AI技術(shù)在電力系統(tǒng)發(fā)展中的應(yīng)用與前景

　　在能源轉(zhuǎn)型背景下，AI技術(shù)將成為電力系統(tǒng)自動(dòng)化、智能化平穩(wěn)運(yùn)行的關(guān)鍵，能夠廣泛應(yīng)用于電力調(diào)度、繼電保護(hù)、電力設(shè)備管理、電力系統(tǒng)穩(wěn)定評(píng)估與決策等電力系統(tǒng)運(yùn)行管理領(lǐng)域，具備廣闊的應(yīng)用前景。

　　文 | 劉舒巍 楊和辰 余夏 舒斌 吳其榮

　　AI技術(shù)在電力系統(tǒng)中的應(yīng)用現(xiàn)狀

　　AI技術(shù)，即人工智能(Artificial Intelligence)技術(shù)，最早在1956年的Dartmouth學(xué)會(huì)上被提出，可以對(duì)人的意識(shí)、思維過程進(jìn)行模擬、延伸和擴(kuò)展，淺顯地講就是可以像人一樣思考決策、甚至超越人的智能技術(shù)。相對(duì)于傳統(tǒng)人工操作，AI技術(shù)能夠高效穩(wěn)定地完成設(shè)定工作，從整體上提高應(yīng)用效率，降低運(yùn)行成本。根據(jù)《新一代人工智能發(fā)展規(guī)劃》中的分類，目前應(yīng)用于電力系統(tǒng)的AI基礎(chǔ)理論主要有：大數(shù)據(jù)、自主協(xié)同控制與優(yōu)化決策、高級(jí)機(jī)器學(xué)習(xí)等，通過此類技術(shù)的協(xié)同應(yīng)用，AI技術(shù)能夠具備傳統(tǒng)技術(shù)無法比擬的多種優(yōu)勢(shì)。

　　AI技術(shù)在電力系統(tǒng)中的應(yīng)用一般可分為2個(gè)階段：

　　(1)以專家系統(tǒng)和人工神經(jīng)元網(wǎng)絡(luò)(Artificial Neural Network, ANN)為代表的第二代AI技術(shù)在電力系統(tǒng)各子領(lǐng)域的應(yīng)用，在第二代AI技術(shù)中，數(shù)據(jù)具有核心地位，但是不再為系統(tǒng)灌輸知識(shí)，而是設(shè)法讓系統(tǒng)從數(shù)據(jù)中自主學(xué)習(xí)知識(shí)，即利用數(shù)據(jù)、算法與算力3個(gè)要素構(gòu)造的AI。其中，ANN模塊就是典型的代表之一，ANN具有強(qiáng)大的學(xué)習(xí)能力，可以從原始數(shù)據(jù)中抽取出知識(shí)并存儲(chǔ)在網(wǎng)絡(luò)參數(shù)中，因此可以應(yīng)用在電力系統(tǒng)的電力調(diào)度、繼電保護(hù)以及電力設(shè)備管理等方面。

　　(2)以深度學(xué)習(xí)為代表的第三代AI技術(shù)，即融合了知識(shí)驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)的優(yōu)點(diǎn)，利用知識(shí)、數(shù)據(jù)、算法和算力4個(gè)要素建立新的可解釋和魯棒(Robust)的AI理論與方法，能夠更全面地利用知識(shí)和數(shù)據(jù)，讓AI技術(shù)更安全、可信、可靠，如深度學(xué)習(xí)在電力系統(tǒng)穩(wěn)定評(píng)估與決策中的應(yīng)用等。

　　● AI技術(shù)在電力調(diào)度中的應(yīng)用

　　隨著發(fā)電側(cè)的不斷多元化以及用電側(cè)對(duì)于電力需求的不斷增加，電力調(diào)度需要處理的實(shí)時(shí)數(shù)據(jù)也隨之不斷增加，AI技術(shù)以其運(yùn)算高效、操作精準(zhǔn)、學(xué)習(xí)能力較強(qiáng)，在電力調(diào)度中獲得了廣泛應(yīng)用。

　　專家系統(tǒng)

　　電網(wǎng)調(diào)度系統(tǒng)在運(yùn)行過程中對(duì)知識(shí)經(jīng)驗(yàn)的要求較高，AI技術(shù)的“專家系統(tǒng)”，是指在原有系統(tǒng)的基礎(chǔ)上，根據(jù)運(yùn)行經(jīng)驗(yàn)，利用信息技術(shù)，建立完善的數(shù)據(jù)庫(kù)，讓AI技術(shù)具備“專家”的能力，能夠觀察電力系統(tǒng)的運(yùn)行調(diào)度狀態(tài)，模擬人工進(jìn)行分析、決策，對(duì)存在的問題進(jìn)行及時(shí)處理，并在運(yùn)行中不斷豐富自身的信息庫(kù)，以滿足調(diào)度系統(tǒng)的運(yùn)行需求。

　　當(dāng)然，專家系統(tǒng)作為第二代AI技術(shù)，也存在一定的弊端，主要體現(xiàn)在自主學(xué)習(xí)能力較差，自我發(fā)展水平較低等方面，未來可結(jié)合其他技術(shù)組建耦合模型，共同作用實(shí)現(xiàn)電力系統(tǒng)的穩(wěn)定運(yùn)行。

　　可視化技術(shù)

　　隨著電力調(diào)度系統(tǒng)需要處理的實(shí)時(shí)數(shù)據(jù)不斷增加，電力調(diào)度的復(fù)雜度、排障難度也逐步增大。而可視化技術(shù)能夠?qū)崿F(xiàn)信息數(shù)據(jù)的圖片化展示，幫助調(diào)度人員直觀地“看到”故障位置，節(jié)約了對(duì)海量數(shù)據(jù)信息進(jìn)行分析所消耗的時(shí)間和精力，能夠顯著提升工作效率，保障系統(tǒng)平穩(wěn)運(yùn)行。

　　人工神經(jīng)網(wǎng)絡(luò)

　　人工神經(jīng)網(wǎng)絡(luò)技術(shù)是模擬人腦神經(jīng)元，建立某種簡(jiǎn)單模型，從而實(shí)現(xiàn)智能化信息處理和傳輸?shù)囊环N技術(shù)。在電力系統(tǒng)中，諸如電廠、變壓器等模塊化的部件可以看作是簡(jiǎn)單的神經(jīng)元，這些模塊均擁有特定的輸出函數(shù)，這些部件互聯(lián)結(jié)構(gòu)而成的電力系統(tǒng)則可以看作是整體的神經(jīng)網(wǎng)絡(luò)系統(tǒng)。依托這個(gè)神經(jīng)網(wǎng)絡(luò)系統(tǒng)，耦合一定的數(shù)值算法，可以對(duì)海量數(shù)據(jù)進(jìn)行分析和處理，提高電力調(diào)度過程中的信息傳輸和處理效率;同時(shí)，神經(jīng)網(wǎng)絡(luò)系統(tǒng)還具備自我學(xué)習(xí)能力，可以對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行在線學(xué)習(xí)和聯(lián)想記憶，從而實(shí)現(xiàn)對(duì)電力調(diào)度的有效管理和控制，保障調(diào)度系統(tǒng)高速平穩(wěn)運(yùn)行。當(dāng)然，構(gòu)建電力系統(tǒng)這樣的神經(jīng)網(wǎng)絡(luò)系統(tǒng)，并不是簡(jiǎn)單的幾個(gè)神經(jīng)元連接即可，其中隱含層層數(shù)、隱含層節(jié)點(diǎn)數(shù)的確定也是需要重點(diǎn)考慮的問題，例如針對(duì)隱含層節(jié)點(diǎn)數(shù)，一般需要通過在網(wǎng)絡(luò)訓(xùn)練中選取不同節(jié)點(diǎn)數(shù)分析、比較，最后得出預(yù)測(cè)結(jié)果誤差，然后確定選取最優(yōu)的節(jié)點(diǎn)數(shù);此外，各神經(jīng)元的初始權(quán)值和閾值的選取也十分重要，針對(duì)Sigmoid、Tanh、ReLU等常用激勵(lì)函數(shù)，如果初值取得太大，則會(huì)導(dǎo)致函數(shù)輸入過大，進(jìn)而達(dá)到飽和。

　　總體而言，AI技術(shù)有助于提升電力調(diào)度系統(tǒng)的可靠性和穩(wěn)定性，未來隨著AI技術(shù)的不斷升級(jí)優(yōu)化，它在電力調(diào)度系統(tǒng)中的應(yīng)用將更加廣泛。

　　● AI技術(shù)在繼電保護(hù)中的應(yīng)用

　　將AI技術(shù)應(yīng)用于繼電保護(hù)中，能夠提升繼電保護(hù)敏銳度、準(zhǔn)確度，從而保障電力系統(tǒng)運(yùn)行安全。

　　專家系統(tǒng)

　　其原理與上文中的“專家系統(tǒng)”類似，在繼電護(hù)中，也可以利用專家系統(tǒng)，讓繼電保護(hù)機(jī)制具備“專家”的運(yùn)行知識(shí)和經(jīng)驗(yàn)，掌握自動(dòng)分析和解決問題的方法，提升繼電保護(hù)運(yùn)行水平。

　　暫態(tài)保護(hù)

　　通過構(gòu)建暫態(tài)保護(hù)機(jī)制，利用AI技術(shù)的運(yùn)算優(yōu)勢(shì)，自動(dòng)提取故障信息并進(jìn)行故障識(shí)別，為繼電保護(hù)系統(tǒng)提供及時(shí)可靠的決策依據(jù)，從而及時(shí)將其與故障隔離，保證主設(shè)備安全。

　　人工神經(jīng)網(wǎng)絡(luò)

　　其原理與上文中的“人工神經(jīng)網(wǎng)絡(luò)”類似，在繼電保護(hù)系統(tǒng)中人工神經(jīng)網(wǎng)絡(luò)主要用于故障類別識(shí)別。例如發(fā)生故障后，可以通過人工神經(jīng)網(wǎng)絡(luò)自動(dòng)判斷故障類別(瞬時(shí)故障還是永久故障)，若為瞬時(shí)故障則可執(zhí)行重合閘指令，若為永久故障則不可重合閘。此外，模糊理論、遺傳算法也可進(jìn)一步優(yōu)化繼電保護(hù)運(yùn)行算法，提升繼電保護(hù)系統(tǒng)運(yùn)行水平。

　　總體而言，AI技術(shù)能夠有效優(yōu)化繼電保護(hù)機(jī)制，及時(shí)、準(zhǔn)確地切斷系統(tǒng)故障，避免故障擴(kuò)大甚至影響主機(jī)運(yùn)行，從而進(jìn)一步保障電力系統(tǒng)的安全穩(wěn)定。

　　● AI技術(shù)在電力設(shè)備管理中的應(yīng)用

　　電力生產(chǎn)設(shè)備的運(yùn)行維護(hù)管理是保證電力系統(tǒng)安全的一項(xiàng)基礎(chǔ)工作，同時(shí)也是影響電力系統(tǒng)安全可靠運(yùn)行的重要因素。

　　以電力一次設(shè)備“變壓器”的管理為例，在運(yùn)行過程中，就可結(jié)合AI技術(shù)對(duì)其運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)與評(píng)估。研究人員構(gòu)建了基于SOA-SVM(Seeker Optimization Algorithm-Support Vector Machines)的變壓器故障診斷模型，通過實(shí)際項(xiàng)目驗(yàn)證，發(fā)現(xiàn)該模型的診斷精度較高，能夠?yàn)樽儔浩鞯入娏σ淮巍⒍卧O(shè)備提供科學(xué)的在線監(jiān)測(cè)與診斷。另外，在通信設(shè)備管理方面，也有研究人員設(shè)計(jì)了基于AI技術(shù)的通信設(shè)備管理系統(tǒng)，實(shí)時(shí)采集通信系統(tǒng)設(shè)備運(yùn)行數(shù)據(jù)，并利用AI技術(shù)自動(dòng)檢測(cè)運(yùn)行狀態(tài)，若存在異常則采用容錯(cuò)技術(shù)進(jìn)行恢復(fù)，從而實(shí)現(xiàn)對(duì)通信設(shè)備狀態(tài)的精確分析、預(yù)警及恢復(fù)，保證通信系統(tǒng)的穩(wěn)定運(yùn)行。

　　此外，在設(shè)備管理過程中，對(duì)于基層運(yùn)維人員，往往存在檢修人員工作票開票、手工錄入過程繁瑣而導(dǎo)致人力資源浪費(fèi)、速度慢、錯(cuò)誤率高等問題，影響工作質(zhì)量、工作效率的同時(shí)，也增加了因維護(hù)導(dǎo)致的停電時(shí)長(zhǎng)。針對(duì)此問題，某電廠借助AI辦公技術(shù)，使用了專用時(shí)間統(tǒng)計(jì)軟件，建立了文件名詞云，并結(jié)合現(xiàn)場(chǎng)工作需要，設(shè)計(jì)了一種基于AI技術(shù)的電力生產(chǎn)管理自動(dòng)化系統(tǒng)，對(duì)系統(tǒng)內(nèi)的各類數(shù)據(jù)信息進(jìn)行關(guān)聯(lián)化處理，具備日程提醒，資料、臺(tái)賬輔助指引，文字識(shí)別、文檔自動(dòng)錄入等功能，大大簡(jiǎn)化了需要人為操作、記憶的工作，減輕了基層檢修人員的工作負(fù)擔(dān)，有效提升了電網(wǎng)調(diào)度專業(yè)管理及安全運(yùn)行水平。

　　總體而言，AI技術(shù)的應(yīng)用是未來電力設(shè)備、生產(chǎn)管理的發(fā)展趨勢(shì)，隨著技術(shù)的發(fā)展，AI也將在提高工作效率、降低基層人員負(fù)擔(dān)中發(fā)揮更加重要的作用。

　　● AI技術(shù)在電力系統(tǒng)穩(wěn)定評(píng)估與決策中的應(yīng)用

　　以上提到的技術(shù)大多屬于第二代AI技術(shù)在電力系統(tǒng)各子領(lǐng)域的基礎(chǔ)應(yīng)用，仍然存在進(jìn)步的空間。在此背景下，以深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)為代表的第三代AI技術(shù)在處理數(shù)據(jù)、挖掘復(fù)雜非線性映射等方面具有強(qiáng)大的優(yōu)勢(shì)，將其應(yīng)用于電力系統(tǒng)穩(wěn)定評(píng)估與決策中，能夠在一定程度上提升控制系統(tǒng)的智能性，具備重要的現(xiàn)實(shí)意義。

　　基本框架

　　在電力系統(tǒng)穩(wěn)定評(píng)估與決策中，第三代AI技術(shù)的基本框架為“建立模型并離線訓(xùn)練、在線應(yīng)用和實(shí)時(shí)修正”。首先，通過對(duì)電力系統(tǒng)運(yùn)行的實(shí)時(shí)、歷史以及其他仿真數(shù)據(jù)等樣本進(jìn)行學(xué)習(xí)，挖掘數(shù)據(jù)中的有效信息，建立模型并進(jìn)行離線訓(xùn)練;與此同時(shí)，為提高模型準(zhǔn)確度，還需對(duì)常規(guī)電網(wǎng)運(yùn)行原始數(shù)據(jù)進(jìn)行清洗和樣本平衡，避免干擾。然后，將經(jīng)過校驗(yàn)的模型應(yīng)用于實(shí)際場(chǎng)景中，通過對(duì)多維電網(wǎng)狀態(tài)信息等采集到的實(shí)時(shí)數(shù)據(jù)進(jìn)行分析，完成系統(tǒng)運(yùn)行穩(wěn)定評(píng)估與決策。此外，在模型運(yùn)行過程中，還可根據(jù)實(shí)際的評(píng)估與決策結(jié)果實(shí)時(shí)反饋，深度學(xué)習(xí)，從而進(jìn)一步修正優(yōu)化模型。

　　AI技術(shù)在電力系統(tǒng)穩(wěn)定評(píng)估中的應(yīng)用

　　近年來，國(guó)際上發(fā)生的多起大停電事故都和電網(wǎng)暫態(tài)失穩(wěn)有關(guān)，因此穩(wěn)定問題是影響電力系統(tǒng)安全的關(guān)鍵因素。這就需要我們能夠及時(shí)、準(zhǔn)確、綜合地評(píng)估電力系統(tǒng)運(yùn)行穩(wěn)定水平，降低事故發(fā)生率。目前，第三代AI技術(shù)在電力系統(tǒng)穩(wěn)定問題上的研究較多，有功角、頻率及電壓等經(jīng)典穩(wěn)定問題，還有新型振蕩問題等;所采用的模型也具備多元化，主要 有傳統(tǒng)機(jī)器學(xué)習(xí)集成、系統(tǒng)響應(yīng)模型與傳統(tǒng)機(jī)器學(xué)習(xí)的集成、高級(jí)機(jī)器學(xué)習(xí)的集成、Bagging引導(dǎo)聚集算法、Stacking集成模型、Boosting集成算法等。

　　? 功角、頻率及電壓穩(wěn)定評(píng)估

　　功角穩(wěn)定是指同步發(fā)電機(jī)受擾后系統(tǒng)保持同步運(yùn)行的能力，可分為小干擾功角穩(wěn)定(由系統(tǒng)初始運(yùn)行狀態(tài)決定)和暫態(tài)功角穩(wěn)定(由系統(tǒng)初始運(yùn)行狀態(tài)、系統(tǒng)故障情況共同決定)。有研究人員提出了一種基于發(fā)電負(fù)荷和電網(wǎng)拓?fù)浣Y(jié)構(gòu)的評(píng)估模型，結(jié)合故障位置就可以進(jìn)行電力系統(tǒng)的功角穩(wěn)定評(píng)估。

　　電網(wǎng)側(cè)和用戶側(cè)的供需不平衡會(huì)引發(fā)頻率穩(wěn)定問題。依托電力系統(tǒng)海量數(shù)據(jù)，學(xué)者構(gòu)建了發(fā)電端和負(fù)荷端的時(shí)間序列模型，分析得到供需不平衡功率、最大頻率偏差和偏差時(shí)刻、穩(wěn)態(tài)頻率偏差等定量參數(shù)，以此來評(píng)估衡量系統(tǒng)頻率的穩(wěn)定性。

　　電力系統(tǒng)受擾后需要維持各節(jié)點(diǎn)電壓在可接受范圍內(nèi)，這就需要對(duì)電力系統(tǒng)受擾后的波動(dòng)大小進(jìn)行評(píng)估。與功角穩(wěn)定一致，電壓波動(dòng)同樣可分為小擾動(dòng)和大擾動(dòng)，小擾動(dòng)的原因有負(fù)荷的緩慢增長(zhǎng)或降低等，大擾動(dòng)的原因有系統(tǒng)故障等。電壓穩(wěn)定評(píng)估模型的輸入特征主要有發(fā)電機(jī)出力、負(fù)荷水平、支路潮流、節(jié)點(diǎn)電壓、換流閥觸發(fā)角和滅弧角、故障前全網(wǎng)損耗等。

　　? 寬頻振蕩穩(wěn)定評(píng)估

　　在現(xiàn)階段以及未來含高比例新能源的電力系統(tǒng)中，寬頻振蕩將時(shí)有發(fā)生，這是由于電力系統(tǒng)中各個(gè)不同的電氣設(shè)備間相互作用引起的。寬頻振蕩往往表現(xiàn)為電壓、電流、功率等隨時(shí)間周期性變化，其頻率在0.1赫茲至數(shù)千赫茲之間，嚴(yán)重時(shí)會(huì)影響電力系統(tǒng)穩(wěn)定運(yùn)行。目前，對(duì)寬頻振蕩的穩(wěn)定評(píng)估研究還較少，且基本都是針對(duì)低頻振蕩，主要原因在于高頻震蕩以及多種振蕩模式下模型的建立難度較大，這也是下一步研究要考慮的方向。

　　AI技術(shù)在電力系統(tǒng)穩(wěn)定決策中的應(yīng)用

　　對(duì)電力系統(tǒng)波動(dòng)進(jìn)行了穩(wěn)定性評(píng)估后，還需要給出針對(duì)性的解決方案，這就是所謂的“穩(wěn)定決策”。在AI智能決策中，往往根據(jù)電網(wǎng)狀態(tài)(經(jīng)穩(wěn)定評(píng)估的狀態(tài))，結(jié)合實(shí)際經(jīng)驗(yàn)，給出對(duì)應(yīng)的調(diào)整方案，從而提高決策效率，減少調(diào)度或運(yùn)行人員工作量、保障電力系統(tǒng)運(yùn)行安全水平。

　　電力系統(tǒng)中的穩(wěn)定決策主要有緊急控制、恢復(fù)控制和預(yù)防控制。在決策機(jī)制的實(shí)現(xiàn)過程，運(yùn)用到的第三代AI技術(shù)主要有深度學(xué)習(xí)、遷移學(xué)習(xí)、隨機(jī)森林、強(qiáng)化學(xué)習(xí)、知識(shí)圖譜等。

　　? 緊急控制

　　緊急控制，即當(dāng)穩(wěn)定評(píng)估結(jié)果顯示電力系統(tǒng)遭受嚴(yán)重?cái)_動(dòng)發(fā)生故障時(shí)，如局部停電、孤島運(yùn)行等，需要穩(wěn)定決策系統(tǒng)及時(shí)決策出對(duì)應(yīng)措施，在盡量不影響其他系統(tǒng)的情況下進(jìn)行緊急控制。現(xiàn)階段，電力系統(tǒng)緊急控制的手段主要有：切斷發(fā)電機(jī)、切斷負(fù)荷、低頻減載、低壓減載等。研究人員開發(fā)了一種基于SPWVD圖像和深度遷移學(xué)習(xí)的強(qiáng)迫振蕩源定位方法，當(dāng)電網(wǎng)出現(xiàn)強(qiáng)迫振蕩時(shí)能夠快速、準(zhǔn)確定位，同時(shí)指導(dǎo)運(yùn)行人員及時(shí)切斷故障點(diǎn)，實(shí)現(xiàn)對(duì)強(qiáng)迫振蕩的緊急控制。

　　? 恢復(fù)控制

　　恢復(fù)控制，即故障控制解決后，對(duì)故障元件進(jìn)行恢復(fù)的過程，可分為機(jī)組恢復(fù)、網(wǎng)絡(luò)重構(gòu)和負(fù)荷恢復(fù)等，目前以機(jī)組恢復(fù)的研究居多。研究人員針對(duì)機(jī)組恢復(fù)控制，提出一種結(jié)合蒙特卡洛樹搜索和深度學(xué)習(xí)的恢復(fù)控制在線決策方法，利用改進(jìn)的上限置信區(qū)間算法、支路修剪技術(shù)和估值網(wǎng)絡(luò)對(duì)機(jī)組恢復(fù)措施進(jìn)行決策，并行多次結(jié)果以確定最終的恢復(fù)措施，能夠有效應(yīng)對(duì)恢復(fù)過程中的多種不確定性狀況。

　　? 預(yù)防控制

　　預(yù)防控制，則是在電力系統(tǒng)正常運(yùn)行狀態(tài)下，針對(duì)穩(wěn)定評(píng)估過程中發(fā)現(xiàn)的穩(wěn)定裕度不足等問題，提出優(yōu)化策略和方案，在發(fā)生擾動(dòng)前采取相應(yīng)措施，預(yù)防電力系統(tǒng)失穩(wěn)。主要的控制策略有調(diào)整電網(wǎng)拓?fù)洹l(fā)電機(jī)出力，調(diào)節(jié)直流功率和負(fù)荷等，目前的針對(duì)性研究還較少，且主要集中在基于深度學(xué)習(xí)的暫態(tài)穩(wěn)定問題上。研究人員結(jié)合卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了系統(tǒng)靈敏度計(jì)算，通過疊加減負(fù)荷策略，調(diào)整發(fā)電機(jī)出力，實(shí)現(xiàn)了暫態(tài)穩(wěn)定的預(yù)防控制。

　　發(fā)展方向

　　總的來說，針對(duì)電力系統(tǒng)穩(wěn)定評(píng)估，現(xiàn)階段對(duì)系統(tǒng)整體穩(wěn)定性的把握還不夠，未來，應(yīng)當(dāng)深入探索電力系統(tǒng)整體穩(wěn)定性的特征指標(biāo)，并將不同評(píng)估問題不斷耦合細(xì)化，進(jìn)一步提高對(duì)系統(tǒng)整體穩(wěn)定性的把控。關(guān)于電力系統(tǒng)穩(wěn)定決策，目前可以說尚處于起步階段，大多仍然處于對(duì)緊急、恢復(fù)、預(yù)防控制的研究階段，而對(duì)于校正控制領(lǐng)域的研究很少，未來AI技術(shù)在電力系統(tǒng)穩(wěn)定決策中的應(yīng)用研究仍需不斷探索。

　　AI技術(shù)應(yīng)用于電力系統(tǒng)的前景

　　隨著AI技術(shù)的不斷進(jìn)步，人工智能未來必將成為電力系統(tǒng)自動(dòng)化、智能化的關(guān)鍵組成部分;而電力系統(tǒng)的優(yōu)化發(fā)展也必然伴隨著AI技術(shù)的發(fā)展而穩(wěn)步進(jìn)行，兩者是協(xié)同發(fā)展的。未來，隨著以大數(shù)據(jù)、深度學(xué)習(xí)等技術(shù)為依托的新一代AI技術(shù)的廣泛應(yīng)用，電力系統(tǒng)自主化和自動(dòng)化的能力將不斷提升，也將具備更高的安全性、穩(wěn)定性、高效性和經(jīng)濟(jì)性。

　　現(xiàn)階段，AI技術(shù)在電力系統(tǒng)中的應(yīng)用仍存在一些問題，需要在發(fā)展中進(jìn)一步優(yōu)化完善，主要體現(xiàn)在：

　　AI技術(shù)的應(yīng)用離不開大量數(shù)據(jù)樣本、分布式通信協(xié)議以及高效的計(jì)算能力，因此大數(shù)據(jù)采集、通信傳輸、平臺(tái)云計(jì)算等基礎(chǔ)設(shè)施的建設(shè)是充分利用AI技術(shù)的前提。在未來的發(fā)展過程中，電力系統(tǒng)的數(shù)據(jù)、通信等基礎(chǔ)設(shè)施還需進(jìn)一步完善。

　　現(xiàn)有的評(píng)估模型大多都是基于已有的數(shù)據(jù)、算例事先構(gòu)建好再進(jìn)行離線訓(xùn)練，這些數(shù)據(jù)、算例往往針對(duì)性很強(qiáng)，幾乎是針對(duì)單一特性的;而對(duì)實(shí)際運(yùn)行過程中暫態(tài)、頻率、電壓等各種不穩(wěn)定問題的交織狀態(tài)未進(jìn)行全盤考慮，在現(xiàn)有的研究中也還難以開展多個(gè)不穩(wěn)定模式彼此耦合的復(fù)雜情況的評(píng)估。

　　現(xiàn)有的AI模型中往往也只能夠針對(duì)單一的任務(wù)進(jìn)行決策，如單一的繼電保護(hù)、電網(wǎng)故障恢復(fù)路徑選擇、電力調(diào)度等，即尚缺乏“多任務(wù)”模型。因此，未來若要實(shí)現(xiàn)AI技術(shù)在電力系統(tǒng)中的廣泛應(yīng)用，就必須大幅提升AI模型的任務(wù)處理能力，實(shí)現(xiàn)“混合智能”，即將“專家系統(tǒng)控制技術(shù)”、“人工神經(jīng)網(wǎng)絡(luò)控制技術(shù)”、“模糊控制技術(shù)”、“線性最優(yōu)控制技術(shù)”等多種控制方法和工具相結(jié)合起來形成“混合智能”，從而實(shí)現(xiàn)從孤立判斷到多問題的統(tǒng)一分析、從單一模塊到整體系統(tǒng)的統(tǒng)一把控。

　　在利用AI技術(shù)提升電力系統(tǒng)智能化的同時(shí)，還需要加強(qiáng)數(shù)據(jù)管理及隱私安全保護(hù)，謹(jǐn)防數(shù)據(jù)泄密。電力系統(tǒng)的安全不僅關(guān)系到社會(huì)穩(wěn)定，還關(guān)乎軍事國(guó)防安全，因此AI技術(shù)在應(yīng)用到電力系統(tǒng)中時(shí)必須展開深入且全面的安全保障研究，做出相應(yīng)的風(fēng)險(xiǎn)評(píng)估，保障電網(wǎng)運(yùn)行的穩(wěn)定與安全。

　　目前第二代、第三代AI技術(shù)在電力系統(tǒng)中已有了一些示范應(yīng)用，并朝著更高的方向邁進(jìn)，雖然從總體看，AI技術(shù)在電力系統(tǒng)中的應(yīng)用還處于起步階段，要形成完整成熟的體系化技術(shù)系統(tǒng)還需要很長(zhǎng)的時(shí)間。但隨著我國(guó)電力系統(tǒng)的迅速建設(shè)以及AI技術(shù)的不斷優(yōu)化改進(jìn)，其在電力系統(tǒng)中的應(yīng)用前景是十分廣闊的。

　　在“碳中和”背景下，面對(duì)能源緊缺和“碳減排”雙重壓力，現(xiàn)階段我國(guó)電力系統(tǒng)的低碳發(fā)展任務(wù)艱巨。一方面要對(duì)火電進(jìn)行經(jīng)濟(jì)性提升和低碳改造，筑牢火電“壓艙石”的能源保障和托底作用;另一方面也要加快發(fā)展清潔能源，逐步推進(jìn)電能替代。而在此過程中，AI技術(shù)也將成為電力系統(tǒng)自動(dòng)化、智能化平穩(wěn)運(yùn)行的關(guān)鍵。

　　隨著我國(guó)電力系統(tǒng)建設(shè)的快速發(fā)展，電網(wǎng)側(cè)、用戶側(cè)數(shù)據(jù)的體量大幅增加，電網(wǎng)管理的復(fù)雜性也在不斷提升。而AI技術(shù)具備智慧性、高效性和便捷性，能夠有效平衡源、網(wǎng)、荷、儲(chǔ)，保障電力系統(tǒng)的穩(wěn)定運(yùn)行，因此在電力系統(tǒng)中得到了高效應(yīng)用。目前以專家系統(tǒng)和人工神經(jīng)元網(wǎng)絡(luò)(ANN)為代表的第二代AI技術(shù)已在電力調(diào)度、繼電保護(hù)、電力設(shè)備管理等領(lǐng)域得到了廣泛應(yīng)用，以深度學(xué)習(xí)為代表的融合了知識(shí)驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)的第三代AI技術(shù)也正逐步應(yīng)用到電力系統(tǒng)穩(wěn)定評(píng)估與決策中，從而更安全、可信、可靠地推動(dòng)電力系統(tǒng)智能化進(jìn)程。與此同時(shí)，在“雙碳”背景下，光伏、風(fēng)電等分布式能源的快速布局，對(duì)電力系統(tǒng)的負(fù)荷能力和運(yùn)行方式提出了更高的要求，這些需求也為AI技術(shù)的應(yīng)用提供了無限的可能。總的來說，進(jìn)一步開發(fā)和完善AI技術(shù)是讓電力系統(tǒng)實(shí)現(xiàn)更智能、更安全發(fā)展的有效解決方案之一。

　　本文摘錄整理自《南方能源建設(shè)》學(xué)術(shù)期刊刊發(fā)的論文《AI 技術(shù)在電力系統(tǒng)發(fā)展中的應(yīng)用與前景》，通信作者劉舒巍為重慶遠(yuǎn)達(dá)煙氣治理特許經(jīng)營(yíng)有限公司科技分公司、重慶大學(xué)能源與動(dòng)力工程學(xué)院高級(jí)工程師、博士。