在能源轉型背景下，AI技術將成為電力系統自動化、智能化平穩運行的關鍵，能夠廣泛應用于電力調度、繼電保護、電力設備管理、電力系統穩定評估與決策等電力系統運行管理領域，具備廣闊的應用前景。

　　文 | 劉舒巍 楊和辰 余夏 舒斌 吳其榮

　　AI技術在電力系統中的應用現狀

　　AI技術，即人工智能(Artificial Intelligence)技術，最早在1956年的Dartmouth學會上被提出，可以對人的意識、思維過程進行模擬、延伸和擴展，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。相對于傳統人工操作，AI技術能夠高效穩定地完成設定工作，從整體上提高應用效率，降低運行成本。根據《新一代人工智能發展規劃》中的分類，目前應用于電力系統的AI基礎理論主要有：大數據、自主協同控制與優化決策、高級機器學習等，通過此類技術的協同應用，AI技術能夠具備傳統技術無法比擬的多種優勢。

　　AI技術在電力系統中的應用一般可分為2個階段：

　　(1)以專家系統和人工神經元網絡(Artificial Neural Network, ANN)為代表的第二代AI技術在電力系統各子領域的應用，在第二代AI技術中，數據具有核心地位，但是不再為系統灌輸知識，而是設法讓系統從數據中自主學習知識，即利用數據、算法與算力3個要素構造的AI。其中，ANN模塊就是典型的代表之一，ANN具有強大的學習能力，可以從原始數據中抽取出知識并存儲在網絡參數中，因此可以應用在電力系統的電力調度、繼電保護以及電力設備管理等方面。

　　(2)以深度學習為代表的第三代AI技術，即融合了知識驅動和數據驅動的優點，利用知識、數據、算法和算力4個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和數據，讓AI技術更安全、可信、可靠，如深度學習在電力系統穩定評估與決策中的應用等。

　　● AI技術在電力調度中的應用

　　隨著發電側的不斷多元化以及用電側對于電力需求的不斷增加，電力調度需要處理的實時數據也隨之不斷增加，AI技術以其運算高效、操作精準、學習能力較強，在電力調度中獲得了廣泛應用。

　　專家系統

　　電網調度系統在運行過程中對知識經驗的要求較高，AI技術的“專家系統”，是指在原有系統的基礎上，根據運行經驗，利用信息技術，建立完善的數據庫，讓AI技術具備“專家”的能力，能夠觀察電力系統的運行調度狀態，模擬人工進行分析、決策，對存在的問題進行及時處理，并在運行中不斷豐富自身的信息庫，以滿足調度系統的運行需求。

　　當然，專家系統作為第二代AI技術，也存在一定的弊端，主要體現在自主學習能力較差，自我發展水平較低等方面，未來可結合其他技術組建耦合模型，共同作用實現電力系統的穩定運行。

　　可視化技術

　　隨著電力調度系統需要處理的實時數據不斷增加，電力調度的復雜度、排障難度也逐步增大。而可視化技術能夠實現信息數據的圖片化展示，幫助調度人員直觀地“看到”故障位置，節約了對海量數據信息進行分析所消耗的時間和精力，能夠顯著提升工作效率，保障系統平穩運行。

　　人工神經網絡

　　人工神經網絡技術是模擬人腦神經元，建立某種簡單模型，從而實現智能化信息處理和傳輸的一種技術。在電力系統中，諸如電廠、變壓器等模塊化的部件可以看作是簡單的神經元，這些模塊均擁有特定的輸出函數，這些部件互聯結構而成的電力系統則可以看作是整體的神經網絡系統。依托這個神經網絡系統，耦合一定的數值算法，可以對海量數據進行分析和處理，提高電力調度過程中的信息傳輸和處理效率;同時，神經網絡系統還具備自我學習能力，可以對實時數據進行在線學習和聯想記憶，從而實現對電力調度的有效管理和控制，保障調度系統高速平穩運行。當然，構建電力系統這樣的神經網絡系統，并不是簡單的幾個神經元連接即可，其中隱含層層數、隱含層節點數的確定也是需要重點考慮的問題，例如針對隱含層節點數，一般需要通過在網絡訓練中選取不同節點數分析、比較，最后得出預測結果誤差，然后確定選取最優的節點數;此外，各神經元的初始權值和閾值的選取也十分重要，針對Sigmoid、Tanh、ReLU等常用激勵函數，如果初值取得太大，則會導致函數輸入過大，進而達到飽和。

　　總體而言，AI技術有助于提升電力調度系統的可靠性和穩定性，未來隨著AI技術的不斷升級優化，它在電力調度系統中的應用將更加廣泛。

　　● AI技術在繼電保護中的應用

　　將AI技術應用于繼電保護中，能夠提升繼電保護敏銳度、準確度，從而保障電力系統運行安全。

　　專家系統

　　其原理與上文中的“專家系統”類似，在繼電護中，也可以利用專家系統，讓繼電保護機制具備“專家”的運行知識和經驗，掌握自動分析和解決問題的方法，提升繼電保護運行水平。

　　暫態保護

　　通過構建暫態保護機制，利用AI技術的運算優勢，自動提取故障信息并進行故障識別，為繼電保護系統提供及時可靠的決策依據，從而及時將其與故障隔離，保證主設備安全。

　　人工神經網絡

　　其原理與上文中的“人工神經網絡”類似，在繼電保護系統中人工神經網絡主要用于故障類別識別。例如發生故障后，可以通過人工神經網絡自動判斷故障類別(瞬時故障還是永久故障)，若為瞬時故障則可執行重合閘指令，若為永久故障則不可重合閘。此外，模糊理論、遺傳算法也可進一步優化繼電保護運行算法，提升繼電保護系統運行水平。

　　總體而言，AI技術能夠有效優化繼電保護機制，及時、準確地切斷系統故障，避免故障擴大甚至影響主機運行，從而進一步保障電力系統的安全穩定。

　　● AI技術在電力設備管理中的應用

　　電力生產設備的運行維護管理是保證電力系統安全的一項基礎工作，同時也是影響電力系統安全可靠運行的重要因素。

　　以電力一次設備“變壓器”的管理為例，在運行過程中，就可結合AI技術對其運行狀態進行監測與評估。研究人員構建了基于SOA-SVM(Seeker Optimization Algorithm-Support Vector Machines)的變壓器故障診斷模型，通過實際項目驗證，發現該模型的診斷精度較高，能夠為變壓器等電力一次、二次設備提供科學的在線監測與診斷。另外，在通信設備管理方面，也有研究人員設計了基于AI技術的通信設備管理系統，實時采集通信系統設備運行數據，并利用AI技術自動檢測運行狀態，若存在異常則采用容錯技術進行恢復，從而實現對通信設備狀態的精確分析、預警及恢復，保證通信系統的穩定運行。

　　此外，在設備管理過程中，對于基層運維人員，往往存在檢修人員工作票開票、手工錄入過程繁瑣而導致人力資源浪費、速度慢、錯誤率高等問題，影響工作質量、工作效率的同時，也增加了因維護導致的停電時長。針對此問題，某電廠借助AI辦公技術，使用了專用時間統計軟件，建立了文件名詞云，并結合現場工作需要，設計了一種基于AI技術的電力生產管理自動化系統，對系統內的各類數據信息進行關聯化處理，具備日程提醒，資料、臺賬輔助指引，文字識別、文檔自動錄入等功能，大大簡化了需要人為操作、記憶的工作，減輕了基層檢修人員的工作負擔，有效提升了電網調度專業管理及安全運行水平。

　　總體而言，AI技術的應用是未來電力設備、生產管理的發展趨勢，隨著技術的發展，AI也將在提高工作效率、降低基層人員負擔中發揮更加重要的作用。

　　● AI技術在電力系統穩定評估與決策中的應用

　　以上提到的技術大多屬于第二代AI技術在電力系統各子領域的基礎應用，仍然存在進步的空間。在此背景下，以深度學習、強化學習為代表的第三代AI技術在處理數據、挖掘復雜非線性映射等方面具有強大的優勢，將其應用于電力系統穩定評估與決策中，能夠在一定程度上提升控制系統的智能性，具備重要的現實意義。

　　基本框架

　　在電力系統穩定評估與決策中，第三代AI技術的基本框架為“建立模型并離線訓練、在線應用和實時修正”。首先，通過對電力系統運行的實時、歷史以及其他仿真數據等樣本進行學習，挖掘數據中的有效信息，建立模型并進行離線訓練;與此同時，為提高模型準確度，還需對常規電網運行原始數據進行清洗和樣本平衡，避免干擾。然后，將經過校驗的模型應用于實際場景中，通過對多維電網狀態信息等采集到的實時數據進行分析，完成系統運行穩定評估與決策。此外，在模型運行過程中，還可根據實際的評估與決策結果實時反饋，深度學習，從而進一步修正優化模型。

　　AI技術在電力系統穩定評估中的應用

　　近年來，國際上發生的多起大停電事故都和電網暫態失穩有關，因此穩定問題是影響電力系統安全的關鍵因素。這就需要我們能夠及時、準確、綜合地評估電力系統運行穩定水平，降低事故發生率。目前，第三代AI技術在電力系統穩定問題上的研究較多，有功角、頻率及電壓等經典穩定問題，還有新型振蕩問題等;所采用的模型也具備多元化，主要 有傳統機器學習集成、系統響應模型與傳統機器學習的集成、高級機器學習的集成、Bagging引導聚集算法、Stacking集成模型、Boosting集成算法等。

　　? 功角、頻率及電壓穩定評估

　　功角穩定是指同步發電機受擾后系統保持同步運行的能力，可分為小干擾功角穩定(由系統初始運行狀態決定)和暫態功角穩定(由系統初始運行狀態、系統故障情況共同決定)。有研究人員提出了一種基于發電負荷和電網拓撲結構的評估模型，結合故障位置就可以進行電力系統的功角穩定評估。

　　電網側和用戶側的供需不平衡會引發頻率穩定問題。依托電力系統海量數據，學者構建了發電端和負荷端的時間序列模型，分析得到供需不平衡功率、最大頻率偏差和偏差時刻、穩態頻率偏差等定量參數，以此來評估衡量系統頻率的穩定性。

　　電力系統受擾后需要維持各節點電壓在可接受范圍內，這就需要對電力系統受擾后的波動大小進行評估。與功角穩定一致，電壓波動同樣可分為小擾動和大擾動，小擾動的原因有負荷的緩慢增長或降低等，大擾動的原因有系統故障等。電壓穩定評估模型的輸入特征主要有發電機出力、負荷水平、支路潮流、節點電壓、換流閥觸發角和滅弧角、故障前全網損耗等。

　　? 寬頻振蕩穩定評估

　　在現階段以及未來含高比例新能源的電力系統中，寬頻振蕩將時有發生，這是由于電力系統中各個不同的電氣設備間相互作用引起的。寬頻振蕩往往表現為電壓、電流、功率等隨時間周期性變化，其頻率在0.1赫茲至數千赫茲之間，嚴重時會影響電力系統穩定運行。目前，對寬頻振蕩的穩定評估研究還較少，且基本都是針對低頻振蕩，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技術在電力系統穩定決策中的應用

　　對電力系統波動進行了穩定性評估后，還需要給出針對性的解決方案，這就是所謂的“穩定決策”。在AI智能決策中，往往根據電網狀態(經穩定評估的狀態)，結合實際經驗，給出對應的調整方案，從而提高決策效率，減少調度或運行人員工作量、保障電力系統運行安全水平。

　　電力系統中的穩定決策主要有緊急控制、恢復控制和預防控制。在決策機制的實現過程，運用到的第三代AI技術主要有深度學習、遷移學習、隨機森林、強化學習、知識圖譜等。

　　? 緊急控制

　　緊急控制，即當穩定評估結果顯示電力系統遭受嚴重擾動發生故障時，如局部停電、孤島運行等，需要穩定決策系統及時決策出對應措施，在盡量不影響其他系統的情況下進行緊急控制?，F階段，電力系統緊急控制的手段主要有：切斷發電機、切斷負荷、低頻減載、低壓減載等。研究人員開發了一種基于SPWVD圖像和深度遷移學習的強迫振蕩源定位方法，當電網出現強迫振蕩時能夠快速、準確定位，同時指導運行人員及時切斷故障點，實現對強迫振蕩的緊急控制。

　　? 恢復控制

　　恢復控制，即故障控制解決后，對故障元件進行恢復的過程，可分為機組恢復、網絡重構和負荷恢復等，目前以機組恢復的研究居多。研究人員針對機組恢復控制，提出一種結合蒙特卡洛樹搜索和深度學習的恢復控制在線決策方法，利用改進的上限置信區間算法、支路修剪技術和估值網絡對機組恢復措施進行決策，并行多次結果以確定最終的恢復措施，能夠有效應對恢復過程中的多種不確定性狀況。

　　? 預防控制

　　預防控制，則是在電力系統正常運行狀態下，針對穩定評估過程中發現的穩定裕度不足等問題，提出優化策略和方案，在發生擾動前采取相應措施，預防電力系統失穩。主要的控制策略有調整電網拓撲、發電機出力，調節直流功率和負荷等，目前的針對性研究還較少，且主要集中在基于深度學習的暫態穩定問題上。研究人員結合卷積神經網絡進行了系統靈敏度計算，通過疊加減負荷策略，調整發電機出力，實現了暫態穩定的預防控制。

　　發展方向

　　總的來說，針對電力系統穩定評估，現階段對系統整體穩定性的把握還不夠，未來，應當深入探索電力系統整體穩定性的特征指標，并將不同評估問題不斷耦合細化，進一步提高對系統整體穩定性的把控。關于電力系統穩定決策，目前可以說尚處于起步階段，大多仍然處于對緊急、恢復、預防控制的研究階段，而對于校正控制領域的研究很少，未來AI技術在電力系統穩定決策中的應用研究仍需不斷探索。

　　AI技術應用于電力系統的前景

　　隨著AI技術的不斷進步，人工智能未來必將成為電力系統自動化、智能化的關鍵組成部分;而電力系統的優化發展也必然伴隨著AI技術的發展而穩步進行，兩者是協同發展的。未來，隨著以大數據、深度學習等技術為依托的新一代AI技術的廣泛應用，電力系統自主化和自動化的能力將不斷提升，也將具備更高的安全性、穩定性、高效性和經濟性。

　　現階段，AI技術在電力系統中的應用仍存在一些問題，需要在發展中進一步優化完善，主要體現在：

　　AI技術的應用離不開大量數據樣本、分布式通信協議以及高效的計算能力，因此大數據采集、通信傳輸、平臺云計算等基礎設施的建設是充分利用AI技術的前提。在未來的發展過程中，電力系統的數據、通信等基礎設施還需進一步完善。

　　現有的評估模型大多都是基于已有的數據、算例事先構建好再進行離線訓練，這些數據、算例往往針對性很強，幾乎是針對單一特性的;而對實際運行過程中暫態、頻率、電壓等各種不穩定問題的交織狀態未進行全盤考慮，在現有的研究中也還難以開展多個不穩定模式彼此耦合的復雜情況的評估。

　　現有的AI模型中往往也只能夠針對單一的任務進行決策，如單一的繼電保護、電網故障恢復路徑選擇、電力調度等，即尚缺乏“多任務”模型。因此，未來若要實現AI技術在電力系統中的廣泛應用，就必須大幅提升AI模型的任務處理能力，實現“混合智能”，即將“專家系統控制技術”、“人工神經網絡控制技術”、“模糊控制技術”、“線性最優控制技術”等多種控制方法和工具相結合起來形成“混合智能”，從而實現從孤立判斷到多問題的統一分析、從單一模塊到整體系統的統一把控。

　　在利用AI技術提升電力系統智能化的同時，還需要加強數據管理及隱私安全保護，謹防數據泄密。電力系統的安全不僅關系到社會穩定，還關乎軍事國防安全，因此AI技術在應用到電力系統中時必須展開深入且全面的安全保障研究，做出相應的風險評估，保障電網運行的穩定與安全。

　　目前第二代、第三代AI技術在電力系統中已有了一些示范應用，并朝著更高的方向邁進，雖然從總體看，AI技術在電力系統中的應用還處于起步階段，要形成完整成熟的體系化技術系統還需要很長的時間。但隨著我國電力系統的迅速建設以及AI技術的不斷優化改進，其在電力系統中的應用前景是十分廣闊的。

　　在“碳中和”背景下，面對能源緊缺和“碳減排”雙重壓力，現階段我國電力系統的低碳發展任務艱巨。一方面要對火電進行經濟性提升和低碳改造，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展清潔能源，逐步推進電能替代。而在此過程中，AI技術也將成為電力系統自動化、智能化平穩運行的關鍵。

　　隨著我國電力系統建設的快速發展，電網側、用戶側數據的體量大幅增加，電網管理的復雜性也在不斷提升。而AI技術具備智慧性、高效性和便捷性，能夠有效平衡源、網、荷、儲，保障電力系統的穩定運行，因此在電力系統中得到了高效應用。目前以專家系統和人工神經元網絡(ANN)為代表的第二代AI技術已在電力調度、繼電保護、電力設備管理等領域得到了廣泛應用，以深度學習為代表的融合了知識驅動和數據驅動的第三代AI技術也正逐步應用到電力系統穩定評估與決策中，從而更安全、可信、可靠地推動電力系統智能化進程。與此同時，在“雙碳”背景下，光伏、風電等分布式能源的快速布局，對電力系統的負荷能力和運行方式提出了更高的要求，這些需求也為AI技術的應用提供了無限的可能?？偟膩碚f，進一步開發和完善AI技術是讓電力系統實現更智能、更安全發展的有效解決方案之一。

　　本文摘錄整理自《南方能源建設》學術期刊刊發的論文《AI 技術在電力系統發展中的應用與前景》，通信作者劉舒巍為重慶遠達煙氣治理特許經營有限公司科技分公司、重慶大學能源與動力工程學院高級工程師、博士。