义深度学习方法，在机器视觉、语音识别、自然语言处理等领域首先取得突破，带动了全球新一轮ＡＩ研究的热潮就广义而言，凡能够基于数学和逻辑计算提供服务的工具所具有的都是ＡＩ，包括绝大多数计算机类应用。也就是“研究如何使计算机去做过去只有人才能做的智能工作”。狭义而言，ＡＩ特指那些还不能明确表达、暂未能完全通过机器实现替代人工的智能技术和应用。随着ＡＩ进步，智能的含义也在不断更新，许多原来的ＡＩ功能，逐渐地已不被认为是ＡＩ。ＡＩ已成为一个多学科交叉技术领域，有其自身复杂的内在体系和广泛的应用场景。图1从基础学科、基本理论、关键技术、分类应用的角度对目前ＡＩ的主要技术脉络进行了梳理。

3AI在智能电网的应用场景分析

电网的智能化核心需求在于用机器智能代替人工，获得高效、可靠、及时、低成本的优势。这些需求体现在各个环节，根据AI技术的适用条件判断，可以获得表1所示的各类潜在应用场景。需求和应用场景都是发展的，表1中主要梳理了目前的一些典型需求和应用场景。可以看到，AI技术在智能电网各环节的规划、预测、辅助决策、智能控制、视频监控、巡检、故障诊断等应用方面普遍具有重要参考价值。这些问题中，一方面有些本身并不要求最优解（例如部分预测类、辅助决策类应用），或者目前尚未能很好地解决（例如部分故障诊断类、视频监控类应用）；另一方面这些应用已经长期积累了大量数据，为AI应用提供了大量训练样本。更重要的是AI技术为这些问题的解决，提供了传统解析方法之外的新的思路，既填补了部分空白，又可以相互验证。

表1

4AI支撑智能电网关键技术

在各个场景中，需要不同的AI技术。不同的AI技术也都有各自的特点。态势分析法（strengthsweaknessesopportunitiesthreats，SWOT）是通过内部资源、外部环境的有机结合确定被分析对象的资源优势和劣势，了解对象所面临的机会和挑战，从而在战略与战术层面调整方法、资源以保障被分析对象达到所要实现目标的战略分析方法，目前已应用于多个行业。表2采用态势分析法对几类常见AI技术的内部优势和劣势、外部机遇和挑战进行了分析。

特别需要提出的是，随着AI技术的突破，很多技术成果巫待在智能电网建设中深人研究、改造和应用。例如大数据平台和数据挖掘早已引起电力系统的普遍重视；机器视觉与智能电网各环节中普遍部署的视频监控系统的结合，对于智能电网视频信息和数据信息的对接和联动控制具有重要意义；深度学习类技术对于智能电网中态势感知、信息物理融合系统等的研究和应用具有重要的参考价值；认知计算、自主计算等自学习、自管理技术远期有望赋予电网更高级别的智能。

5AI应用于智能电网面临的挑战

综合目前AI技术的发展，预期智能电网中的AI技术应用将遇到的关键挑战在于：（1）数据样本积累。各类应用场景中数据积累情况不一，智能电网大数据研究和应用也起步未久，符合各类AI技术应用前提需求的数据样本确认的不多，如何基于小样本开展AI应用是一个值得深人研究的问题。（可靠性保障。目前主流的AI技术是一种“黑盒”方法，其准确率虽然可能做得很高，但有时也难免会犯低级错误（人往往可以一眼识别），而电力系统很多场景下对可靠性要求是极高的。（3）基础设施需要完备。AI的应用是以大量的数据样本、高级计算能力和分布式通信协作为基础的，相关的大数据、云计算、分布式协作平台等基础设施资源需要跟上。（4）知识利用尚待加强。知识在各类AI技术中具有十分重要的地位，甚至有定义说‘`AI就是关于知识的表示获取和使用的科学”。怎样把智能电网中的知识通过数据分析、样本学习、专家经验等各种方式挖掘出来并合理、妥善地使用是一个关键挑战。（5）突破AI可解释性的局限。AI技术对于结果/结论的解释能力往往弱于传统技术，重在结果的近似最优。专家系统之所以要依赖于专家经验就是因为尚未能完全解析或者计算过于复杂而不能实行，一个训练好的神经网络，其权重和参数目前并不足以解释其功能的正确性。一方面，模型具有较强的可解释性会使得使用者更好地理解机器决策过程，从而决定相应结果的置信度，有效地增加人、系统间的信任度；另一方面，具有可解释性的模型为用户提供了一个可操作的交互方式，使专家的经验介人到数据驱动的建模和决策中，做到决策的追溯、引导和纠正，从而提升系统的性能与表现，因此，可解释性成为未来人工智能的一个重要特性和制约AI在智能电网领域应用的关键因素。（6）加强数据管理和私密安全研究。AI技术应用需要大量的样本学习，这其中牵涉很多机密信息。即使这些数据样本本身可以保密，但AI技术的应用结果中其实已经包含了原始的机密信息，例如目前搜索引擎和电商平台往往已经有能力提供对用户个体的针对性服务。人工智能对于网络安全具有两面性—既可以利用人工智能阻挡网络攻击，又不可避免地面临网络罪犯使用人工智能对网络的更复杂的攻击，因此，AI技术在智能电网中的应用需要提前深人开展安全保障研究。（7）技术和产业结合，在智能电网产业链中融人AI元素。合理的产业生态链是AI技术应用推广和发展的重要基础。

结束语

根据上述内容可以看出，在新形势发展下，智能电网技术的使用越来越重要，对整个电网运行起到了关键作用，积极推动着我国电力系统的发展。

参考文献：

[1]吕佳玲.论智能电网调度技术如何适应电网自动化的升级发展与需要[J].低碳世界，2013，（10）：19-20.

[2]温旭霞.浅谈智能电网中电网调度技术的研究[J].科技风，2016，（15）：60.