基于人工智能的電網(wǎng)調(diào)控技術(shù)研究與分析

盧君波 李小敏

摘要：人工智能在電力系統(tǒng)中電網(wǎng)調(diào)控運(yùn)行及決策過程中占據(jù)核心地位，屬于綜合性決策控制模式的一種，涵蓋專業(yè)經(jīng)驗(yàn)、數(shù)據(jù)和機(jī)理分析、運(yùn)行規(guī)程等，文章主要對(duì)基于人工智能的電網(wǎng)調(diào)控技術(shù)進(jìn)行了研究，在對(duì)人工智能特點(diǎn)、電網(wǎng)調(diào)控運(yùn)行需求進(jìn)行分析的基礎(chǔ)上，提出了一種調(diào)度控制系統(tǒng)的設(shè)計(jì)方案，闡述了系統(tǒng)的總體架構(gòu)及核心功能，并分析了大數(shù)據(jù)的高性能計(jì)算與調(diào)控、電網(wǎng)預(yù)測(cè)及辨識(shí)、智能輔助決策等的關(guān)鍵實(shí)現(xiàn)技術(shù)。

關(guān)鍵詞：人工智能;深度學(xué)習(xí);電網(wǎng)調(diào)控技術(shù);調(diào)控人數(shù)據(jù)

中圖分類號(hào)：TM73;TP18文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-5922（2019）11-0178-04

快速發(fā)展的社會(huì)經(jīng)濟(jì)的用電需求不斷提升，促使了電網(wǎng)規(guī)模不斷擴(kuò)大，傳統(tǒng)的電網(wǎng)調(diào)度支持系統(tǒng)已難以滿足現(xiàn)代智能電網(wǎng)的調(diào)控需求，為順應(yīng)未來電網(wǎng)發(fā)展趨勢(shì)，需通過現(xiàn)代智能技術(shù)的使用實(shí)現(xiàn)調(diào)度支持系統(tǒng)性能的有效提高。近年來，隨著人工智能技術(shù)逐漸走向主流，尤其是基于機(jī)器和深度學(xué)習(xí)的智能技術(shù)的應(yīng)用逐漸受到了各行各業(yè)的廣泛關(guān)注，成為研究的重點(diǎn)之一，新一代基于大數(shù)據(jù)的人工智能系統(tǒng)綜合了類腦智能機(jī)理，人工智能技術(shù)作為一種綜合性技術(shù)主要以高性能計(jì)算、機(jī)器及深度學(xué)習(xí)作為支撐技術(shù)，使人工智能具備了強(qiáng)大計(jì)算能力、豐富的訓(xùn)練樣本、高質(zhì)量的學(xué)習(xí)模型及算法。

1現(xiàn)狀分析

電力調(diào)度控制中心作為指揮中樞包含了海量數(shù)據(jù)、規(guī)則、專家經(jīng)驗(yàn)，傳統(tǒng)調(diào)度控制大多依靠實(shí)際工作經(jīng)驗(yàn)和人工分析方法，隨著調(diào)控中心數(shù)據(jù)種類及數(shù)量的不斷增多導(dǎo)致方案間缺乏邏輯模型，需調(diào)控人員具備豐富的知識(shí)關(guān)聯(lián)經(jīng)驗(yàn)，增加工作量的同時(shí)阻礙了自動(dòng)化及智能化水平的提高，因此在電網(wǎng)調(diào)控領(lǐng)域應(yīng)用人工智能有利于：①實(shí)現(xiàn)電網(wǎng)特性及行為的分析，廣泛應(yīng)用的新能源及分布式電源增加了電網(wǎng)運(yùn)行及用戶用電行為的不確定性，傳統(tǒng)的物理建模方法（即基于物理系統(tǒng)的數(shù)學(xué)建模）難以對(duì)當(dāng)前電網(wǎng)形態(tài)（如電動(dòng)汽車、屋頂光伏）的單體進(jìn)行建模分析，而通過機(jī)器學(xué)習(xí)能夠針對(duì)電網(wǎng)整體特性以海量歷史數(shù)據(jù)為依據(jù)完成聚類分析過程，包括對(duì)用戶用電行為進(jìn)行評(píng)估和預(yù)測(cè)以提高負(fù)荷預(yù)測(cè)準(zhǔn)確度，為確保電網(wǎng)的實(shí)時(shí)平衡提供支撐。②學(xué)習(xí)和模擬調(diào)控知識(shí)經(jīng)驗(yàn)，包括設(shè)備檢修、故障處置等在內(nèi)的日常調(diào)度操作通常有固定的以積累的調(diào)控運(yùn)行經(jīng)驗(yàn)和知識(shí)為主的規(guī)程，在實(shí)際操作處置過程在重復(fù)性較高。通過人工智能技術(shù)（知識(shí)圖譜等）可使學(xué)習(xí)和模擬規(guī)程、經(jīng)驗(yàn)及其到調(diào)度控制分析軟件中的嵌入過程得以有效實(shí)現(xiàn)。

2基于人工智能的調(diào)度控制系統(tǒng)的設(shè)計(jì)

未來電網(wǎng)調(diào)度控制系統(tǒng)的算法設(shè)計(jì)需在確定機(jī)理模型的基礎(chǔ)上，需有效融合預(yù)測(cè)辨識(shí)功能（以數(shù)據(jù)驅(qū)動(dòng)為特征）與調(diào)控運(yùn)行專業(yè)知識(shí)，結(jié)合物理建模和數(shù)據(jù)驅(qū)動(dòng)的方式形成知識(shí)引導(dǎo)。本文主要構(gòu)建了基于人工智能的調(diào)度控制框架。

2.1功能設(shè)計(jì)

快速發(fā)展的大數(shù)據(jù)及數(shù)據(jù)存儲(chǔ)技術(shù)為人工智能技術(shù)提供了有力支撐，海量歷史數(shù)據(jù)提供了豐富的數(shù)據(jù)樣本，促使機(jī)器與深度學(xué)習(xí)等算法的快速發(fā)展和應(yīng)用，通過訓(xùn)練模擬各要素及參數(shù)使學(xué)習(xí)結(jié)果趨近于實(shí)際。此外快速發(fā)展的硬件技術(shù)（包括中央處理器、圖形處理器等）提升了人工智能對(duì)數(shù)據(jù)樣本的學(xué)習(xí)及處理效率，考慮到在生產(chǎn)運(yùn)行控制大區(qū)部署以開源為主的人工智能存在安全隱患，本文調(diào)控系統(tǒng)的設(shè)計(jì)思路如圖1所示，主要由位于生產(chǎn)控制大區(qū)的實(shí)時(shí)運(yùn)行系統(tǒng)（對(duì)業(yè)務(wù)進(jìn)行實(shí)時(shí)調(diào)控，提供電網(wǎng)運(yùn)行數(shù)據(jù)和規(guī)則經(jīng)驗(yàn)）和位于非生產(chǎn)控制大區(qū)的智能學(xué)習(xí)系統(tǒng)（根據(jù)數(shù)據(jù)和規(guī)程完成人工智能學(xué)習(xí)過程，提供決策建議）構(gòu)成。在電網(wǎng)調(diào)控中人工智能的應(yīng)用功能包括：匯集和存儲(chǔ)電網(wǎng)運(yùn)行的多維度數(shù)據(jù)（包括設(shè)備量測(cè)、故障告警、地理位置等），將充足的樣本數(shù)據(jù)提供給后續(xù)訓(xùn)練學(xué)習(xí)使用;引入非結(jié)構(gòu)化的包括運(yùn)行日志、相關(guān)規(guī)程、故障處置預(yù)案、知識(shí)經(jīng)驗(yàn)等在內(nèi)的文本數(shù)據(jù)，實(shí)現(xiàn)知識(shí)學(xué)習(xí)和模擬功能;高性能計(jì)算架構(gòu)的建立，集成中央處理器、圖形及高性能處理器，使訓(xùn)練學(xué)習(xí)樣本數(shù)據(jù)的效率得以有效提升;完成人工智能算法引擎的構(gòu)建，向上層提供算法支撐與服務(wù)，使智能化分析與輔助決策得以順利開展。為使智能分析及決策系統(tǒng)得到進(jìn)一步完善，作為現(xiàn)有調(diào)度控制系統(tǒng)基于機(jī)理及物理建模分析的補(bǔ)充，智能學(xué)習(xí)系統(tǒng)基于經(jīng)驗(yàn)規(guī)則知識(shí)和歷史數(shù)據(jù)通過多種人工智能算法的運(yùn)用（包括語(yǔ)言處理、強(qiáng)化學(xué)習(xí)、知識(shí)圖譜等）實(shí)現(xiàn)智能學(xué)習(xí)引擎白勺建立，訓(xùn)練學(xué)習(xí)模式采用規(guī)則+數(shù)據(jù)的理解和學(xué)習(xí)，以實(shí)現(xiàn)對(duì)調(diào)度員思維決策的訓(xùn)練模擬并為電網(wǎng)調(diào)控提供決策支撐。例如，調(diào)度控制系統(tǒng)在電網(wǎng)出現(xiàn)故障時(shí)，以故障所造成影響的輕重程度為依據(jù)將其劃分為重要和次要事件并給出故障處置任務(wù)列表（具有優(yōu)先級(jí)），可根據(jù)相關(guān)規(guī)程、故障預(yù)案等進(jìn)行學(xué)習(xí)，故障后則需通過在線安全分析完成評(píng)估電網(wǎng)運(yùn)行狀態(tài)及辨別潛在風(fēng)險(xiǎn)功能，顯著提高了故障處置的智能化水平。

2.2系統(tǒng)總體架構(gòu)設(shè)計(jì)

本文所設(shè)計(jì)的電網(wǎng)調(diào)控系統(tǒng)總體架構(gòu)如圖2所示，針對(duì)海量數(shù)據(jù)和多層級(jí)網(wǎng)絡(luò)參數(shù)，由CPU、GPU、TPU等混合架構(gòu)構(gòu)成強(qiáng)大計(jì)算能力的計(jì)算集群可顯著顯著縮短訓(xùn)練學(xué)習(xí)時(shí)間，以供機(jī)器和深度學(xué)習(xí)使用;各類結(jié)構(gòu)/非結(jié)構(gòu)化數(shù)據(jù)（口碑運(yùn)行數(shù)據(jù)、外部環(huán)境數(shù)據(jù)以及管理數(shù)據(jù)等）主要由數(shù)據(jù)匯集層進(jìn)行匯集并形成調(diào)度大數(shù)據(jù)平臺(tái)，以供上層分析使用;基于數(shù)據(jù)匯集的數(shù)據(jù)管理主要負(fù)責(zé)存儲(chǔ)和統(tǒng)一訪問相關(guān)數(shù)據(jù)，數(shù)據(jù)存儲(chǔ)方式根據(jù)數(shù)據(jù)結(jié)構(gòu)及采樣頻率確定，提供統(tǒng)一的數(shù)據(jù)訪問服務(wù);相關(guān)文本、日志由知識(shí)庫(kù)層采用自然語(yǔ)言處理技術(shù)進(jìn)行學(xué)習(xí)和理解（以調(diào)度規(guī)程、運(yùn)行經(jīng)驗(yàn)為依據(jù)），并據(jù)此形成知識(shí)化表達(dá)的規(guī)則庫(kù);算法引擎層根據(jù)實(shí)際需要通過對(duì)各類算法（包括聚類分析、知識(shí)圖譜等）的封裝實(shí)現(xiàn)將統(tǒng)一的算法引擎提供給上層應(yīng)用。業(yè)務(wù)場(chǎng)景層主要包括包括：①態(tài)勢(shì)感知，包括負(fù)荷預(yù)測(cè)、故障預(yù)測(cè)、安全評(píng)估、用電行為分析等，融合了數(shù)據(jù)驅(qū)動(dòng)和物理建模方法，基于大量豐富的存儲(chǔ)周期較長(zhǎng)的歷史樣本數(shù)據(jù)采用人工智能算法完成訓(xùn)練分析過程，從而顯著提升預(yù)測(cè)準(zhǔn)確度。②智能決策，包括設(shè)備過載、故障及檢修操作等輔助決策，基于物理模型通過調(diào)度規(guī)程、處置預(yù)案、知識(shí)經(jīng)驗(yàn)等的有效融合實(shí)現(xiàn)所提供策略實(shí)用化程度的有效提高，更好的滿足調(diào)度運(yùn)行需求，如斷面過載時(shí)，調(diào)度實(shí)際運(yùn)行通過幾臺(tái)或一組機(jī)組（靈敏度相近）的選擇微調(diào)出力，兼顧了公平和效率;線路故障跳閘后，根據(jù)電網(wǎng)實(shí)際故障信號(hào)通過學(xué)習(xí)故障處置規(guī)程給出線路試送與否的建議，從而顯著降低處置工作量。③調(diào)度助手，簡(jiǎn)化了日常調(diào)度操作過程，如使用語(yǔ)音結(jié)合智能檢索調(diào)閱所需系統(tǒng)畫面，實(shí)現(xiàn)實(shí)時(shí)查詢和動(dòng)態(tài)曲線及關(guān)鍵信息展示功能（如查詢某設(shè)備的過載情況、系統(tǒng)越限告警數(shù)據(jù)）。

3核心功能的關(guān)鍵支撐技術(shù)分析

3.1大數(shù)據(jù)計(jì)算與調(diào)控技術(shù)

深度學(xué)習(xí)需基于大量數(shù)據(jù)及較高的計(jì)算能力，在電網(wǎng)調(diào)控領(lǐng)域優(yōu)于深度學(xué)習(xí)的最大挑戰(zhàn)在于計(jì)算力，為滿足不同業(yè)務(wù)場(chǎng)景及深度學(xué)習(xí)算法的應(yīng)用需求，需融合網(wǎng)絡(luò)資源、不斷完善的芯片技術(shù)（包括CPU、GPU、TPU等）、服務(wù)器、存儲(chǔ)器逐步完成軟件定義的HPC及適應(yīng)調(diào)控系統(tǒng)的計(jì)算架構(gòu)的構(gòu)建，從而顯著提升各類業(yè)務(wù)場(chǎng)景計(jì)算能力。訓(xùn)練樣本數(shù)據(jù)是基于大數(shù)據(jù)技術(shù)的人工智能算法（尤其是數(shù)據(jù)驅(qū)動(dòng)的機(jī)器與深度學(xué)習(xí)算法）的不可或缺的環(huán)節(jié)，要求數(shù)據(jù)全面完整。提高調(diào)控大數(shù)據(jù)平臺(tái)處理（包括匯集、清洗、關(guān)聯(lián)整合等）系統(tǒng)中的分散數(shù)據(jù)，將豐富的訓(xùn)練樣本提供給后續(xù)業(yè)務(wù)場(chǎng)景。面向廣域時(shí)空數(shù)據(jù)的調(diào)控大數(shù)據(jù)包括設(shè)備模型參數(shù)、地理位置、PMU、氣象環(huán)境、電量、用戶等，包括能量管理、配電管理、GIS、調(diào)度及生產(chǎn)管理、設(shè)備監(jiān)測(cè)等系統(tǒng)。調(diào)控大數(shù)據(jù)匯集和存儲(chǔ)技術(shù)的考慮重點(diǎn)在于：①數(shù)據(jù)匯集，根據(jù)不同來源系統(tǒng)及不同結(jié)構(gòu)的數(shù)據(jù)設(shè)計(jì)多種抽取和匯集方式，將常規(guī)數(shù)據(jù)接人方式（包括傳輸協(xié)議、數(shù)據(jù)庫(kù)連接、消息隊(duì)列等）同大數(shù)據(jù)的Sqoop、Flume等方式相結(jié)合實(shí)現(xiàn)數(shù)據(jù)全量抽取，再采用校驗(yàn)規(guī)則引擎清洗和標(biāo)準(zhǔn)化處理數(shù)據(jù)。②數(shù)據(jù)存儲(chǔ)，為提供統(tǒng)一的對(duì)外數(shù)據(jù)服務(wù)，根據(jù)不同數(shù)據(jù)結(jié)構(gòu)的特點(diǎn)采用不同的存儲(chǔ)模式，主要包括分布式文件存儲(chǔ)、關(guān)系型數(shù)據(jù)庫(kù)（主要存儲(chǔ)靜態(tài)模型參數(shù)）、列式數(shù)據(jù)庫(kù)（主要存儲(chǔ)歷史數(shù)據(jù)）、內(nèi)存數(shù)據(jù)庫(kù)（處理實(shí)時(shí)數(shù)據(jù)）、時(shí)序數(shù)據(jù)庫(kù)（同步相量測(cè)量時(shí)標(biāo)數(shù)據(jù)）。③數(shù)據(jù)關(guān)聯(lián)，針對(duì)來源不同的數(shù)據(jù)使用外鍵、引用等方式實(shí)現(xiàn)不同數(shù)據(jù)的關(guān)聯(lián)，為后續(xù)分析提供數(shù)據(jù)支撐。

3.2基于知識(shí)譜圖的智能輔助決策技術(shù)

對(duì)于以往的經(jīng)驗(yàn)型調(diào)度模式所形成的基于運(yùn)行經(jīng)驗(yàn)和知識(shí)積累的預(yù)案規(guī)程，使用人工智能進(jìn)行訓(xùn)練學(xué)習(xí)后可顯著較少重復(fù)性、固定化的操作過程、提升智能水平，作為一種基于圖的數(shù)據(jù)結(jié)構(gòu)的知識(shí)圖譜具備檢索、推理及分析功能優(yōu)勢(shì)，可有效描述知識(shí)間的關(guān)系，可作為規(guī)則知識(shí)的推理分析引擎，適用于推理和分析調(diào)度規(guī)則知識(shí)，電網(wǎng)調(diào)控知識(shí)圖譜主要包括：知識(shí)提取，根據(jù)電網(wǎng)調(diào)度的文本用語(yǔ)特點(diǎn)采用調(diào)度專業(yè)詞語(yǔ)完成語(yǔ)料庫(kù)和語(yǔ)義模型的建立，再對(duì)文本數(shù)據(jù)使用自然語(yǔ)言處理技術(shù)進(jìn)行信息抽取形成機(jī)器語(yǔ)言;知識(shí)表現(xiàn)，通過知識(shí)圖譜（即將抽取的信息建立多層級(jí)關(guān)聯(lián)關(guān)系）對(duì)知識(shí)間的關(guān)系進(jìn)行描述，采用圖數(shù)據(jù)庫(kù)存儲(chǔ)知識(shí)語(yǔ)義網(wǎng)絡(luò);知識(shí)計(jì)算，使用相關(guān)檢索和推理方法獲取知識(shí)的相關(guān)信息，據(jù)此提供輔助決策。以故障處置預(yù)案知識(shí)圖譜為例，先對(duì)故障預(yù)案文本進(jìn)行學(xué)習(xí)，抽取得到預(yù)想故障設(shè)備名稱、故障后運(yùn)行及處置方式等信息并建立知識(shí)圖譜，實(shí)際發(fā)生故障時(shí)可聯(lián)動(dòng)觸發(fā)圖譜查詢（通過智能告警）并給出處置預(yù)案，通過知識(shí)推理服務(wù)的調(diào)用獲取故障后的相關(guān)信息，故障發(fā)生后調(diào)控系統(tǒng)自動(dòng)給出故障處置任務(wù)列表（以知識(shí)推理和電網(wǎng)實(shí)時(shí)狀態(tài)為依據(jù)）和關(guān)鍵信息，結(jié)合實(shí)時(shí)量測(cè)和在線輔助決策功能獲取輔助決策，通過人工進(jìn)一步確認(rèn)后通過自動(dòng)發(fā)電及電壓控制等完成相關(guān)操作（如故障后方式調(diào)整、恢復(fù)送電等）;對(duì)于設(shè)備檢修操作可對(duì)操作票模板、檢修操作規(guī)程使用深度學(xué)習(xí)技術(shù)，經(jīng)人工確認(rèn)即可完成設(shè)備檢修操作（采用順控方式）。在穩(wěn)定斷面智能限額方面，隨著電網(wǎng)運(yùn)行描述標(biāo)準(zhǔn)規(guī)范的不斷完善，有利于通過自然語(yǔ)言處理技術(shù)獲取電網(wǎng)運(yùn)行同斷面限額的關(guān)系，以便動(dòng)態(tài)更新斷面穩(wěn)定限額的。此外還需不斷學(xué)習(xí)模擬調(diào)度操作行為，研究調(diào)控操作行為畫像技術(shù)，自動(dòng)記錄相關(guān)操作內(nèi)容并進(jìn)行標(biāo)簽化處理，然后對(duì)上述調(diào)度操作行為進(jìn)行學(xué)習(xí)（運(yùn)用深度神經(jīng)網(wǎng)絡(luò)、協(xié)同過濾等技術(shù)），實(shí)現(xiàn)類似事件出現(xiàn)后處置策略的自動(dòng)推送。

3.3電網(wǎng)預(yù)測(cè)技術(shù)及調(diào)度智能助手技術(shù)

借助人工算法及調(diào)控大數(shù)據(jù)功能，通過學(xué)習(xí)訓(xùn)練樣本數(shù)據(jù)實(shí)現(xiàn)未來趨勢(shì)的預(yù)測(cè)，考慮到可再生能源易受天氣條件影響，可基于調(diào)控大數(shù)據(jù)通過集成學(xué)習(xí)、條件變分編碼器深度置信網(wǎng)絡(luò)等技術(shù)及自主學(xué)習(xí)方式（無監(jiān)督伴監(jiān)督）的使用及多種預(yù)測(cè)模型和算法的整合，完成數(shù)據(jù)內(nèi)部規(guī)律及多因素間耦合關(guān)聯(lián)關(guān)系的分析和獲取，提高可再生能源的預(yù)測(cè)精度，據(jù)此實(shí)現(xiàn)預(yù)測(cè)功能。地區(qū)電網(wǎng)隨著大量分布式電源的接人及源荷雙重特性設(shè)備的增加，需進(jìn)一步完善循環(huán)神經(jīng)網(wǎng)絡(luò)、長(zhǎng)短期記憶等算法的應(yīng)用效果，建立綜合性的預(yù)測(cè)模型和算法對(duì)各類因素進(jìn)行學(xué)習(xí)和模擬，以滿足電網(wǎng)負(fù)荷預(yù)測(cè)需求，例如，引起設(shè)備故障跳閘的原因包括電網(wǎng)設(shè)備老損、外部氣象環(huán)境破壞等，需根據(jù)設(shè)備歷史故障跳閘事件、外部氣象環(huán)境等相關(guān)信息完成設(shè)備狀態(tài)評(píng)估模型（基于自學(xué)習(xí)）的建立，通過訓(xùn)練學(xué)習(xí)樣本數(shù)據(jù)獲取跳閘的潛在主導(dǎo)因素及規(guī)律，結(jié)合評(píng)估方法提高故障跳閘風(fēng)險(xiǎn)辨識(shí)的準(zhǔn)確度。

通過應(yīng)用虛擬現(xiàn)實(shí)、語(yǔ)音識(shí)別等技術(shù)可使調(diào)控系統(tǒng)的人機(jī)交互性能得以顯著提升，實(shí)現(xiàn)以語(yǔ)音交互為特征的智能助手功能，包含觸屏控制、人臉/語(yǔ)音識(shí)別等多種交互方式，通過將強(qiáng)大搜索引擎配備到系統(tǒng)服務(wù)端實(shí)現(xiàn)使用語(yǔ)音、鍵盤輸入相關(guān)內(nèi)容，搜索、抽取、加工、分析和自動(dòng)統(tǒng)計(jì)系統(tǒng)中的各類數(shù)據(jù)（包括原始數(shù)據(jù)、相關(guān)規(guī)程、計(jì)算結(jié)果等），進(jìn)一步提升交互方式的智能化水平。搜索引擎根據(jù)服務(wù)對(duì)象的種類可部署在本地（為本地調(diào)控人員提供搜索服務(wù)）或云端（可為全網(wǎng)提供搜索服務(wù)）。展示方式的，針對(duì)電網(wǎng)各場(chǎng)景通過使用虛擬現(xiàn)實(shí)技術(shù)豐富的可視化的展示效果，采用自動(dòng)構(gòu)圖技術(shù)實(shí)現(xiàn)面向多場(chǎng)景圖形（如電氣分區(qū)圖、停電區(qū)域圖、供電路徑圖、潮流圖自動(dòng)生成等）的自動(dòng)形成。

4結(jié)語(yǔ)

快速發(fā)展的基于深度學(xué)習(xí)的人工智能技術(shù)的主要特征在于數(shù)據(jù)驅(qū)動(dòng)、知識(shí)引導(dǎo)，隨著電網(wǎng)管理對(duì)現(xiàn)代化及智能化發(fā)展需求的不斷提高，在新一代電網(wǎng)調(diào)度控制技術(shù)中有效融合人工智能技術(shù)將是未來技術(shù)的主流發(fā)展方向，本文針對(duì)電網(wǎng)調(diào)控運(yùn)行業(yè)務(wù)場(chǎng)景對(duì)人工智能技術(shù)的可應(yīng)用場(chǎng)景進(jìn)行了初步的探索和分析，完成了電網(wǎng)調(diào)控系統(tǒng)總體框架的構(gòu)建及核心功能的設(shè)計(jì)，闡述了場(chǎng)景實(shí)現(xiàn)鎖足的關(guān)鍵技術(shù)，為推動(dòng)餐廳以物理建模為主的電網(wǎng)調(diào)度分析決策過程向綜合運(yùn)用物理建模及數(shù)據(jù)驅(qū)動(dòng)方式的轉(zhuǎn)變提高參考。