張偉?王均

摘要：人工智能作為現代化技術產物之一，在諸多領域均發(fā)揮重要用途。在電力系統(tǒng)之中，人工智能主要體現在維護電力系統(tǒng)的運行、降低電力企業(yè)的運營成本等?；诖?，立足人工智能理論之上，闡述人工智能在電力系統(tǒng)中的作用，并從無功電壓控制、電力調度、電力市場、設備壽命評估、運維檢修等方面，對人工智能的具體運用形式進行研究。

關鍵詞：人工智能；電力系統(tǒng)；無功電壓控制；智能檢測

一、前言

電力能源作為維系人們日常生活、社會穩(wěn)定發(fā)展的基礎，伴隨著生活生產、社會運轉等對電力能源產生的高需求，人們也逐漸引入新理念、新技術、新工藝等，優(yōu)化電力系統(tǒng)，夯實電力系統(tǒng)的運行基礎，讓電力系統(tǒng)能夠在不同應用領域發(fā)揮最大價值。人工智能作為一項前沿技術，其在電力系統(tǒng)中的應用及實現，能夠最大限度保障電力系統(tǒng)運行的穩(wěn)定性，且人工智能不再局限于特定的人員管控或計算機管控，其將人腦思維與計算機智能驅動模式進行整合，讓每一項指令精準作用于電力系統(tǒng)運行中，實現全智能化的運作，提高系統(tǒng)的運行效率。同時，人工智能也可避免因為人工誤操作產生的系統(tǒng)運行失效問題，保證電力行業(yè)運營的穩(wěn)定性。本文對人工智能在電力系統(tǒng)中的運用進行探討，僅供參考。

二、人工智能概述

人工智能又稱AI，它是研究開發(fā)用于模擬、延展與拓展人的智能理論、方法及技術。嚴格來講，人工智能屬于計算機科學中的一部分，它是通過人腦思維與智能處理方式的結合，讓計算機系統(tǒng)具備自主執(zhí)行指令的能力，例如，語言識別、圖像識別、自然語言處理以及具有豐富經驗的專家系統(tǒng)，均能夠通過人工智能載體，實現多技術的融合應用。在系統(tǒng)運行過程之中，人工智能也可以通過深度學習，將系統(tǒng)涵蓋范圍內的各項數據信息進行整合，然后通過人工神經網絡實現對既有信息的有效輸入及輸出。在多層疊加的模式之下，整個學習模型可以及時針對數據產生的結果進行預測分析及處理，并作出相應響應，保證智能驅動的合理性與科學性[1]。

對于電力系統(tǒng)來講，人工智能的應用則屬于電力系統(tǒng)自動化、智能化的主要發(fā)展方向。因為現階段電力系統(tǒng)運營中所需要處理的數據信息正呈現指數遞增的試探累計的數據量，如果無法得到正確的處理或反饋，則將導致系統(tǒng)運營的失效問題。人工智能處理模式則可以通過深度學習，結合內部數據信息的呈現模式，建設多節(jié)點的數據參數以及學習模型，然后按照系統(tǒng)常態(tài)運行模式下產生的數據信息作為正常指標，從而實現對整個電力系統(tǒng)運營的有效監(jiān)管及控制，最大限度提高電力系統(tǒng)運行的智能效果。

三、人工智能在電力系統(tǒng)中的作用體現

第一，簡化電力系統(tǒng)的運營流程。從系統(tǒng)運營流程來講，人工智能技術的實現能夠保障電力系統(tǒng)驅動的合理性，人工智能可對傳統(tǒng)設備進行優(yōu)化，讓智能設施通過與計算機的連接，實時下達操作指令，幫助計算機精準調控設備，保證各項設施運行的流暢性。除此之外，人工智能技術也可有效降低安全事故的發(fā)生，因為在大多數人工操作期間，可能存在不符合規(guī)范的操作方式，容易增加電力系統(tǒng)運行的風險，通過人工智能技術則可以借助計算機平臺，實現對整個電力系統(tǒng)的全域化操控，讓系統(tǒng)運行更具邏輯性。

第二，對電力系統(tǒng)進行智能化檢測。傳統(tǒng)電力系統(tǒng)運行期間可能產生故障問題，當出現故障時需要工作人員進行現場檢修，對設備線路或者是相關零件進行逐一檢測，其將消耗大量的時間與成本。部分電力部件內部成分相對復雜，在檢測期間可能被忽略，進而增加故障的檢修時間[2]。人工智能的應用，則可在電力系統(tǒng)之中加設檢測體系，通過智能設備有效將電力系統(tǒng)運行中的各項數據信息進行整合，經由專家系統(tǒng)檢測出數據信息是否處于常態(tài)運行模式，如果發(fā)現當前運行與正常運行指標存在差異的話，則將其界定為故障，并及時反饋到計算機設備。通過時間與空間方面的定位，幫助人員快速查找到故障所在。

四、人工智能在電力系統(tǒng)中的運用

（一）無功電壓控制

無功電壓控制作為電力系統(tǒng)運行實現自動化、智能化的重要標準，從系統(tǒng)運行機制來講，要想對無功功率進行有效控制，則需要從系統(tǒng)的非線性、模糊性等方面增強其控制精度，保證以正確的處理方式解決電力系統(tǒng)運行之中存在的各類損耗問題。但是傳統(tǒng)的數據模型分析形式，難以在復雜的電力驅動場景之中，精確計算出各項損耗點。在人工智能技術的應用下，依托于專家系統(tǒng)則能夠建設出更為全面的知識庫以及推理機構，讓系統(tǒng)按照人類思維的方式去處理各項問題。同時，也能夠對各項知識進行特定的學習模式，對系統(tǒng)運行過程中存在的問題進行自主化處理。這樣一來，每一項模擬程序及推理過程，均具有與人類處理思維相對等的流程。另一方面，在專家系統(tǒng)的支持下，各類知識技能是以專家水平或者是已經具備的處理經驗作為基底，實現對電力系統(tǒng)中無功電壓的有效控制。其間，專家系統(tǒng)在對無功電壓控制環(huán)節(jié)中，是將已經發(fā)生的控制模型作為經驗體，按照特定的計算方式表達出來，然后形成可以供專家系統(tǒng)參考的知識庫，如此一來，在遇到實際問題時，則可以按照上述形成的知識庫，作為后期電壓控制的有效驅動點，且此類驅動點是任何一項控制功能實現的基礎指標，按照基礎控制方式，在無功電壓層面實現有效精確地檢索及分析，提升控制的精確度[3]。在國外電力系統(tǒng)電網電壓控制之中，專家系統(tǒng)的運行是按照集中控制原理對電力系統(tǒng)內部所參與的各項電力載體進行數據采集及分析，例如，變壓器分接頭、并聯(lián)電容器以及節(jié)點電壓等，均能夠按照數據參數所呈現出的標準，作為后期電壓控制的重要參照物。一旦出現問題，專家系統(tǒng)則可以進行預警處理，并檢測到系統(tǒng)運行期間產生的異常現象，最終通過專家系統(tǒng)內部已有的經驗或者是推理程序，有效解決系統(tǒng)運行中的各項問題。

此外，在人工神經網絡之中，也是模擬人腦的神經系統(tǒng)，對各項信息進行處理。在此期間，人工智能采用了大量的人工神經元作為基礎網絡處理的各項節(jié)點，然后各神經元之間能夠彼此連接，最終形成神經網絡，對電力系統(tǒng)內部運行中的各項數據信息進行檢索。同時，人工神經網絡還具備較強的容錯能力、信息分散程度較高、學習能力強，可以讓其在電力系統(tǒng)運行之中有著更高的決策支撐與執(zhí)行作用，進而提高電力網絡無功電壓的控制效率。例如，在數據處理過程之中，按照神經網絡的輸入模式，對主變壓器的各類狀態(tài)進行監(jiān)測，其包含有功、無功，高壓側與低壓側的電壓，此類歷史數據將成為人工智能訓練的一個樣本。然后在調節(jié)電壓時，可以按照神經網絡系統(tǒng)給予的基礎參數進行逐一調整，保證電力網絡運行的穩(wěn)定性。

（二）電力調度

電力調度作為電力系統(tǒng)運行的基礎保障，其主要是按照電力負荷的浮動模式對電網潮流實行管理，保證供電的穩(wěn)定性，同時通過調度也能夠及時按照電力負荷方式調整用電模式以及供電模式，可以降低電力系統(tǒng)運行的損耗，增強系統(tǒng)的經濟性。傳統(tǒng)的電力調度主要是通過人們的檢測以及系統(tǒng)給予的反饋進行人工調控，此過程中可能因為操作失誤產生運行風險。在人工智能技術的應用下，整個處理模式不再局限于人工化的操作，而是通過智能控制系統(tǒng)與電力網絡的連接，創(chuàng)造具有人類控制思維的智能調控體系，人工智能可以按照既定的調度目標，在符合電力系統(tǒng)總運營模式的基礎上，自主優(yōu)化調度方案。例如，機組組合優(yōu)化、調度優(yōu)化等，均可通過對電力系統(tǒng)網絡本身的約束，制定出符合當前經濟性、穩(wěn)定性的最佳投切方案，提高成本的應用價值[4]。

專家系統(tǒng)作為解決電力調度問題的第一項人工智能技術，憑借強大的專家經驗以及知識庫基本可以解決電力調度中的參數，然而在基礎組合優(yōu)化形式的不斷增多下，其所呈現出的問題也越來越復雜，單純依靠專家系統(tǒng)可能無法及時檢索優(yōu)化問題中的參數變化情況。此時，專家系統(tǒng)與粒子群算法的融合，能夠搭建具有雙層處理機制的優(yōu)化模型，提高系統(tǒng)的檢索效果。其間，粒子群算法則是在預調度環(huán)節(jié)建設具有較強穩(wěn)定性的群集，為人工智能系統(tǒng)提供最佳的解決方案。部分電力網絡不單純是以某一種能源供應為主，還能夠在其基礎上加入其他能源，例如，傳統(tǒng)火力發(fā)電體系之中可以接入風力發(fā)電能源機制。其間，能源之間的對接可能產生不確定性問題。在神經網絡支撐下則可確定能源轉換輸出期間的量化標準，結合蒙特卡羅法，將再生能源納入到可優(yōu)化模型之中，最終通過遺傳算法得出最佳的能源供給方案。例如，在機組調度優(yōu)化期間，其是按照能源儲備標準，制定出與當前電力系統(tǒng)符合優(yōu)化相對等的配置方案，但是考慮到可再生資源發(fā)電與傳統(tǒng)電力網絡結合之間產生的冗余問題，可通過人工神經網絡的智能調度方式，建設符合標準化運行的能源管理模型，通過遺傳算法的優(yōu)化，對控制機制進行合理調整，確保能源消耗的最小值，有效規(guī)避高峰期產生的能源需求問題。通過上述能源調度方式，可以讓電力網絡最大限度接入可再生能源的發(fā)電方式，并可以降低電力網絡對傳統(tǒng)能源的依賴程度，提高能源管控效率，讓電力網絡穩(wěn)定、有序地運行。

（三）電力市場

電力交易作為電力系統(tǒng)運行的基礎所在，伴隨著電力交易體系的變革，對傳統(tǒng)電力系統(tǒng)自主優(yōu)化及決策提出更高的需求，同時也間接暴露出傳統(tǒng)電力系統(tǒng)運營中存在的問題，導致電力市場發(fā)展遲緩。在人工智能技術的應用下，電力市場的發(fā)展主要體現在配電側與用電側兩個方向，通過人工智能合理優(yōu)化電力市場結構，保證市場運營的穩(wěn)定性。

第一，在配電側方面，人工智能主要是在配電系統(tǒng)中起到監(jiān)控作用，通過人工智能的方式，高效率采集、分析、存儲、傳輸數據，在一定程度上節(jié)約人力成本[5]。例如，現階段遠程抄表以及報表自動生成等，均可以通過人工智能完成精細化的處理，電力網絡公司可按照人工智能采集到的數據進行整體化分析，保證在處理過程中，按照不同數據采集方式以及數據整合后的最終數值，確定配電側系統(tǒng)運行中的成本消耗。

第二，在用電側方面，主要是通過智能終端電表設備對用戶以及整個電力市場進行有效支撐，因為在人工智能技術的加持下，無論是系統(tǒng)設施還是各項技術，均能夠通過人工智能所提供的平臺，完成對接化處理。例如，智能識別，可以通過智能客服機器人為用戶提供更為全面的數據支撐，用戶可以自主查詢當前電費余額，且整個處理模式無需電力企業(yè)投入額外的客服人員，24小時不間斷的精準服務能夠保證用戶在不同的環(huán)境下享有高質量服務。

（四）電力設備壽命評估

電力設備具有持續(xù)消耗的特點，系統(tǒng)運行過程中，往往需要正確的養(yǎng)護工作，使電力設備長期維系在穩(wěn)定運行指標中，從而為電力企業(yè)創(chuàng)造更多的經濟效益。但是從設備運行機理而言，全天候的運行模式不可避免地讓電力設備提前進入衰退期，此時，需要對電力設備進行多維度監(jiān)測，分析電力裝置在當前運營環(huán)境中的各項消耗，幫助工作人員界定電力設備使用過程中的衰減點，如，電力設備老化程度、電力設備負荷水平、電力設備運行環(huán)境產生的影響因素等，進而確定出自然壽命、技術壽命、經濟壽命等參數，制定合理、高效的防控方法，保證電力企業(yè)的穩(wěn)定運行。人工智能在電力設備壽命評估中的應用及實現，利用了深度學習模型，從神經網絡、模糊推理、集成學習等方面，在電力系統(tǒng)中加設一個數據反饋點，在相關算法的支撐下，能夠進行在線監(jiān)測與分析。例如，設備出廠信息、檢修信息、損耗因素數據等，都可以按照不同的數據點予以對接，最終指向電力設備壽命參數[6]。

在人工神經網絡模型中，可以鏈入到變壓器上，利用具備訓練功能的模型，分析變壓器運行中的各項參數以及在可承受范圍內，變壓器裝置維系穩(wěn)定運行的臨界值。預測模型搭載智能平臺，可以智能化地測評出系統(tǒng)運行中的問題點，徹底擺脫電力設備功能監(jiān)測的人工環(huán)節(jié)。例如，預測模型可以在智能平臺上進行集成實驗，分析模型在不同功能狀態(tài)下的標定值，如果數據值超出系統(tǒng)穩(wěn)定運行的臨界值，將及時反饋到系統(tǒng)中，供工作人員及時查看數據，為電力設備的穩(wěn)定運行奠定基礎。

（五）電力系統(tǒng)故障定位

故障作為阻礙電力系統(tǒng)穩(wěn)定運行的重要因素，人工智能技術在系統(tǒng)故障檢索及處理中的應用，是將“小樣本問題”作為主要解決方案。電力系統(tǒng)運行中將產生大量的數據信息，每一個節(jié)點的數據信息都需要按照不同任務點設置相對應的監(jiān)測點，通過不間斷地測量信息，查找到系統(tǒng)動態(tài)運行所對應的數據點。利用小樣本問題處理電力系統(tǒng)的故障問題，主要是在大量數據中找到具有一定價值的信息點，確保在多樣化的數據來源內，可以通過數據信息檢索與確定故障。其中，電力系統(tǒng)運行將產生大量的數據信息，如果缺乏基礎訓練模型，無法及時理清故障信息，小樣本問題則可作為故障分析與定位的基礎點，其將電力系統(tǒng)運行中產生的信息作為模型基準點，然后模型信息映射到樣本載體中，形成以特定問題為導向的故障模型[7]。如此一來，確定完小樣本問題之后，按照人工智能方案，訓練基礎模型，保證不同任務驅動模式下，將數據信息作為故障樣本的映射點，此時，訓練機器學習模型將按照電力系統(tǒng)的運行規(guī)則自動生成可預見式的數據信息并對當前電力系統(tǒng)運行產生的數據進行比對，當出現數據異常問題時，可通過小樣本問題直接定位到電力系統(tǒng)故障的所在點，且數據模型中涵蓋的邏輯程序也可為專業(yè)的故障檢測設施提供基礎數據，最終實現優(yōu)化及分析。此外，故障檢測與分析時，也可建立樣本集，運用訓練堆棧的方式測量電力系統(tǒng)產生故障的間距，提升故障定位精度。

（六）運維檢修

電力系統(tǒng)在運營過程之中存在持續(xù)消耗的特點，各項組件可能因為不間斷運行或者是不規(guī)范的使用工序產生破損問題，特別是在高精密化、電子化的運行環(huán)境之中，部分精密儀器可能產生故障，這也使得電力系統(tǒng)需要進行整體的停電檢修，保障電力系統(tǒng)運行的穩(wěn)定性。但是從實際檢修現場來講，不可能進行經常性地停電檢修，工作人員需要在帶電環(huán)境下進行檢修作業(yè)。人工智能技術體現其高效能的應用，例如，在線路巡檢中可以采用巡檢機器人、無人機設施、固定攝像頭進行巡檢處理，通過人工智能系統(tǒng)建設典型缺陷樣本庫，經由終端所傳遞回來的視頻信息、圖像信息等進行分析處理，并由深度學習模型對系統(tǒng)內部運行狀態(tài)進行檢測，通過識別、診斷、分析與檢修的一體化處理，能夠讓運維檢修工作更具智能化，降低成本投入。另一方面，也可以保證在帶電作業(yè)的環(huán)境之下實現安全性檢測，降低安全風險的產生概率。

五、結語

綜上所述，在電力系統(tǒng)之中，人工智能技術的應用及實現，最大限度提高了電力系統(tǒng)運營的穩(wěn)定性，且人工智能具備的學習功能，可以幫助計算機系統(tǒng)對電力系統(tǒng)運行方式進行全域化檢索，從而及時發(fā)現系統(tǒng)運行中的問題并予以處理。期待在未來發(fā)展中，積極引入新技術、新理念，夯實電力系統(tǒng)的運營基礎，為我國電力事業(yè)發(fā)展提供長效的保障機制。

參考文獻

[1]周圣杰，王士銘，田洪濱，等.基于人工智能與物聯(lián)網的電力現場作業(yè)智能保障系統(tǒng)研究[J/OL].電測與儀表：1-11[2023-06-13].

[2]盛戈皞，錢勇，羅林根，等.面向新型電力系統(tǒng)的數字化電力設備關鍵技術及其發(fā)展趨勢[J].高電壓技術，2023，49（05）：1765-1778.

[3]張沛，周鈺朋，崔暉，等.基于可解釋機制的極限傳輸能力計算知識表達模型[J/OL].電力系統(tǒng)自動化：1-12[2023-06-13].

[4]葛磊蛟，劉航旭，孫永輝，等.智能配電網多元電力用戶群體特性精準感知技術綜述[J/OL].電力系統(tǒng)自動化：1-18[2023-06-13].

[5]潘曉華，張效慶.人工智能技術在電子工程自動化控制中的有效應用[J].數字技術與應用，2023，41（04）：43-45.

[6]程凱強，周照宇，曹財云.人工智能技術在電力調度自動化系統(tǒng)中的應用[J].集成電路應用，2023，40（04）：248-249.

[7]張博， 劉絢， 于宗超， 等. 基于人工智能的電力系統(tǒng)網絡攻擊檢測研究綜述[J]. 高電壓技術，2022，48（11）：4413-4426.

作者單位：國電南瑞科技股份有限公司信息系統(tǒng)集成分公司