人工智能应用于电网调控的关键技术分析

人工智能应用于电网调控的关键技术分析

杨晓凯

国网谷城县供电公司 湖北襄阳  441700

摘 要：人工智能技术在现阶段的社会发展中被得到广泛的关注，在产业智能化快速发展的同时，在电网调控相关领域中有着十分重要的应用，也取得一定的成果。但是在理论研究中却缺少了一定AI技术的系统与架构研究内容。因此本文根据目前最新AI技术的建设现状来构建符合电网调控的架构与系统，并结合分布式深度学习和相关关键技术的分析，以供相关人员参考。

关键词：人工智能；电网调控；技术分析

前 言：

人工智能简称AI，其给予传统行业发展以新的思路，并且在新兴产业方面也有着明显的效果。各个国家的政府部门也在加强对人工智能研发和应用的资金与政策支持，并且积极部署相关核心技术和顶尖人才以及相关标准的规范，加快AI智能产业的快速发展。在现代科学技术中，人工智能是一种颠覆性的技术内容，其有着强大的处理能力，表现在感知、认知和计算智能处理上。并且随着AI技术的快速发展，其在电网调控领域中已经有着初步的应用。基于AI技术的支持，能够以技术的优势来减少调度人员的工作强度，保障工作效率的全面提升。由此也以智能化的水平来提升电网系统的整体控制和调度，这为我国后续智能电网的发展提供了充足的技术基础。

1. 电网调控对于人工智能的应用现状与需求

现阶段电网的调控领域应用的相关场景中，其所应用的AI技术主要包含以下几点问题：

1. 如图1内容所示。目前我国的电网调控领域中，所使用的人工智能应用都属于单独的硬件设备支持，并且所搭建的开发环境也相对较为单独，导致底层资源被不断的重复建设，造成资源的浪费^[1]。

2. 在AI应用成果上相对较为零散，深度不足，并且成果也不能得到充分的享用和相互促进。

3. 在AI技术使用中，其所谓的应用门槛相对较高，需要在此基础上在算法的学习上投入巨大的精力。

图1：电网调控领域中人工智能技术的应用现状

因此在AI技术应用中，需要对于现阶段的电网建设有着一定程度的了解，同时基于电网调控领域中的相关应用场景进行系统的研究，尤其是要从整个系统的底层资源开始进行应用，随后将其扩展到算法的框架和一些通用的服务上，最后传输到上层的AI应用系统架构中，整合底部的资源和相对应的基础设施，保障AI算法可扩展性的提升，搭建具有共享性效果的电网调控AI智能平台，具体如图2所示。随后以该平台的应用来减少AI技术的应用门槛，提升各个技术之间在平台中的共享功能效果^[2]。

图2：人工智能平台建设思路图示

随后结合电网调控领域的AI技术应用现状与需求，所建设的AI平台需要具备标准、统一、开放和共享的关键特征。

1. 需根据AI技术的特征来统筹与规划建设AI算力资源，实现高效的云化与容器化的算力资源管理，保障CPU的使用率快速提升，进而以高效易扩展的算力资源来支持现有的AI技术应用效果。

2. 结合主流的算法和框架内容来保障机器学习计划的科学性，并符合结构规范要求，为AI算法提供更加标准的资源访问路径^[3]。

3. 根据对相关机器学习模型的分析与探讨，将技术作为统一描述基础，为AI技术的应用创造能够有效扩展的算法框架服务，减少模型和框架之间的紧耦合性问题。

4. 根据所建设的AI智能应用平台，可以将计算模型和数据质量管理加以聚集，对AI算法进行优化与调整，减少AI技术与平台构建的难度，随后根据平台内置AI通用算法框架的延伸与扩展来实现知识共享的效果与功能。

2. 电网调控领域人工智能平台的总体架构

需要注意的是，想要构建电网调控领域的AI平台，算力、数据与算法是其平台建设的重心。其中的算力计算和存储资源的一种形式，其包含CPU、GPU以及一些网络或者存储设备等内容；而数据是指对数据进行调控的过程中，其具有海量与非结构化的重要特点。最后的算法分为两个领域，在电网调控领域中其被称为自定义算法，而在AI领域中被称为成熟算法。还需要注意的是，AI领域中现如今已经实现对基础技术服务的广泛应用，如图像与语音识别等服务。同时在应用AI技术期间，其上层的调控业务也需要这些基础服务的支持来实现其业务的高速开展。

另外还需要注意的是，调控云是整个AI平台建设的计算基础，其能够对基础设施进行共享应用，随后以CPU虚拟化等相关方法来扩展算力。该场景适合于相关领域应用中的平台架构设计内容，如图3。在此期间，此平台中必然会包含重要的基础设施和引擎，进而方可实现对上层的智能调控。

图3：AI平台架构图示

3. 人工智能应用于电网调控领域的关键技术

将AI平台相关技术应用到电网调控平台中，其所应用的技术内容主要不包含以下几点，具体分析如下。

3.1分布式深度学习技术

分布式深度学习技术能够显著的提升深度学习中的训练效率，作为深度学习的“加速器”，其主要包含模型并行和数据并行两种方法与模式。

1. 模型并行。整个分布式系统中每个机器都有着其单独负责的节点计算内容，更加适合于一些单机储存内存小的场景和模型进行使用，有着良好的扩展能力。

2. 数据并行。在整个分布式深度学习的框架中，每一步学习阶段都存有技术网络模型的副本，并且每一台机器也都需要对自己分配的数据进行训练和处理，然后同步每个节点中的模型参数，其可被分为同步和异步式两种模式。

同时需要注意的是，分布式计算铝框架能够为其深度学习模型提供一定的计算基础，并且还需要将单机和现阶段十分主流的计算框架相互结合，以新型计算引擎的构建来处理计算集群中的海量数据，然后融合并行与分布式两种框架，减少训练过程中所损耗的具体时间，保障算法模型其迭代的速度加以提升。其中包含离线、流式和图计算三种框架。

同时还需了解与明确的是，AI平台本身基于分布式深度学习的特点，其所包含的模块也相对较多，如数据/模型的划分、每一台机器算法的优化训练、模型聚合以及同步通信机制与异步通信机制的模块等。而这其中以一种并行的模型类实现框架计算则数据模型的划分，进而可以有效解决单个机器中神经网络模型内存超大的问题。如果此时模型构建的过大，则可以采取分布式模型中的相关模块代替其构建。而单机优化中的算法训练模块主要是支持的迭代的训练内偶人能够，这样可以对正在训练的参数和迭代的数据向前传递，再向后发送到服务器，直到此时整个迭代训练才算是完成一个循环。在这样的流程与顺序的帮助下，可提升迭代优化的效率。

3.2模型管理

在模型管理中，其包含模型的全生命周期管理和模型的融合两大方面。

1. 模型全生命周期管理。基于全生命周期的管理，能够实现AI平台模型中的数据存储、各个版本的控制以及扩展模型的发布与探索等相关功能，并且是以可视化的方法来实现的。需要注意的是，在有关数据训练准备完毕之后，不同的业务在不同的接口和训练内容上会得到不同模型的结构和参数。这样可根据AI算法来将其差异性的内容统一纳入到模型管控库之中，实现自动化的全生命周期管理的功能。

2. 模型融合。该方面主要是结合电网应用场景的实际要求在特征提取上和模型训练上等步骤，来从定制的算法库中和通用的算法模型中选择适合的模型，结合反复利用和组织的方式，为电网的特征性认知和运行控制以及故障防御等各个场景提供适合机器学习的模型内容。

3.3电网调控领域知识图谱

随着AI技术的不断成熟，其中的知识图谱已经在各个场景中得到广泛的应用，如自动问答、智能搜索、智能推荐和决策支持等方面。一般来讲，在知识图谱的构建中应当包含以下步骤。

1. 知识获取。结合自然语言处理等相关技术对结构化和半结构化以及非结构化的信息进行分析与处理，随后在抽象的数据中抽取所需要的实体和关系，以此来形成“实体--关系--属性”或者是“实体--关系--实体”的三元组模式。

2. 知识融合。对于不同专业和结构的知识加以融合，以此来补充现有的知识图谱，并做好知识内容的更新与去除。

3. 知识存储。结合图数据的方式将知识图谱中的三元组信息进行存储，并结合可视化来展示实体与关系等内容。

4. 知识推理。结合逻辑规则方法和表示的学习技术，来对实体或者关系缺失的部分进行补充，并以此来发现其中的隐含知识。

在AI通用算法框架中的知识图谱，本身可提供完整知识获取、融合、存储与推理等重要功能。在实际的电网调控中其具备海量的运行数据，这些数据覆盖着整个电网的多个方面。而结合目前的AI通用算法框架中的知识图谱服务，可以实现电网调控领域知识图谱的构件和存储与检索以及融合和推理。而构建出高质量的知识图谱，能够为电网调控做好科学的辅助，也可为各种故障的处置预案提供重要的技术支撑。

3.4一站式图形化交互建模

为降低对机器学习方法的使用门槛，让AI引擎用户能够对AI业务的应用本身加以重视，平台所提供的一站式图形化交互建模工具，能够实现数据、算法服务和模型前后端的一体化整合，以此来将过于复杂的数据分析代码的开发转化为抽象化的图形绘制和执行工作，以此可提供数据介入、调整选择、模型训练和预测与效果评估等相关的功能内容，并以类似于“搭积木”的方式来将相关组件组合成一种完整的机器学习过程。随后结合一站式图形化的交互建模变程序编码也为组件提供专业的拖拽和配置服务，由此来降低机器学习的应用难度。其具体的建模工具效果如图4所示。

图4：一站式图形化交互建模工具效果示意图

结 语：

综上所述，本文提出以AI智能平台建设支持的电网调控平台的建设内容，论述该平台应用的关键技术，由此可以明确的是，在人工智能技术快速发展的今天，AI技术在电网调控中的应用也初见成效，其以算力、算法和数据的智能应用，可减少机器学习的难度，以此为电网调控中的AI技术应用的鲁棒性和准确性提升提供了充足的技术基础。

参考文献：

[1] 闪鑫,陆晓,翟明玉,等.人工智能应用于电网调控的关键技术分析[J].电力系统自动化,2019,43(01):69-77.

[2] 李白.人工智能应用于电网调控的关键技术分析[J].百科论坛电子杂志,2020,000(004):733.

[3] 秦亮,孙喆.人工智能应用于电网调控的关键技术分析[J].无线互联科技,2020,v.17;No.189(17):152-153.

作者简介:杨晓凯，1992年7月生，男，籍贯湖北老河口，学历本科，目前从前电网调度管理。