基于调控数据分析的电网调控人工智能关键技术研究

基于调控数据分析的电网调控人工智能关键技术研究

董海清

（国网江西省电力有限公司德兴市供电分公司 江西 德兴 334200）

摘要：本文主要围绕新型电力系统调控的需求开展了电网调控人工智能平台的总体架构设计，在此基础上开展了面向新型电力系统的电网调控领域人工智能关键支撑技术研究，提升了新型电力系统调度的智能化水平。

关键词：调控数据；电网；人工智能

1 电网调控人工智能总体架构设计

基于调控云平台提供的基础资源池、电网模型及运行数据、平台公共组件及应用服务、大数据平台等基础平台支撑能力，搭建人工智能引擎，建立电网调控领域的人工智能模型、样本、算法及服务，提供一站式数据探索、特征工程、模型开发、模型训练、模型评估、模型管理、模型发布的机器学习全流程平台支撑能力，同时融合算力共享、算法管理、资源调度、流程监控、图形交互等平台管理功能，提供基础框架、训练平台、计算机视觉、语音识别等AI基础能力，实现调控业务应用快速开发与上线，构建电网调控领域的人工智能应用生态。

人工智能平台是对调控云更深层次的探索和挖掘，其高度依赖于调控云平台基础设施层提供的基础资源(CPU、内存等)、平台资源(平台公共组件)及大数据平台丰富的数据资源等，构建核心组件层和AI服务层，为AI应用提供模型、服务等支撑，实现人工智能平台与调控云平台之间的深度融合与互动。首先调控云基础设施层(IaaS层)为人工智能平台的算力、训练等提供基础软硬件资源。其次，调控云PaaS层丰富的公共组件(消息总线、服务总线等)为人工智能平台提供平台支撑，实现对人工智能相关服务的监视管理及消息的传输。最后，调控云大数据平台丰富的数据资源为人工智能的样本训练等提供数据支撑。

人工智能基础支撑能力数据流涉及数据接入、数据分类、数据存储、样本库、人工智能服务、接口服务、反馈优化等环节。

数据接入包括调度、运检、营销、其他等各业务系统及外部数据接入调控云平台。

对接入的各类型数据按照不同数据分类与存储，分别存储在结构化关系数据库、非结构化数据、时序数据库、图数据库中。

样本库是分别采用分类标签、时序标签、语义标注、语音标注、图像标注、视频逐帧标注和图谱标签等技术形成样本库。人工智能服务调用样本库数据集，经过模型的训练、测试、验证和发布，为应用提供接口服务与反馈优化，形成整体闭环。

2 电网调控人工智能关键技术

当前结合调控运行和管理业务数据特点及应用需求，建立了调控大数据平台数据汇集接入、数据清洗检测、数据指标管理和数据标签管理等功能，形成了大数据服务体系。通过对量测、电量、计划、预测、告警、气象、事件共七大类运行数据接入大数据平台，日增数据量约12亿条，实现各类数据汇集情况的统一监视，初步建成大数据仓库。同时从时间属性、空间属性、产生方式等维度进行属性分类建立了调控业务数据资产分类模型，涵盖源端汇集接入的生数据、清洗检测后的熟数据以及指标标签分析产生的衍生数据，形成调控大数据资产体系[18,19]。

2.1 调控大数据技术

大数据技术是开展人工智能研究的基础，为调控数据挖掘分析及人工智能平台提供基础支撑[20]。人工智能平台依赖调控大数据平台提供的基础资源、平台资源、数据资源等，构建核心组件层和AI服务层，为AI应用提供模型、服务等支撑。承载于调控云的调控大数据平台具备数据接入、数据加工、数据推理、数据管理的功能，将分散在不同业务系统的数据进行全量或增量汇集、数据治理包括数据检测与数据清洗，然后进行关联整合，构建数据资产形成统一的数据支撑平台，为后续的应用场景提供丰富的训练样本，以提升学习效果。

调控大数据平台主要开展如下几个方面的研究。

1)数据汇集接入。

面向业务系统，通过消息总线的方式汇集量测、电量、计划、预测、告警、事件、外部环境、音视频、文本等数据；同时通过ETL工具完成模型数据、实时数据及其他业务加工数据同步。

2)数据治理。

从准确性、多源一致性、及时性、完整性等维度，开展量测多源互校验、量测准确性检测(线路、变压器、厂站功率不平衡，电网总加准确性)、量测及时性检测、量测完整性检测，辅助数据质量治理。数据检测方法如表1所示。

同时大数据平台对量测、电量等生数据中漏点、跳变点、非法值以及对象ID、量测类型ID等不符合规范的数据进行清洗，转换为熟数据，实现清洗数据入库及熟数据特征值计算，提供相应熟数据查询服务和特征值查询服务。

表1 数据检测方法

3)数据管理。

面对丰富的数据资源，调控大数据平台提供不同功用的数据管理能力，数据管理具备数据仓库、数据血缘、数据资产规划、数据资产目录、主题管理、指标管理、标签管理等功能，通过整合调控数据架构，设计数据模型，提高数据存储与操作的交互性，注重数据使用的安全合规性，增加数据创造价值的管理。

2.2 基于知识图谱的电力领域语义智能搜索技术

基于调控云平台接入的量测、电量、故障、告警、气象等多类型调控数据，整合设备电气参数、拓扑连接关系、设备管理信息等模型数据，建立完整的设备对象模型与数据模型，并以此模型为核心，对来自不同厂家的设备参数、运行数据、管理数据等，采用统一手段进行存储、组织、管理，构建具有“数据全面、分析深入、定位精准、推荐专业”的基于知识图谱的电力设备智能语义搜索技术，实现电力设备参数、运行数据、管理数据的数据检索和计算，支撑全面、深入、精准、专业的信息检索、排序与推荐服务，构建以“应用为导向、数据为核心、标准和时效为保障、专业服务为目标”的电力设备智能语义搜索应用。

通过以电网全业务域知识图谱为基础设计基于用户意图的相关度评分算法，为不同需求的用户展现针对性的搜索结果，过滤无效的、低价值的搜索结果，提高用户的搜索效率。

2.3 基于启发式规则的数据自动标注技术

面向电网模型、电网运行、分析预测等数据信息的数据标签提取技术，建立电网调控对象、平台服务、调控业务文件、库表属性等标签对象的算法规则，利用直观实时、统计加工、模型挖掘、组合定义等数据分析方法，实现海量遥测、遥信数据的快速分类标识与精准化特征抽象提取，结合调控业务专家经验与业务模型，通过电网调控数据的聚类与分类挖掘技术，构建数据分类器和数据自动标注模型，实现调控运行数据的快速分类标记与关联。

3 结语

面对新形势下新型电力系统电网调控领域的需求与挑战，本文借鉴人工智能等互联网IT新技术，从当前智能电网调控运行面临的实际问题为着力点，深入研究分析了人工智能技术在整个电网调控领域全过程中的可能应用场景，设计了基于调控云的人工智能总体架构，通过模型驱动运行控制平台与数据驱动计算平台开展电网调控领域人工智能应用关键技术研究，支撑调控系统安全稳定运行，提高电网运行管理智能化水平、特性认知水平、故障防御水平。

参考文献

[1] 周孝信，陈树勇，鲁宗相，等.能源转型中我国新一代电力系统的技术特征[J].中国电机工程学报，2018，38(7)：1893-1904.

[2] 余贻鑫，刘艳丽.智能电网的挑战性问题[J].电力系统自动化，2015，39(2)：1-5.

[3] 李明节.大规模特高压交直流混联电网特性分析与运行控制[J].电网技术，2016，40(4)：985-991.

[4] 许洪强.调控云架构及应用展望[J].电网技术，2017，41(10)：3104-3111.