鄧斐杰

【關(guān)鍵詞】人工智能；新能源；并網(wǎng)運(yùn)行；實(shí)時(shí)監(jiān)測

引言

電著科學(xué)技術(shù)的不斷發(fā)展，我國已經(jīng)進(jìn)入現(xiàn)代化發(fā)展的進(jìn)程中?，F(xiàn)在，人工智能的相關(guān)技術(shù)已成為時(shí)代發(fā)展的主要潮流，人工智能的不斷發(fā)展，讓全世界各個(gè)國家都投來了關(guān)注。因?yàn)槿斯ぶ悄艿暮诵募夹g(shù)更加地智能化，使計(jì)算機(jī)網(wǎng)絡(luò)變得更加有特點(diǎn)，且更加人性化。而且人工智能在處理事務(wù)時(shí)，不僅能模仿人類的行為方式，而且還能利用自身的特點(diǎn)將各種復(fù)雜的數(shù)據(jù)信息，進(jìn)行有效的整理和儲存。雖然近幾年我國的現(xiàn)代化正在快速發(fā)展，但是整體的信息建設(shè)、人工智能以及新能源等新興發(fā)展的技術(shù)還是要比西方的發(fā)達(dá)國家晚很多[1]。并且在實(shí)時(shí)的建設(shè)過程中，因缺少高科技的技術(shù)人才，導(dǎo)致我們國家在發(fā)展新興技術(shù)的時(shí)候，遇到了很多無法避免的阻力。

隨著最近幾年我們國家的不斷發(fā)展，以及政府對科學(xué)積極的大力支持，我們國家在很多行業(yè)內(nèi)都增加了人工智能的發(fā)展技術(shù)，并且也取得了一定程度上的效果。人工智能技術(shù)的發(fā)展是以計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)為基礎(chǔ)，利用智能的控制及識別系統(tǒng)，實(shí)現(xiàn)對其進(jìn)行更加智能的控制，在提高自身識別能力的基礎(chǔ)上，也可以提高工作時(shí)候的效率。而新能源是我們國家未來重點(diǎn)發(fā)展的主要行業(yè)之一，通過對新能源相關(guān)數(shù)據(jù)進(jìn)行監(jiān)測，是可以了解到我們國家當(dāng)前每日所消耗的能源以及可再生或不可再生的能源信息數(shù)據(jù)。傳統(tǒng)的能源監(jiān)測方法其內(nèi)部數(shù)據(jù)處理中心相對比較單一，就會(huì)導(dǎo)致在面對大量數(shù)據(jù)時(shí)，無法做到準(zhǔn)確而且快速地監(jiān)測到所需要的相關(guān)數(shù)據(jù)信息。所以就需要在傳統(tǒng)的能源監(jiān)測方法基礎(chǔ)上，增加人工智能技術(shù)，實(shí)現(xiàn)新能源并網(wǎng)運(yùn)行的實(shí)時(shí)監(jiān)測。

一、基于人工智能的新能源并網(wǎng)運(yùn)行實(shí)時(shí)監(jiān)測方法

（一）建立新能源運(yùn)行實(shí)時(shí)監(jiān)測系統(tǒng)

1、采集數(shù)據(jù)并建立傳輸組網(wǎng)

采集數(shù)據(jù)的形式主要分為直接方式采集以及間接方式采集，直接的采集方式就是使用傳輸控制協(xié)議或者用戶數(shù)據(jù)報(bào)協(xié)議，以及超文本傳輸協(xié)議等相關(guān)網(wǎng)絡(luò)協(xié)議，把網(wǎng)絡(luò)服務(wù)器與采集數(shù)據(jù)的終端設(shè)備進(jìn)行直接的數(shù)據(jù)通信連接。任何一臺采集數(shù)據(jù)的終端設(shè)備都是可以通過“程控輸出入”的方式，采集到所有能源監(jiān)測設(shè)備所在的位置點(diǎn)信息[2]。這種使用直接方式進(jìn)行數(shù)據(jù)采集的時(shí)候，是可以監(jiān)測到能源中某一特定的數(shù)據(jù)信息，針對能量消耗過程中不重要的相關(guān)環(huán)境數(shù)據(jù)信息可以簡單地忽略不計(jì)，如此網(wǎng)絡(luò)中數(shù)據(jù)實(shí)時(shí)監(jiān)測的冗余度相對還是比較低。而間接的方式主要是與其他系統(tǒng)進(jìn)行數(shù)據(jù)信息相互共享，需要利用第三方來對能源信息進(jìn)行監(jiān)測和管理，再利用監(jiān)測內(nèi)部系統(tǒng)平臺對數(shù)據(jù)信息實(shí)現(xiàn)共享，內(nèi)部系統(tǒng)再對龐大的數(shù)據(jù)信息進(jìn)行提取和過濾[3]。下圖1則為新型采集數(shù)據(jù)的架構(gòu)示意圖。

圖 1 新型采集信息數(shù)據(jù)庫架構(gòu)示意圖

新型采集信息數(shù)據(jù)庫通過在傳輸過程中加入數(shù)據(jù)信息列表，從而避免了數(shù)據(jù)信息源與信息數(shù)據(jù)庫之間直接的聯(lián)系，將采集到的數(shù)據(jù)信息利用數(shù)據(jù)信息列表中整理交換的相關(guān)模式，把整合之后的數(shù)據(jù)信息傳輸?shù)叫畔?shù)據(jù)庫之中。這樣可以有效減少信息源跟數(shù)據(jù)庫之間的直接聯(lián)系，避免過程的繁瑣，從而提高了數(shù)據(jù)信息傳輸?shù)綌?shù)據(jù)庫中的效率[4]。

2、分析及處理相關(guān)數(shù)據(jù)信息

傳統(tǒng)方法是僅針對同一類型的數(shù)據(jù)進(jìn)行處理，而對于其他不同種類的數(shù)據(jù)信息進(jìn)行統(tǒng)一管理的時(shí)候，不同數(shù)據(jù)中存在差異的部分，處理起來相對會(huì)麻煩一些，因此需要建立新型的數(shù)據(jù)處理模式，具體情況如下圖2所示。

圖 2 新型數(shù)據(jù)處理模式架構(gòu)示意圖

如上圖2可以看出，對已經(jīng)在數(shù)據(jù)庫中的信息使用數(shù)據(jù)信息分發(fā)緩存技術(shù)，讓其可以直接保存到網(wǎng)絡(luò)內(nèi)存之中，再利用不同能源的類型對其進(jìn)行更加細(xì)致的分類，將其放入到與之相關(guān)的處理單元模式之中[5]。將數(shù)據(jù)庫內(nèi)部的數(shù)據(jù)按照對應(yīng)的處理模式進(jìn)行處理，減少對數(shù)據(jù)讀寫的相關(guān)操作，從而提高數(shù)據(jù)處理的工作效率。

（二）增加系統(tǒng)內(nèi)部并網(wǎng)運(yùn)行數(shù)據(jù)庫

通過在系統(tǒng)內(nèi)部增加極端梯度提升算法（簡稱XGBoost），是可以實(shí)現(xiàn)系統(tǒng)內(nèi)部大規(guī)模的并網(wǎng)運(yùn)行，它不僅可以讓提高系統(tǒng)內(nèi)部運(yùn)行速度，還能夠提升工作效率。XGBoost中最基本的分類器是CART（又稱分類與回歸樹），它主要就是通過對多種數(shù)據(jù)結(jié)果進(jìn)行相互整合，從而提高數(shù)據(jù)的精準(zhǔn)度。假設(shè)有個(gè)相關(guān)數(shù)據(jù)信息，那么構(gòu)成相關(guān)數(shù)據(jù)集合的模型，就如下式（1）所示。

新能源監(jiān)測主要就是風(fēng)能、電能、光伏能、地?zé)崮芤约疤柲苓@幾種主要的新型能源，包括上述幾種能源相關(guān)數(shù)據(jù)信息的采集、整理與分析，通過電子地圖來提供相關(guān)提示信息，通常使用的數(shù)據(jù)展現(xiàn)形式是柱狀示意圖、折線示意圖和表格等。在對每一個(gè)相關(guān)指標(biāo)數(shù)據(jù)信息進(jìn)行實(shí)時(shí)監(jiān)測的時(shí)候，需要檢測到的數(shù)據(jù)信息包括當(dāng)天所產(chǎn)生的信息數(shù)量、與總數(shù)量相關(guān)的全部信息、強(qiáng)度以及排量等[9]，至此實(shí)現(xiàn)基于人工智能的新能源并網(wǎng)運(yùn)行實(shí)時(shí)監(jiān)測。

二、應(yīng)用的實(shí)驗(yàn)測試

（一）實(shí)驗(yàn)準(zhǔn)備工作

為了測試此次提出的新能源并網(wǎng)運(yùn)行實(shí)時(shí)監(jiān)測方法的可靠程度和實(shí)際使用效果，選擇某地區(qū)新能源基地作為測試對象，測試實(shí)驗(yàn)的周期為1個(gè)星期共計(jì)7天。共采集數(shù)據(jù)2000組，分別使用兩種方法對其進(jìn)行實(shí)時(shí)監(jiān)測。由于實(shí)驗(yàn)時(shí)間相對比較長，可能就會(huì)有數(shù)據(jù)異?；蛘呷笔У惹闆r出現(xiàn)，因此需要在監(jiān)測之前先對數(shù)據(jù)進(jìn)行篩選，選擇出有用的數(shù)據(jù)來提高其準(zhǔn)確性。

（二）數(shù)據(jù)檢測及反饋效果

實(shí)驗(yàn)測試是在相同環(huán)境下，相同時(shí)間內(nèi)進(jìn)行。將采集到的2000組數(shù)據(jù)平均分為A、B兩組，其中A組為使用傳統(tǒng)辦法進(jìn)行的新能源實(shí)時(shí)監(jiān)測，而B組則是使用人工智能后對其進(jìn)行的實(shí)時(shí)監(jiān)測。為了保證此次實(shí)驗(yàn)結(jié)果的準(zhǔn)確性，并且保證得出結(jié)果是有效的，本次實(shí)驗(yàn)將對比兩組數(shù)據(jù)，具體見下圖4所示。

圖 4 不同監(jiān)測方法準(zhǔn)確程度示意圖

由上述圖4可以看出，傳統(tǒng)方法在進(jìn)行監(jiān)測的過程中，當(dāng)數(shù)據(jù)信息的數(shù)量在200個(gè)左右的時(shí)候，其準(zhǔn)確率是可以維持在70%左右；當(dāng)數(shù)據(jù)信息的數(shù)量超過200個(gè)的時(shí)候，準(zhǔn)確率整體出現(xiàn)下降的趨勢并且最終的準(zhǔn)確率只維持在40%。而利用人工智能方法在進(jìn)行檢測的過程中，當(dāng)數(shù)據(jù)信息的數(shù)量在100個(gè)左右的時(shí)候，其準(zhǔn)確率就已經(jīng)能夠達(dá)到82.5%，即使當(dāng)數(shù)據(jù)信息數(shù)量到達(dá)1000的時(shí)候，其準(zhǔn)確率也能夠維持在 80%左右，整體的平均準(zhǔn)確率則為83.57%左右。

明顯可以看出，基于人工智能的新能源并網(wǎng)運(yùn)行實(shí)時(shí)監(jiān)測方法的準(zhǔn)確率會(huì)更高一點(diǎn)。在對比兩種方法準(zhǔn)確率的基礎(chǔ)上，為了保證檢測結(jié)果的準(zhǔn)確性，需要對兩組再次進(jìn)行關(guān)于實(shí)時(shí)監(jiān)測速度的對比實(shí)驗(yàn)。本次實(shí)驗(yàn)共進(jìn)行15次，下表1則為兩種方法具體數(shù)據(jù)統(tǒng)計(jì)結(jié)果。

表 1 兩種方法監(jiān)測速度對比結(jié)果（s）

根據(jù)上述表1顯示的數(shù)據(jù)可以看出，傳統(tǒng)方法在進(jìn)行監(jiān)測的過程中，實(shí)時(shí)監(jiān)測速度是在12.5秒到13.5秒之間；但利用人工智能方法在進(jìn)行檢測的過程中，實(shí)時(shí)監(jiān)測速度是在5.5秒到6.5秒之間。通過上述的數(shù)據(jù)顯示出傳統(tǒng)方法實(shí)時(shí)監(jiān)測的平均速度為13秒，而基于人工智能方法實(shí)時(shí)監(jiān)測的平均速度則為6.144秒，明顯可以看出基于人工智能的新能源并網(wǎng)運(yùn)行實(shí)時(shí)監(jiān)測方法，實(shí)時(shí)監(jiān)測數(shù)據(jù)的時(shí)間會(huì)更短。

綜上所述，傳統(tǒng)方法在對新能源并網(wǎng)運(yùn)行進(jìn)行實(shí)時(shí)監(jiān)測的時(shí)候數(shù)據(jù)信息的準(zhǔn)確率是沒有辦法保證的，并且其實(shí)時(shí)監(jiān)測的速度也相對較長；而使用了人工智能的方法之后，則可以更加高效而準(zhǔn)確地對新能源并網(wǎng)運(yùn)行進(jìn)行實(shí)時(shí)監(jiān)測，從而實(shí)現(xiàn)對我們國家新能源更加精準(zhǔn)細(xì)致的監(jiān)測與分析。

結(jié)束語

此次提出的對新能源并網(wǎng)運(yùn)行進(jìn)行實(shí)時(shí)監(jiān)測的方法是在我國傳統(tǒng)監(jiān)測方法的基礎(chǔ)上，結(jié)合人工智能研究出更加準(zhǔn)確的實(shí)時(shí)監(jiān)測方法，解決了傳統(tǒng)方法所存在的問題。本文主要將重點(diǎn)放在運(yùn)行和智能檢修方面，設(shè)計(jì)出更加完善的人工智能系統(tǒng)，在保證準(zhǔn)確率的同時(shí)，也提高了數(shù)據(jù)監(jiān)測時(shí)的安全性。但是由于時(shí)間的限制，此方法還存在著許多不足，在接下來的研究中，將繼續(xù)對本文提出方法進(jìn)行完善，以期為新能源并網(wǎng)運(yùn)行的實(shí)時(shí)監(jiān)測提供參考價(jià)值。