莊莉，高偉，郭麗華，王燕淑，宮江偉

（福建億榕信息技術(shù)有限公司，福建福州，350000)

1 人工智能與智能電網(wǎng)

人工智能包含多個(gè)方面，是眾多學(xué)科在不斷碰撞下，逐漸交融發(fā)展而來的綜合學(xué)科，其中包括搜索、知識(shí)表示、規(guī)劃推理等板塊。人工智能是科學(xué)領(lǐng)域的重要代表，其目的是創(chuàng)造出能夠幫助人們，作為具有智能水平的智能機(jī)器，對(duì)于人類發(fā)展來說有著重要的進(jìn)步。淺層機(jī)器學(xué)習(xí)模型，為人工智能的第一批研究模型，由于樣本和計(jì)算單元有限，使得當(dāng)時(shí)的機(jī)器學(xué)習(xí)無法計(jì)算復(fù)雜函數(shù)，令其泛化能力受到制約[1]。

隨著目前科學(xué)技術(shù)的發(fā)展，人工智能也開展了更多的研究，現(xiàn)在的人工智能主要存在四種特點(diǎn)：第一種是具備多隱層網(wǎng)絡(luò)結(jié)構(gòu)；第二種是可以針對(duì)隱層網(wǎng)絡(luò)，采用無監(jiān)督、半監(jiān)督學(xué)習(xí)算法，進(jìn)行逐層預(yù)訓(xùn)練；第三種是海量學(xué)習(xí)樣本；第四種是從低層特征出發(fā)，令智能機(jī)器可以自動(dòng)學(xué)習(xí)高級(jí)特征。在此基礎(chǔ)上，從環(huán)境到行為映射，智能機(jī)器可以進(jìn)行再勵(lì)學(xué)習(xí)，依靠自身的經(jīng)歷和周圍的環(huán)境，改進(jìn)行動(dòng)方案并進(jìn)行自我學(xué)習(xí)，進(jìn)而形成人工智能領(lǐng)域新的研究熱點(diǎn)[2]。

2 智慧電網(wǎng)輸電裝置及應(yīng)用環(huán)節(jié)

現(xiàn)如今，國內(nèi)外尤其是歐美發(fā)達(dá)國家已經(jīng)根據(jù)自身的電網(wǎng)結(jié)構(gòu)、技術(shù)特點(diǎn)等內(nèi)容對(duì)智能電網(wǎng)進(jìn)行了深入研究與探索。因?yàn)楦鲊娋W(wǎng)應(yīng)用狀況存在差異，所以針對(duì)智能電網(wǎng)提出的定義和理解也有所不同。但從實(shí)踐角度來看，智能電網(wǎng)主要是指運(yùn)用信息化技術(shù)，讓電力生產(chǎn)、輸送、變化、分配等模塊可以在統(tǒng)一管理中得到合理運(yùn)用，以此在廣泛傳遞電網(wǎng)信息的同時(shí)，保障城市供電的精確性和有效性。

結(jié)合如下圖1所示的智能電網(wǎng)應(yīng)用結(jié)構(gòu)圖分析可知，我國建設(shè)發(fā)展提出的“堅(jiān)強(qiáng)智能電網(wǎng)體系”包含智能電表、智能電網(wǎng)設(shè)計(jì)、智能發(fā)電系統(tǒng)等多項(xiàng)內(nèi)容，在實(shí)踐發(fā)展中，不僅要滿足用戶需求和電網(wǎng)安全保障，還要將堅(jiān)強(qiáng)看作智能電網(wǎng)發(fā)展的根基，而智能屬于實(shí)踐技術(shù)探討的核心，只有兩者全面融合才能滿足現(xiàn)代化智能電網(wǎng)建設(shè)發(fā)展需求。

而智能電表作為智能電網(wǎng)運(yùn)行的終端，不僅具備傳統(tǒng)電能表所包含的計(jì)量功能，為了滿足智能電網(wǎng)建設(shè)和新能源應(yīng)用需求，科研學(xué)者還利用先進(jìn)技術(shù)理念提出了多種數(shù)據(jù)傳輸模式、用戶端控制功能、多項(xiàng)多種費(fèi)率計(jì)量功能等[3]。從實(shí)踐角度來看，智能電表會(huì)利用電流互感器或分流器將電流信號(hào)，轉(zhuǎn)變成可以利用的小信號(hào)，并根據(jù)分壓電阻或電壓互感器將電壓信號(hào)轉(zhuǎn)變成可測(cè)量的小信號(hào)，而后結(jié)合專用芯片將模擬信號(hào)轉(zhuǎn)變成數(shù)字信號(hào)，并對(duì)其實(shí)施數(shù)字積分運(yùn)算，由此輸出頻率和電能是正比例關(guān)系的脈沖信號(hào)，相應(yīng)的脈沖信號(hào)被傳遞到微計(jì)算機(jī)，在經(jīng)過處理后會(huì)呈現(xiàn)在液晶屏幕上[4]。由此可知，基于人工智能設(shè)計(jì)的智能電表主要包含以下部分：第一，電源模塊，主要用來為電能表提供所需的電源；第二，計(jì)量模塊，會(huì)在收集電壓電流樣本的基礎(chǔ)上，利用計(jì)量芯片轉(zhuǎn)變成實(shí)際電能的數(shù)字?jǐn)?shù)據(jù)；第三，顯示模塊，主要用來呈現(xiàn)電量等有關(guān)數(shù)據(jù)信息；第四，通信模塊，主要用來與主機(jī)傳遞信息，屬于數(shù)據(jù)傳輸?shù)闹饕ǖ?；第五，安全模塊，主要用來保障數(shù)據(jù)傳輸?shù)陌踩阅埽坏诹?，時(shí)鐘模塊，主要為系統(tǒng)運(yùn)行提供實(shí)時(shí)的時(shí)鐘信息，可以作為電量?jī)鼋Y(jié)和切換費(fèi)率的有效依據(jù)；第七，儲(chǔ)存模塊，主要用來存儲(chǔ)與電能表有關(guān)的各項(xiàng)參數(shù)、電壓電流，數(shù)量、歷史數(shù)據(jù)等[5]；第八，通斷電模塊，主要用來合理管控用戶的停送電。

圖1 智慧電網(wǎng)應(yīng)用環(huán)節(jié)

3 當(dāng)前智能電網(wǎng)中人工智能的使用情況

3.1 智能電網(wǎng)中電力系統(tǒng)故障診斷

作為智能電網(wǎng)自愈過程的主要環(huán)節(jié)，對(duì)于智能電網(wǎng)的構(gòu)建來說，有著重要作用。電力系統(tǒng)故障診斷可以分為三個(gè)級(jí)別，分別為系統(tǒng)級(jí)、器件級(jí)，以及設(shè)備級(jí)，根據(jù)電網(wǎng)的受損情況，合理選擇故障診斷方法。在傳統(tǒng)方法的使用中，通常會(huì)根據(jù)電網(wǎng)的時(shí)頻特性，以物理手段獲取故障特征，雖然在電力工業(yè)中發(fā)揮了較大作用，但是在復(fù)雜故障的處理中，無法對(duì)故障進(jìn)行深入診斷，且其適用范圍有限。為此，可以基于人工智能技術(shù)，并將該技術(shù)應(yīng)用于故障診斷。

3.2 智能電網(wǎng)電力負(fù)荷預(yù)測(cè)

當(dāng)智能電網(wǎng)中出現(xiàn)電力負(fù)荷的情況時(shí)，會(huì)為整個(gè)電網(wǎng)的建設(shè)帶來負(fù)面影響，負(fù)荷預(yù)測(cè)是電網(wǎng)運(yùn)行的基礎(chǔ)，在傳統(tǒng)方法的使用下，存在難以獲取數(shù)據(jù)、模型結(jié)構(gòu)復(fù)雜等問題，針對(duì)這些問題，目前的負(fù)荷預(yù)測(cè)方法可分為：前饋神經(jīng)網(wǎng)絡(luò)、回歸樹SVM等方法，這些方法主要采用變分模態(tài)分解原理，結(jié)合經(jīng)粒子群算法，將歷史負(fù)荷序列逐步分解，并優(yōu)化電荷重組后的DBN模型，進(jìn)而提高模型預(yù)測(cè)精度。

針對(duì)智能電網(wǎng)負(fù)荷調(diào)度問題分析可知，本文研究提出的算法主要用來管理不同能量消耗級(jí)別的大量可控制電器。雖然現(xiàn)如今科研學(xué)者提出了多種應(yīng)用算法處理相關(guān)問題，但因?yàn)閷?shí)踐應(yīng)用過于復(fù)雜，最常見的依舊屬于遺傳算法。遺傳算法不僅為給定問題提供了近似最優(yōu)解，還具備解決復(fù)雜能力的獨(dú)特優(yōu)勢(shì)。結(jié)合下圖2所示的G-DSM算法流程圖分析可知，其主要用來解決成本優(yōu)化問題。

圖2 G-DSM算法流程圖

針對(duì)正與算法應(yīng)用進(jìn)行實(shí)驗(yàn)分析發(fā)現(xiàn)，按照如下表1所示的可控設(shè)備進(jìn)行調(diào)度管理分析發(fā)現(xiàn)，可以得到如下圖3、圖4、圖5所示的對(duì)比結(jié)果。

表1 可控設(shè)備的介紹

圖3 基于算法規(guī)劃前后的電力消耗對(duì)比圖

圖4 基于算法規(guī)劃前后的電力費(fèi)用對(duì)比圖

圖5 基于算法規(guī)劃前后的電力能耗對(duì)比圖

根據(jù)上圖3分析可知，本文研究提出的G-DSM可以有效管控所在區(qū)域內(nèi)部的大量可控負(fù)載。這類算法可以在調(diào)整負(fù)載的基礎(chǔ)上獲取最小化成本和最低的峰均比，用電用戶可以在價(jià)格較低的情況下安排最大荷載。根據(jù)上圖3分析可知、用戶的峰值負(fù)荷從沒有規(guī)劃的98.8kWh下降到了91kWh，整體下降了7.96%；而上圖4中用戶在適當(dāng)調(diào)整復(fù)合的基礎(chǔ)上，每日電費(fèi)消耗從1367元下降到每天1269元，所在區(qū)域的用戶每天消耗電費(fèi)下降了7.13%。通常來講，所處區(qū)域內(nèi)部存在非常多的可控電器，結(jié)合上圖5分析可知，運(yùn)用G-DSM算法處理整棟小區(qū)的電力調(diào)度結(jié)果，并和應(yīng)用算法之前的電力消耗情況進(jìn)行對(duì)比分析可知，規(guī)劃之后的一天用電消耗差有了明顯下降，由此可知針對(duì)實(shí)時(shí)定價(jià)信號(hào)，區(qū)域用電負(fù)荷得到了科學(xué)管控。

4 結(jié)束語

在社會(huì)的不斷進(jìn)步中，人們對(duì)生活質(zhì)量的需求愈加迫切，在這種變化下，電力已經(jīng)成為人們生活中不可或缺的資源，而人工智能的出現(xiàn)，又為智能電網(wǎng)的構(gòu)建指明了新的方向。為了更好的促進(jìn)電力系統(tǒng)信息化與自動(dòng)化，基于物聯(lián)網(wǎng)技術(shù)，使電力系統(tǒng)的各個(gè)元素有效連接，人工智能是科技行業(yè)的創(chuàng)新，通過這種創(chuàng)新模式，不僅會(huì)提高智能電網(wǎng)中電流的運(yùn)行效率，還推動(dòng)了電力系統(tǒng)的整體發(fā)展，使其朝著可調(diào)可控、可觀可測(cè)的方向不斷進(jìn)步。對(duì)預(yù)測(cè)精度來說，人工智能可以收集該項(xiàng)目?jī)?yōu)質(zhì)的訓(xùn)練數(shù)據(jù)集[6]，通過對(duì)比實(shí)驗(yàn)，針對(duì)不同的預(yù)測(cè)場(chǎng)景，預(yù)測(cè)電壓的穩(wěn)定數(shù)據(jù)，對(duì)于智能電網(wǎng)的實(shí)現(xiàn)是值得嘗試的一個(gè)方向。