电力系统是一个复杂多维非线性系统。电力系统的安全、自愈、绿色、坚强、
可靠运行依赖于电力系统的“大脑”——电网调控系统。该系统集电网数据采集、
存储和分析决策控制于一体,贯穿于电力的发-输-配-用各个环节,是确保电网安
全、稳定、经济运行的中枢。现有的电网调度技术支持系统在大电网侧的应用较
为成熟,量测点以及数据质量相较于配用电侧较为完善。然而,目前大电网调控
业务仍以设备监视与人工分析为主,决策、执行等环节仍需要调控人员参与主导,
更多依赖调控人员经验分析,这显然无法满足调度智能化要求。随着电网运行调
度方式日趋复杂,传统的基于机理分析与电网模型的调控方法,在处理大电网非
线性、非连续性以及预测不确定性问题时,很难达到预期效果。伴随深度学习等
人工智能技术的飞速发展,基于数据驱动方式的人工智能技术在解决上述问题方
面具有潜在的“去模型化”技术优势。
快速发展的大数据及数据存储技术为人工智能技术提供了有力支撑,海量历
史数据提供了丰富的数据样本,促使机器与深度学习等算法的快速发展和应用,
通过训练模拟各要素及参数使学习结果趋近于实际。此外快速发展的硬件技术
(包括中央处理器、图形处理器等)提升了人工智能对数据样本的学习及处理效
率,考虑到在生产运行控制大区部署以开源为主的人工智能存在安全隐患,本文
调控系统的设计思路,主要由位于生产控制大区的实时运行系统(对业务进行实
时调控,提供电网运行数据和规则经验)和位于非生产控制大区的智能学习系统
(根据数据和规程完成人工智能学习过程,提供决策建议)构成 [2]。在电网调
控中人工智能的应用功能包括:汇集和存储电网运行的多维度数据(包括设备量
测、故障告警、地理位置等),将充足的样本数据提供给后续训练学习使用;引入
非结构化的包括运行日志、相关规程、故障处置预案、知识经验等在内的文本数
据,实现知识学习和模拟功能;高性能计算架构的建立,集成中央处理器、图形
及高性能处理器,使训练学习样本数据的效率得以有效提升 ;完成人工智能算法
引擎的构建,向上层提供算法支撑与服务,使智能化分析与辅助决策得以顺利开
展。为使智能分析及决策系统得到进一步完善,作为现有调度控制系统基于机理
及物理建模分析的补充,智能学习系统基于经验规则知识和历史数据通过多种人
工智能算法的运用(包括语言处理、强化学习、知识图谱等)实现智能学习引擎
的建立,训练学习模式采用规则+数据的理解和学习,以实现对调度员思维决策
的训练模拟并为电网调控提供决策支撑。