基于人工智能赋能的新型电力系统关键技术综述

基于人工智能赋能的新型电力系统关键技术综述

蔺玉琪

大唐河南清洁能源有限责任公司 450000

摘要：人工智能技术作为当前新时代应用较为广泛的科学技术,对于推动社会的发展以及行业的生产来说,具有非常重要的意义。而作为新型电力系统来说,在人工智能技术的帮助下,不但让新型电力系统在建设过程中,提高建设效率和质量,还让新型电力系统具备一定的智能化和自动化特性,大大降低其出现故障的概率,减少后期运营维护的各项投入。基于人工智能技术对推动新型电力系统智能化的重要作用，综述人工智能在新型电力系统中的应用现状、技术挑战和未来发展方向。

关键词：人工智能；新型电力；技术

引言

电网的发展特点与转型需求是当前电力领域关注的重要议题，电网面临着一系列新的挑战与机遇。未来电力系统的转变包括五大方面，即电源结构转型、负荷特性转变、电网形态逐渐复杂、技术基础演进与运行方式转变。本文将结合人工智能技术的发展现状以及新型电力系统的特点和需求，围绕人工智能在新型电力系统中的关键技术领域应用开展论述。

1人工智能技术在电网中的基本原理

机器学习：负荷预测是网络运营的一个基本方面，包括预测未来的负荷需求。机器学习技术可以利用历史负荷数据、天气信息等因素构建预测模型，准确预测未来电力负荷，为电网规划提供基础。机器学习技术可以通过实时监测和分析网络数据、检测异常和识别可能的故障原因来加速故障排除并提高网络可靠性。

深度学习：该技术在电力系统中的重要应用是图像识别。图像识别功能，如工厂状态监测和故障检测，可以提高电力维护效率。深度学习也广泛应用于电气故障诊断。通过深入了解电气故障数据，可以建立故障诊断模型，准确识别网络故障的类型和原因，指导故障处理和故障排除。

强化学习：该技术在电力系统的智能配电中有许多应用。通过实施智能配电系统，电网可以根据当前形势和未来预测，自动规划电力负荷并做出资源优化决策，从而确保电网的高效运行。强化学习技术可以通过与环境的互动学习，不断优化配置策略，逐步提高网络性能和效率。通过规划电力负荷和优化资源，可以实现电网的有效运行。先进的学习技术可以通过不断优化配置策略，逐步提高网络性能和效率。

2关键问题分析

人工智能技术目前在电力系统中部分领域应用效果还不够好，主要存在以下问题：（1）数据不均衡问题，电力系统追求安全可靠运行，大部分历史量测样本均为正常状态数据，历史故障或极端运行状态极少，属于人工智能领域内的典型小样本问题；（2）模型可信性问题，目前人工智能模型存在安全性、可解释性、鲁棒性等可信危机问题，单纯由智能模型进行电力系统决策难以保障安全可靠，对于业务人员来说智能模型的运行原理与输出结果也存在黑箱问题，在调度领域中难以大规模落地应用；（3）实时优化决策问题，高比例新能源、柔性负荷、需求侧响应的接入大幅增强了电网源荷双侧的随机波动性，鲁棒优化、随机优化等优化控制方法在极端场景下仍然存在一定的不足，难以实现源荷高度不确定条件下快速、实时、精准的优化决策。

3基于人工智能赋能的新型电力系统关键技术

3.1数据增强推演技术及其典型应用

数据增强推演技术包括数据增强与迁移推演2部分技术。通过数据生成、数据增广等方式扩充电力系统中的数据规模，并在数据空间中通过迁移学习、仿真推演，突破数据分布空间差异局限，实现电力系统跨业务场景的数据迁移推演分析，缓解数据不均衡、样本稀缺对电力系统人工智能应用稳定性、可靠性的制约。

3.2数据机理融合技术及其典型应用

电力系统在长期规划运行过程中，积累并形成了大量以规则形式表示的经验及规程，以及以方程形式表示的代数方程、微分方程及物理机理。将已有的各类先验知识融入机器学习模型，不仅可以大幅降低模型训练的样本需求，也能够增强模型的可解释能力，并通过规则及机理来约束模型的决策空间，增强模型应用的安全性。按照数据驱动与机理驱动模型的融合方式，主要可分为5种模式，包括串行、引导、嵌入、反馈、并行等融合模式。按照数据与知识在建模过程的主导地位，又可分为三大类：数据模型主导的“知识增强的数据驱动方式”，包括串行、引导和嵌入模式。

3.3智能优化决策技术及其典型应用

智能优化决策技术主要包括群体智能与混合增强智能，总结其主要技术分支与典型应用。群体智能可解决集中式决策模型维度空间过大、多主体博弈协同等问题，混合增强智能可向数据驱动的智能模型中引入人的协同作用，提供引导新型电力系统趋优进化的优化策略，更新决策知识储备，实现源网荷储全要素协同优化，保障新型电力系统的安全可靠运行。

4未来发展方向与展望

4.1智能自动化数据处理

面对海量数据，研究无效异常数据处理方法、质量提升技术和多源异构数据融合关键技术是保障ＡＩ模型效果的关键。在电力系统转型过程中，智能自动化数据处理的作用不容小觑，自主聚合数据、删除重复数据和自动标记数据以及执行其他关键数据准备任务对保证数据质量至关重要。

4.2知识图谱

知识图谱将相关的数据点联系起来，并将这些联系可视化。这些图表通常包括语义层，即数据的文本描述，便于人们找到所需的内容。例如，在电力系统中，知识图谱可以整合各种电力设备（如变压器、发电机、输电线路等）的数据和信息。通过建立设备的数据模型和关联关系，可以进行故障诊断、预测性维护以及优化设备运行，提高系统的可靠性和稳定性。另外，知识图谱可以整合多样化能源信息，帮助实现智能能源调度和优化，确保能源的高效利用和系统的供需平衡。所以，构建新型电力系统知识图谱，整合和分析多源数据，可以实现设备管理、智能能源分配、风险评估、用户行为预测以及智能决策支持等多方面的应用，推动电力行业向更高效、清洁和智能化的未来迈进。

4.3数据网格化与数据编织

数据编织和数据网格这两种新兴的数据管理战略将助力电力企业的数据管理，简化数据架构，消除数据孤岛。数据编织旨在将不同的数据源和数据类型编织在一起，在不同的数据源之间构建单一数据源，对电力系统的数据架构进行碎片整理，形成一个统一的、可访问的数据网络。这种自上而下的方法，需要在电网的各种数据源之上安装一个虚拟层，以实现严格控制、统一的数据管理。借助主动式元数据管理系统，数据编织范式可以自动执行数据任务，从而为电网增能提效。数据网格则是将数据存储和处理能力分布在整个网络的多个节点上，从而形成一个分布式的、高度可扩展的数据架构。数据网格技术可以将电力系统中的多元异构数据存储在多个节点上，并执行分布式计算以提高效率。

结束语

在新型电力系统建设进程中，人工智能技术的应用日益成为关注焦点。本文综述了电网的发展历程以及人工智能出现后在电力系统中的应用。在大电网安全稳定与控制、源网荷储一体化协同分析、电力系统智能运检与管理，以及微电网智能控制优化等四个关键领域引入人工智能技术，可为电力系统的规划、设计、运行与控制提供强大支持，能够有效提升系统的效率与稳定性。此外，人工智能在安全预警、应急响应等方面的引入，为系统的安全性与可靠性提供了有力保障。

参考文献

［1］刘江.电网运行与维护面临的挑战与措施［J］.山东工业技术，2018（21）：213.

［2］汪海洋.人工智能技术应用于电气自动化控制中的探讨［J］.电气技术与经济，2023（1）：156-158.

［3］蒲天骄，乔骥，韩笑，等.人工智能技术在电力设备运维检修中的研究及应用［J］.高电压技术，2020，46（2）：369-383.

［4］王有元，陈璧君.基于层次分析结构的变压器健康状态与综合寿命评估模型［J］.电网技术，2014，38（10）：2845-2850.

［5］吴奕，朱海兵，周志成，等.基于熵权模糊物元和主元分析的变压器状态评价［J］.电力系统保护与控制，2015，43（17）：1-7.