人工智能在電力系統(tǒng)中的應(yīng)用與發(fā)展

陳明　梁宇鵬

摘? 要：人工智能是研究和開發(fā)人類智能的理論、方法、技術(shù)和應(yīng)用系統(tǒng)的新興技術(shù)。深度學(xué)習(xí)是一種分層的神經(jīng)網(wǎng)絡(luò)，其原理是將多個層次的神經(jīng)網(wǎng)絡(luò)進(jìn)行分層訓(xùn)練，即將該層次的輸出作為下一層次地輸入，從而達(dá)到分層表示的目的;隨著電力系統(tǒng)信息化、智能化的發(fā)展，其積累的信息量也日益龐大，且具有復(fù)雜的信息維度，傳統(tǒng)的人工智能淺層學(xué)習(xí)方法在線性和非線性模式上表現(xiàn)的局限性，無法將數(shù)據(jù)信息完整地呈現(xiàn)出來。

關(guān)鍵詞：電力系統(tǒng);人工智能;技術(shù)發(fā)展

1.電力系統(tǒng)中的人工智能

1.1電網(wǎng)無功電壓的智能化與控制

由于電網(wǎng)的復(fù)雜性、非線性、模糊性和對實時性的要求，使得電網(wǎng)的電壓無功控制在某些方面難以用傳統(tǒng)的數(shù)學(xué)模型來進(jìn)行，而人工智能也逐漸成為解決這些問題的關(guān)鍵。專家系統(tǒng)是一種發(fā)展較早、成熟度較高的人工智能技術(shù)，它是一種以知識庫和推理機(jī)制為基礎(chǔ)的計算機(jī)程序，它是一種以專家為基礎(chǔ)的方法來解決問題的方法。

在無功電壓控制中，專家系統(tǒng)的典型運用就是將已有的無功控制經(jīng)驗用計算法則表示，以形成一個知識庫，以供專家系統(tǒng)參考，當(dāng)遇到實際問題時，利用該知識庫對無功電壓進(jìn)行實時測量，從而得出電壓調(diào)整的控制方法。本系統(tǒng)通過對PV節(jié)點電壓、變壓器分接頭、并聯(lián)電容等進(jìn)行調(diào)整，針對不同的參數(shù)，采取相應(yīng)的控制措施，對相應(yīng)的電壓進(jìn)行敏感性和控制余量的選擇，從而對電網(wǎng)的異常電壓進(jìn)行精確的校正。

ANN是一種以生物神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，通過仿真大腦的神經(jīng)來進(jìn)行復(fù)雜信息處理的模式，通過大量的人工神經(jīng)元通過特定的方法將其串聯(lián)起來，從而使ANN具有復(fù)雜的非線性特征，與ES相比，ANN具有更強(qiáng)的容錯能力、更大的信息分布、更大的學(xué)習(xí)能力和執(zhí)行速度，因此在無功電壓控制中有很大的應(yīng)用前景。在無功電壓控制中，一階ANN用來探測系統(tǒng)中的無功電壓是否超出極限，二階ANN則提供一種處理策略，當(dāng)無功電壓出現(xiàn)波動時，它可以快速地進(jìn)行檢測和響應(yīng)，從而加快采樣的收斂。在實際應(yīng)用中，建立了一種基于前向網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)，它的輸入由主變壓器的有功無功、高壓側(cè)和低壓側(cè)的實時電壓等組成，并將其輸出，其中包含并聯(lián)電容器的切換狀態(tài)和主變壓器的分接位置，并將歷史數(shù)據(jù)作為人工智能的培訓(xùn)樣本。當(dāng)然，也存在著諸如FT、GA之類的人工智能技術(shù)，但是由于目前的研究還不夠深入，因此大多將其與ANN結(jié)合起來。

1.2電力調(diào)度與人工智能

電力調(diào)度是指根據(jù)電力負(fù)荷變化，對電網(wǎng)潮流進(jìn)行管理的一種工作，其主要目標(biāo)是確保電網(wǎng)的安全、確保用戶的供電可靠性和經(jīng)濟(jì)效益。在滿足網(wǎng)絡(luò)運行限制的情況下，人工智能可以根據(jù)調(diào)度目標(biāo)來確定優(yōu)化調(diào)度方案，包括機(jī)組組合優(yōu)化和機(jī)組調(diào)度優(yōu)化。在機(jī)組組合優(yōu)化上，其目標(biāo)是在電網(wǎng)條件下，根據(jù)電網(wǎng)的限制，確定最佳的投切方式，以降低投資和增加經(jīng)濟(jì)效益。

專家系統(tǒng)最初是用于求解電力系統(tǒng)的調(diào)度問題，但是由于機(jī)組的組合優(yōu)化問題日益復(fù)雜，本文將專家系統(tǒng)和PSO算法結(jié)合起來，構(gòu)造了一個雙層機(jī)組的組合優(yōu)化模型。在考慮其他可再生能源的接入條件時，利用非參數(shù)神經(jīng)網(wǎng)絡(luò)對風(fēng)力發(fā)電等能源產(chǎn)生的不確定性進(jìn)行定量預(yù)測，并與蒙特卡洛法相結(jié)合，將其歸類為安全約束的組合優(yōu)化模型，并利用遺傳算法求解出最優(yōu)解。目前比較流行的是將可再生能源與電力網(wǎng)相結(jié)合的ANN-GA智能調(diào)度機(jī)制，該方案通過ANN訓(xùn)練，學(xué)習(xí)滿足需要的能量管理模式，并通過GA的優(yōu)化流程，使“高峰期”的能量消耗達(dá)到最低，太陽能、風(fēng)能等可再生資源得到最大化，同時也可以減少對電力的依賴。在充分考慮可再生能源的隨機(jī)、無序特性的前提下，采用分散式儲能技術(shù)是解決能源系統(tǒng)能量不確定特性的最優(yōu)選擇。

目前，利用人工智能技術(shù)可以對電網(wǎng)的實時運行狀態(tài)進(jìn)行監(jiān)測和存儲，根據(jù)電網(wǎng)的具體數(shù)據(jù)，制定更加經(jīng)濟(jì)合理的供電方式，根據(jù)電網(wǎng)的實際情況和電力需求，合理地安排電網(wǎng)的供電設(shè)施，從而達(dá)到對電網(wǎng)設(shè)備的合理利用，為電網(wǎng)的非必要的損耗和節(jié)能改造提供參考。

1.3電力市場與人工智能

電力市場的變化使得電網(wǎng)的優(yōu)化決策越來越復(fù)雜，而人工智能技術(shù)在電網(wǎng)中的應(yīng)用也越來越廣泛。

在配電端，利用人工智能技術(shù)對配電系統(tǒng)進(jìn)行監(jiān)測，可以使數(shù)據(jù)采集更為精確、高效，同時還可以實現(xiàn)遠(yuǎn)程抄表、自動報告，并通過對電費進(jìn)行有效的評估和管理。

在用電方面，由于智能電表的廣泛使用，以及智能服務(wù)機(jī)器人的廣泛使用，許多用戶都在不知不覺中開始享受到了人工智能的好處。傳統(tǒng)的人工客服無法完全滿足每個人的需求，而將語音識別、語義理解、自然語言處理等技術(shù)整合到智能客服機(jī)器人中，對以往客戶的來電進(jìn)行語義挖掘，建立一個24小時的實時、準(zhǔn)確的語言服務(wù)，效果非常好。

1.4智能化與生產(chǎn)安全控制

隨著智能化技術(shù)在電網(wǎng)中的應(yīng)用，電力生產(chǎn)的安全控制也逐漸向智能化方向發(fā)展。在人身安全管理中，通過人臉識別、光學(xué)字符識別等技術(shù)，對作業(yè)人員進(jìn)行身份認(rèn)證、工作信息采集、自動巡視等，為企業(yè)提供有效的安全監(jiān)控服務(wù)。設(shè)備的安全性，將會涉及到大量的整流和變頻裝置，其中的諧波會對電網(wǎng)造成很大的傷害，利用人工智能技術(shù)建立設(shè)備的可視化，對設(shè)備的運行狀況進(jìn)行智能的評價，對設(shè)備的運行狀況進(jìn)行智能的分析，對設(shè)備的性能進(jìn)行分析，從而對電網(wǎng)的諧波進(jìn)行實時監(jiān)測，從而對電網(wǎng)中的各種危險進(jìn)行預(yù)警，從而大大降低因故障造成的電網(wǎng)故障。

1.5智能化和維護(hù)

隨著用電量的增加和信息化的發(fā)展，電網(wǎng)中經(jīng)常發(fā)生的斷電維修是不能容忍的，所以，帶電作業(yè)成了供電部門不可或缺的一種方式。

人工智能技術(shù)也顯示出其自身的優(yōu)勢。在巡檢過程中，利用巡檢機(jī)器人、無人機(jī)、直升機(jī)、固定攝像頭等手段對巡檢圖像進(jìn)行檢測，建立了典型缺陷的樣本庫，并利用視頻處理、圖像識別、深度學(xué)習(xí)等技術(shù)，建立了一套智能的巡檢系統(tǒng)。當(dāng)發(fā)現(xiàn)有問題時，必須進(jìn)行帶電作業(yè)，并利用三維環(huán)境重構(gòu)、運動控制、視覺識別等技術(shù)，自動識別引線位置、自動抓取、剝線、穿線、點火等。采用智能化帶電操作，可以有效地避免傳統(tǒng)帶電操作帶來的人身安全隱患，極大地減少了工作強(qiáng)度，提高了工作質(zhì)量。

2.人工智能存在的缺陷

（1）大部分智能體在進(jìn)行問題分析時，往往沒有建立清晰的系統(tǒng)模型，沒有將計算與實體系統(tǒng)進(jìn)行關(guān)聯(lián)，運算過程不透明，從而導(dǎo)致了算法的不可解釋性、缺少用戶可交互性和操作性。

（2）人工智能的穩(wěn)定性很差，很容易做出錯誤的判斷，而且涉及到國家和人民生活的方方面面，對精度的要求也很高，因此很多人工智能應(yīng)用還處于試驗階段，還需要進(jìn)一步的改進(jìn)。

（3）人工智能的基礎(chǔ)是學(xué)習(xí)，它需要大量的數(shù)據(jù)，大量的數(shù)據(jù)會讓人工智能的運算變得更加復(fù)雜，當(dāng)大量的數(shù)據(jù)被用于分析問題時，很容易出現(xiàn)錯誤。

結(jié)語

雖然人工智能技術(shù)還處于起步階段，很多方面還不夠成熟，但是它的發(fā)展空間很大。在算法上，它采用了深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等先進(jìn)的算法，并將專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模糊理論等人工智能技術(shù)融合在一起，使得機(jī)器人擁有了獨立的行為能力，而不需要按照特定的步驟進(jìn)行操作，可以自主學(xué)習(xí)，從而達(dá)到人類的智能。隨著人工智能理論的不斷發(fā)展，它必將在電力系統(tǒng)和其他重要領(lǐng)域中扮演越來越重要的角色。

參考文獻(xiàn)

[1]楊瑩、張向聰、王磊、孫元.基于人工智能的計算機(jī)視覺技術(shù)在電力系統(tǒng)中的應(yīng)用.

[2]杜晟瑋.電力系統(tǒng)中的人工智能應(yīng)用及發(fā)展.人民出版社，2021，36（09）

[3]鐘業(yè)榮.基于人工智能的電力系統(tǒng)的研究.電力設(shè)備管理，2021（05）