人工智能技術(shù)在電力自動化控制中的運用

中國電能成套設(shè)備有限公司 文天依

隨著電力系統(tǒng)的日益復雜，電力自動化控制技術(shù)的難度和要求也越來越高，傳統(tǒng)的人工管理已經(jīng)不能適應(yīng)電力系統(tǒng)的客觀需要，人工智能技術(shù)的有效發(fā)揮，將有效克服人工管理的不足和缺陷，進一步提升電力系統(tǒng)自動化水平，進而保證電力行業(yè)的可持續(xù)發(fā)展。

1 人工智能技術(shù)概述

人工智能技術(shù)（AI）起源于計算機科學領(lǐng)域，屬于典型的邊緣學科范疇，包含的技術(shù)類型較多，如互聯(lián)網(wǎng)、云計算、智能算法、大數(shù)據(jù)等現(xiàn)代技術(shù)。人工智能技術(shù)在各種傳統(tǒng)產(chǎn)業(yè)領(lǐng)域的滲透、融合，是“互聯(lián)網(wǎng)+”新業(yè)態(tài)下的重大發(fā)展趨勢，其目前已經(jīng)被廣泛應(yīng)用于航天、能源、醫(yī)療等諸多領(lǐng)域。簡單來說，人工智能技術(shù)就是模擬人類大腦，利用計算機技術(shù)對系統(tǒng)進行操作控制，并做出相應(yīng)指令以及可以處理各類問題，實現(xiàn)智能化和管理的先進技術(shù)[1]。在電力行業(yè)中，人工智能技術(shù)可以幫助電力企業(yè)提高管理和運行效率，極大地減少人力的投入，特別是在需要復雜計算的領(lǐng)域以及具有一定危險性的區(qū)域，人工智能技術(shù)可以完成人力所不能及的任務(wù)，從而為電力行業(yè)的快速發(fā)展提供更多的助力，有效促進了電力系統(tǒng)深化改革，極大地提高了電力系統(tǒng)自動化技術(shù)控制水平[2]。

2 人工智能技術(shù)在電力自動化控制中的應(yīng)用價值

2.1 提高系統(tǒng)運行質(zhì)量，降低操作失誤率

由于現(xiàn)代電力系統(tǒng)的構(gòu)成較為復雜，不僅有著大量的線路和設(shè)備，同時對于電壓、電流等要求也各不相同，容易因工作人員操作失誤而造成電力供應(yīng)故障，進而對電氣設(shè)備的穩(wěn)定、安全運行造成不利影響。人工智能技術(shù)與人工技術(shù)的最大不同在于，人工智能技術(shù)沒有人類所不可避免的不確定性和主觀失誤，只要提前設(shè)定好相應(yīng)的程序，則堅持按照這一設(shè)置進行固定操作，因而極大地降低了操作過程中的失誤率，保證電力系統(tǒng)的穩(wěn)定運行。

2.2 增強系統(tǒng)控制能力，簡化控制復雜度

在傳統(tǒng)人工控制中，由于人的能力和精力相對有限，電力自動化控制必須區(qū)分不同的需求和任務(wù)，投入大量的人力甚至可能需要成立若干個部門，才能夠完成電力系統(tǒng)的有效控制。而人工智能技術(shù)的引進，可以實現(xiàn)對一些控制操作的簡化處理，特別是對于需要長時間重復簡單操作的事項，系統(tǒng)的一個指令可完成一個人甚至多人輪班才能夠完成的任務(wù)，從而有效增強了系統(tǒng)的控制能力，使復雜的系統(tǒng)操作變成更加簡單，并且可以讓有限的人力去從事真正復雜的工作。

2.3 提升系統(tǒng)運行效率，實現(xiàn)集成化管理

電力系統(tǒng)的龐雜，導致多人員或者多部門之間需要通力協(xié)作才能夠完成一些重要任務(wù)，而人員可能會因為一些主客觀原因，導致溝通困難甚至相互對抗，導致統(tǒng)籌管理與運行控制的整體效率往往低于個體效率之和。而人工智能技術(shù)不存在人類相處的問題，在電力系統(tǒng)各環(huán)節(jié)、各區(qū)域管理和控制過程中完全可以實現(xiàn)無縫銜接、完美融合，進而發(fā)揮電力系統(tǒng)運行最大效率。在電力自動化控制系統(tǒng)當中，電力自動化、智能控制、專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)系統(tǒng)等程序的集成，可以共同實現(xiàn)對電力系統(tǒng)的自動化控制，提升其運行管理能力，實現(xiàn)真正的自動化控制與管理[3]。

3 人工智能技術(shù)在電力自動化控制中的具體運用

3.1 數(shù)據(jù)庫應(yīng)用技術(shù)

面對對象數(shù)據(jù)庫技術(shù)是電力自動化技術(shù)中的典型代表，其不僅在電力系統(tǒng)中，更是在其他類別的控制系統(tǒng)中得以廣泛使用[4]。所謂數(shù)據(jù)庫應(yīng)用技術(shù)，其核心在于“數(shù)據(jù)”，也是當前較為流動的大數(shù)據(jù)理念在具體行業(yè)技術(shù)應(yīng)用中的延伸。在電力自動化控制中，電力系統(tǒng)不僅需要向電網(wǎng)終端發(fā)出各種電力輸入和輸出的指令，更重要的是收集各終端的電力生產(chǎn)、運行、使用等數(shù)據(jù)信息，反饋至電力系統(tǒng)的中樞進行儲備和管理。在傳統(tǒng)的電力系統(tǒng)中，這些數(shù)據(jù)信息往往沉浸在“數(shù)據(jù)池”中無法得到有效的利用，只是一些占用系統(tǒng)空間的無用信號，而人工智能技術(shù)的運用，可以極大程度地挖掘出數(shù)據(jù)庫中各類數(shù)據(jù)的價值，使其發(fā)揮監(jiān)控、預(yù)警、分析、管理等方面的功效。

電力系統(tǒng)是一個龐大而復雜的系統(tǒng)，從電力生產(chǎn)、輸入到輸出涉及較多環(huán)節(jié)和過程，每一個環(huán)節(jié)都會產(chǎn)生大量的數(shù)據(jù)信息，每一個步驟都需要相應(yīng)的設(shè)備或者系統(tǒng)進行操作和管理。在傳統(tǒng)的電力自動化控制中，電氣設(shè)備的操作步驟和功能實現(xiàn)，基本依賴事先的程序設(shè)定，除發(fā)生故障以外，機器的行為不可能超出預(yù)先設(shè)定的指令范圍。而人工智能技術(shù)的應(yīng)用，可自動對海量的原始數(shù)據(jù)進行挖掘，解讀具有一定規(guī)律性的算法，并組合成線性模塊以生成新的控制功能或者指令，實現(xiàn)數(shù)據(jù)信息的深度學習。

深度學習旨在構(gòu)建更深層的網(wǎng)絡(luò)結(jié)構(gòu)，從而加強模型在海量數(shù)據(jù)中捕捉其隱含特征的能力[5]。在深度學習過程中，數(shù)據(jù)庫的應(yīng)用技術(shù)毫無疑問是其核心所在，只有擁有足夠龐大的數(shù)據(jù)資源，人工智能技術(shù)才能夠進行相應(yīng)的深度學習而非傳統(tǒng)的監(jiān)督學習，并且學習構(gòu)建的模型也更加客觀而可靠。在具體的操作實踐中，人工智能技術(shù)一般通過提取電力自動化控制系統(tǒng)中的所有數(shù)據(jù)集，形成相對應(yīng)的學習模型，并匯總輸出具有普遍規(guī)律性的元學習模型，最終輸出深度學習的結(jié)果，為系統(tǒng)程序的自動更新和智能完善提供數(shù)據(jù)支撐。

圖1 基于數(shù)據(jù)庫的深度學習模型

3.2 電力設(shè)備圖像識別技術(shù)

隨著現(xiàn)代科學技術(shù)的快速發(fā)展，電力設(shè)備已經(jīng)不再局限于傳統(tǒng)的工業(yè)生產(chǎn)設(shè)備和家用電器，其技術(shù)領(lǐng)域和設(shè)備應(yīng)用已經(jīng)達到了一個全新的層面，其中圖像識別技術(shù)更是得到了跨越式的發(fā)展。目前，具有高清攝像功能的監(jiān)控視頻設(shè)備，已遍布各大城市乃至農(nóng)村地區(qū)的主要區(qū)域，一些地方甚至已經(jīng)普遍使用紅外熱成像監(jiān)測技術(shù)，實現(xiàn)7×24h不間斷地監(jiān)控和管理。此外，巡視機器人、無人機等已經(jīng)從高尖端科技逐漸普及到普通群眾，電力企業(yè)也大規(guī)模地購置相關(guān)的設(shè)備，充分運用無人拍攝技術(shù)攝制大量的視頻或者圖像信息。

因此，電力自動化控制系統(tǒng)所需要處理的視頻和圖像信息將呈現(xiàn)出幾何倍數(shù)的增長，但其中絕大多數(shù)的數(shù)據(jù)信息都是常規(guī)數(shù)據(jù)，需要系統(tǒng)關(guān)注的信息往往隱藏其中，如何進行高效篩選業(yè)已成為現(xiàn)代電力企業(yè)的重要任務(wù)。傳統(tǒng)的圖像識別技術(shù)，只能夠提取出圖像或者視頻的基本形狀、物體方向、顏色等表層特征，識別的效率低下且結(jié)果模糊，而人工智能技術(shù)則可以充分、深入地挖掘圖像數(shù)據(jù)中的共性表征和個性特征，快速、精準地實現(xiàn)電力設(shè)備的圖像數(shù)據(jù)識別，從而滿足電力巡檢、隱患排查和風險預(yù)警的需要。

當前，人工智能技術(shù)關(guān)于電力設(shè)備圖像和視頻識別，主要采取圖像分割、圖像識別等技術(shù)。其中，圖像分割是指將輸入的圖像劃分為若干個整齊、統(tǒng)一的區(qū)域，運用聚類算法、模糊均值等策略，將具有干擾作用的背景圖像或者其他信息數(shù)據(jù)進行剝離，從而實現(xiàn)圖像分層后非關(guān)聯(lián)數(shù)據(jù)的初步篩除。

比如，在對紅外圖像進行圖像分割時，可以設(shè)定所重點監(jiān)控的溫度特征，將不在該特征范圍內(nèi)的其他圖像進行研究剔除，分割出具有進一步識別價值的圖像局部。圖像識別一般是借助圖像感知機進行圖像識別，結(jié)合圖像的關(guān)鍵位置、核心特征、關(guān)聯(lián)輪廓等，對電力設(shè)備中的重點部位、重點部件進行監(jiān)控，特別是在無人機航拍方面，可以充分發(fā)揮無人機不受空間限制的優(yōu)勢，在高空對電力設(shè)備進行宏觀航拍，以及在人類無法進入的狹窄、細小區(qū)域進行微觀航拍，然后對需要重點監(jiān)測的設(shè)備與拍攝到的圖像或視頻進行比對識別，從而提取出所需要監(jiān)測的設(shè)備信息。

3.3 電力系統(tǒng)仿真技術(shù)

仿真技術(shù)是人工智能技術(shù)中具有鮮明特色的技術(shù)，通過將數(shù)據(jù)、圖片等信息資源，轉(zhuǎn)化成為仿真模型后進行相關(guān)的操作與分析，可以更好地模擬各種不同的情形和需求，從而對可能存在的風險或問題進行預(yù)演和處理，為現(xiàn)實運用夯實基礎(chǔ)。在電力自動化控制中，由于電力系統(tǒng)的穩(wěn)定與安全關(guān)系到諸多生產(chǎn)、生活領(lǐng)域的用電需求，因而必須盡可能地將問題處理在萌芽階段。仿真技術(shù)可以充分調(diào)動電力系統(tǒng)的海量數(shù)據(jù)，對特定時間或者特定范圍內(nèi)的電力設(shè)備、電力網(wǎng)絡(luò)進行數(shù)據(jù)模擬，將電力供應(yīng)過程中可能發(fā)生的電力供應(yīng)不足、起伏不定等問題進行提前預(yù)演，并模擬采取應(yīng)對策略，觀察策略實施后的具體成效以及可能存在的漏洞或者后遺癥，從而為現(xiàn)實電力供應(yīng)中快速找出問題故障位置、原因并精準應(yīng)對提供參考。

例如，在電力系統(tǒng)暫態(tài)仿真技術(shù)應(yīng)用過程中，可以有效地提高故障樣本的利用率，及時發(fā)現(xiàn)電力短路可能發(fā)生的節(jié)點，并分析出現(xiàn)短路問題的主要原因，進而在現(xiàn)實的電力系統(tǒng)管理過程中，提前設(shè)定好自動化監(jiān)測的項目和頻率，確保電力短路問題在發(fā)生前就能夠被提前感知和處置，避免出現(xiàn)短路問題后造成一定范圍內(nèi)的斷電或者電力設(shè)備受損，提前且精準地判斷電力系統(tǒng)存在的問題，使電力系統(tǒng)保持穩(wěn)定的運行狀態(tài)。該技術(shù)應(yīng)用的基本流程是“數(shù)據(jù)收集→樣本生成→算法實現(xiàn)→結(jié)果分析”，其中“算法實現(xiàn)”是核心所在，其將人工智能的機器學習方法作為不同物理模型方法的選擇依據(jù)，即實現(xiàn)“機器學習算法與物理模型方法的融合運用”（如圖2所示）。

圖2 人工智能在電力系統(tǒng)暫態(tài)問題中的應(yīng)用

3.4 系統(tǒng)數(shù)據(jù)分析技術(shù)

大數(shù)據(jù)分析和應(yīng)用是人工智能技術(shù)中的重要內(nèi)容，也是電力系統(tǒng)目前應(yīng)用較為廣泛的技術(shù)。從管理的層面來看，電力企業(yè)不僅需要建立一套相對完善的電力網(wǎng)絡(luò)系統(tǒng)，同時也需要搭建一套對電力系統(tǒng)進行實時管理和分析的組織，從而實現(xiàn)對電力系統(tǒng)運行狀態(tài)的全方位掌握。與傳統(tǒng)的電力系統(tǒng)管理相比，現(xiàn)代電力自動化控制中的數(shù)據(jù)不僅量大，而且涉及面較廣，僅僅依靠人工無法篩選出有參考價值的數(shù)據(jù)信息，更不必提對數(shù)據(jù)進行分析并應(yīng)用于具體的生產(chǎn)實踐。

同時，人工智能技術(shù)可以借助算法和學習，對電力自動化控制系統(tǒng)數(shù)據(jù)進行初步分析和模糊判斷，并對自動化控制中監(jiān)測到的數(shù)據(jù)與理想狀態(tài)下數(shù)據(jù)進行比對，從中發(fā)現(xiàn)可能存在問題或者值得注意的關(guān)鍵節(jié)點，從而為數(shù)據(jù)分析乃至電力系統(tǒng)分析提供重要的數(shù)據(jù)支撐。在具體的電力系統(tǒng)運行實踐中，人工智能技術(shù)通過實時監(jiān)測和采集運行數(shù)據(jù)，對沒有超過規(guī)定指標范圍的數(shù)據(jù)進行自動化剔除，而對于嚴重超出指標范圍的數(shù)據(jù)進行提取并預(yù)警，由技術(shù)人員對相關(guān)數(shù)據(jù)信息進行進一步分析和計算，并對重點環(huán)節(jié)、設(shè)備進行專項、定點檢測，從而為設(shè)備維修、養(yǎng)護、管理等提供技術(shù)幫助。

綜上所述，以人工智能技術(shù)驅(qū)動下的電力自動化控制，可以有效克服傳統(tǒng)人工操作和管理的問題和弊端，大幅提升電力設(shè)備監(jiān)控的質(zhì)量、效率和水平，為電力系統(tǒng)的安全、穩(wěn)定、高效運行提供更多的技術(shù)保障。無論是深度學習還是數(shù)據(jù)分析，當前的人工智能技術(shù)都還處于探索階段，相關(guān)技術(shù)的理論研究和實踐應(yīng)用都還不夠成熟，電力自動化控制還不能完全依賴人工智能技術(shù)，仍然需要技術(shù)人員進行輔助和管理，從而最大限度地保證電力系統(tǒng)的有序運轉(zhuǎn)，為電力企業(yè)的高效運行和用電終端的正常應(yīng)用提供保障。