黃敏芳，郝園媛，王顏新

（1. 華北電力大學(xué) 經(jīng)濟(jì)與管理學(xué)院, 北京 102206；2. 新能源電力與低碳發(fā)展研究北京市重點(diǎn)實(shí)驗(yàn)室, 北京 102206；3. 北京聯(lián)合大學(xué) 商務(wù)學(xué)院, 北京 100025）

一、引言

近年來(lái)，洪水、冰凍、臺(tái)風(fēng)等突發(fā)事件頻繁發(fā)生，為電網(wǎng)系統(tǒng)帶來(lái)嚴(yán)重破壞，如果沒(méi)有采取及時(shí)、有效的應(yīng)急措施，將會(huì)引發(fā)電網(wǎng)大規(guī)模中斷并產(chǎn)生嚴(yán)重后果，如2003 年的美加“8·14”大停電和2012 年的印度大停電。除了自然災(zāi)害外，電力供需失衡也會(huì)導(dǎo)致嚴(yán)重的停電事故，如2021 年初的德州大停電事件，極寒天氣和電力供應(yīng)的不穩(wěn)定性導(dǎo)致電力中斷，影響了500 多萬(wàn)人，超過(guò)100 人死亡[1]，嚴(yán)重影響了社會(huì)生產(chǎn)生活秩序。目前，各國(guó)政府和電網(wǎng)公司已高度重視由突發(fā)事件引起的電網(wǎng)系統(tǒng)的應(yīng)急管理問(wèn)題[2]。由于突發(fā)事件發(fā)生的事前、事中、事后階段涉及眾多自然、社會(huì)和人為因素，這些因素都很模糊且無(wú)法定量描述，因此，電網(wǎng)系統(tǒng)應(yīng)急管理決策是一項(xiàng)極其復(fù)雜的系統(tǒng)工程。當(dāng)前，電網(wǎng)系統(tǒng)應(yīng)急決策的研究主要集中在模型的構(gòu)建、輔助決策系統(tǒng)的設(shè)計(jì)等方面，有效提升了城市電網(wǎng)系統(tǒng)的應(yīng)急能力并節(jié)約了社會(huì)成本。但隨著電網(wǎng)規(guī)模的擴(kuò)張，電力設(shè)備增多，數(shù)據(jù)愈加繁雜，傳統(tǒng)的應(yīng)急模型難以全面、科學(xué)地分析海量數(shù)據(jù)。已有學(xué)者基于設(shè)備歷史數(shù)據(jù)開(kāi)展了電網(wǎng)設(shè)備故障診斷、應(yīng)急資源預(yù)測(cè)等研究，取得了一定的成果。但由于電網(wǎng)系統(tǒng)突發(fā)事件的復(fù)雜性、不確定性，僅從歷史數(shù)據(jù)角度開(kāi)展的預(yù)測(cè)無(wú)法反映出實(shí)時(shí)設(shè)備狀態(tài)對(duì)應(yīng)急決策的影響，很難提升應(yīng)急資源預(yù)測(cè)的精準(zhǔn)度以及應(yīng)急響應(yīng)的靈活度。

隨著電力物聯(lián)網(wǎng)的建設(shè)和信息采集技術(shù)的發(fā)展，電力大數(shù)據(jù)環(huán)境逐步成熟，為提高電網(wǎng)系統(tǒng)突發(fā)事件的應(yīng)急決策能力帶來(lái)機(jī)遇?；诔鞘须娋W(wǎng)系統(tǒng)積累的海量數(shù)據(jù)，融合地理氣象、社會(huì)經(jīng)濟(jì)等多方面的數(shù)據(jù)，完善電網(wǎng)系統(tǒng)突發(fā)事件的應(yīng)急決策方法體系，對(duì)于提高電網(wǎng)系統(tǒng)應(yīng)急管理水平具有重要意義。電網(wǎng)系統(tǒng)中累積的歷史數(shù)據(jù)以及大量實(shí)時(shí)數(shù)據(jù)已成為推動(dòng)電網(wǎng)智能化的基礎(chǔ)性和戰(zhàn)略性資源。若能從數(shù)據(jù)驅(qū)動(dòng)的視角，實(shí)時(shí)感知可能導(dǎo)致電網(wǎng)突發(fā)事件的異常狀態(tài)，提供動(dòng)態(tài)分析與決策，對(duì)提升應(yīng)急決策的速度和精度，進(jìn)一步提高電網(wǎng)系統(tǒng)突發(fā)事件的應(yīng)急響應(yīng)能力將起到重要作用。本文聚焦于電力大數(shù)據(jù)環(huán)境下電網(wǎng)系統(tǒng)突發(fā)事件應(yīng)急響應(yīng)決策問(wèn)題，綜合應(yīng)急預(yù)警、應(yīng)急演練、物資管理、信息管理等方面，對(duì)應(yīng)急響應(yīng)決策進(jìn)行架構(gòu)部署與功能規(guī)劃，并探討了實(shí)現(xiàn)多源數(shù)據(jù)融合技術(shù)、突發(fā)事件的演化建模技術(shù)、面向復(fù)雜大群體的智能優(yōu)化決策技術(shù)的研究需求和實(shí)現(xiàn)策略。

二、文獻(xiàn)綜述

（一） 人工智能與大數(shù)據(jù)技術(shù)在電網(wǎng)系統(tǒng)應(yīng)急管理的應(yīng)用

人工智能技術(shù)在電力應(yīng)急管理中的應(yīng)用已有初步成果，如文獻(xiàn)[3]、文獻(xiàn)[4]分別利用遺傳算法、人工蜂群算法優(yōu)化構(gòu)建的基于支持向量機(jī)的故障診斷模型，提高了故障診斷的效率。但是面對(duì)海量數(shù)據(jù)，傳統(tǒng)的機(jī)器學(xué)習(xí)算法學(xué)習(xí)能力有限，并且需要人工提取特征，因此越來(lái)越多的研究采用深度學(xué)習(xí)來(lái)提升應(yīng)急管理的效率，如Lee 等[5]基于卷積神經(jīng)網(wǎng)絡(luò)和DET（Dynamic Event Trees）方法建立了一種實(shí)時(shí)的決策支持工具，可用于預(yù)測(cè)突發(fā)事件發(fā)生后產(chǎn)生不同后果的可能性。Zhang 等[6]利用卷積神經(jīng)網(wǎng)絡(luò)的集成分類(lèi)器，提出了一種分層自適應(yīng)的方法對(duì)暫態(tài)穩(wěn)定性進(jìn)行評(píng)估和預(yù)測(cè)。大數(shù)據(jù)技術(shù)在促進(jìn)電網(wǎng)系統(tǒng)應(yīng)急管理的智能化、數(shù)字化、協(xié)同化方面已有初步的應(yīng)用，主要集中于電網(wǎng)系統(tǒng)的應(yīng)急數(shù)據(jù)處理及分析[7]、數(shù)據(jù)融合[8]、數(shù)據(jù)存儲(chǔ)[9]等研究工作。但已有研究成果所處理的電網(wǎng)系統(tǒng)數(shù)據(jù)多是與應(yīng)急管理相關(guān)聯(lián)的系統(tǒng)運(yùn)行、氣象環(huán)境等靜態(tài)歷史數(shù)據(jù)，反映電網(wǎng)系統(tǒng)監(jiān)測(cè)的實(shí)時(shí)數(shù)據(jù)較少，且部分成果是科研人員或少數(shù)企業(yè)以研究為目的做出的局部嘗試。

近年來(lái)，已有學(xué)者提出融合人工智能技術(shù)與大數(shù)據(jù)技術(shù)，將其應(yīng)用于電力系統(tǒng)的應(yīng)急管理，如劉云鵬等[10]綜述了面向數(shù)據(jù)分析的人工智能技術(shù)，并探討了現(xiàn)階段基于人工智能的數(shù)據(jù)分析技術(shù)在狀態(tài)檢修領(lǐng)域應(yīng)用效果的關(guān)鍵問(wèn)題。在電網(wǎng)系統(tǒng)應(yīng)急管理中，通過(guò)對(duì)人工智能和大數(shù)據(jù)技術(shù)的結(jié)合，利用機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等技術(shù)對(duì)所采集的數(shù)據(jù)進(jìn)行系統(tǒng)性和戰(zhàn)略性的分析，能夠?yàn)殡娋W(wǎng)應(yīng)急管理的各階段提供更豐富的反饋，以更智能的角度修正和加強(qiáng)電網(wǎng)的規(guī)劃與運(yùn)行。但由于機(jī)器學(xué)習(xí)模型對(duì)訓(xùn)練樣本的數(shù)量有一定的要求，而在具體工作中，電網(wǎng)系統(tǒng)突發(fā)事件的出現(xiàn)為小概率事件并且存在高度不確定性和復(fù)雜性，易產(chǎn)生訓(xùn)練樣本不均衡的問(wèn)題，使得部分機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘模型的效果受到限制。如何應(yīng)用數(shù)據(jù)增強(qiáng)等技術(shù)解決異常樣本缺乏的問(wèn)題，從而提升樣本質(zhì)量還有待深入研究。

（二） 電網(wǎng)應(yīng)急管理理論與方法

在電網(wǎng)系統(tǒng)突發(fā)事件的應(yīng)急管理方面，早期的研究主要從電網(wǎng)事故的分析和處理入手，如文獻(xiàn)[11]、文獻(xiàn)[12]，多集中于電網(wǎng)系統(tǒng)應(yīng)急管理理論或決策框架的研究，為電網(wǎng)系統(tǒng)應(yīng)急管理理論體系的建立奠定了一定基礎(chǔ)。但隨著新興信息技術(shù)的發(fā)展，電網(wǎng)應(yīng)急管理理論與方法也隨之改進(jìn)，內(nèi)容綜合性與技術(shù)先進(jìn)性上有所提升。

當(dāng)前，在電網(wǎng)系統(tǒng)突發(fā)事件應(yīng)急管理中已有將情景分析應(yīng)用于電網(wǎng)系統(tǒng)應(yīng)急響應(yīng)決策的研究成果。情景分析主要包括情景構(gòu)建、情景感知與情景推演的過(guò)程。相比傳統(tǒng)方法，情景分析法更注重事件發(fā)展的多種可能性、動(dòng)態(tài)性、系統(tǒng)性以及高智能性，能夠降低因決策失誤對(duì)預(yù)測(cè)效果造成的影響。關(guān)于電網(wǎng)系統(tǒng)中突發(fā)事件的情景分析理論方面，王顏新等[13]提出了情景分析的方法，即通過(guò)對(duì)情景或者態(tài)勢(shì)的分析，可以對(duì)事件未來(lái)的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)，從而為不確定性問(wèn)題提供確定性方案。情景構(gòu)建方面，Riaz 等[14]針對(duì)未來(lái)電網(wǎng)情景分析，提出了一種考慮需求響應(yīng)、能源存儲(chǔ)與集中太陽(yáng)能熱發(fā)電技術(shù)的電力市場(chǎng)仿真工具。電網(wǎng)異常情景感知方面，葛朝強(qiáng)等[15]基于智能電網(wǎng)大數(shù)據(jù)分析建立安全態(tài)勢(shì)感知機(jī)制，實(shí)現(xiàn)對(duì)電網(wǎng)系統(tǒng)安全態(tài)勢(shì)的智能分析。情景推演方面，林棟等[16]采用情景理論，根據(jù)若干大停電事故構(gòu)建了貝葉斯網(wǎng)絡(luò)推演模型，研究典型電力安全事件情景推演的不確定和多路徑問(wèn)題。上述文獻(xiàn)從不同角度探討了突發(fā)事件的演化機(jī)制，對(duì)難預(yù)測(cè)、危害大、發(fā)生概率小的重大事件的態(tài)勢(shì)預(yù)測(cè)起到了很好的參考作用。但是由于電網(wǎng)系統(tǒng)應(yīng)急響應(yīng)決策不僅要考慮歷史案例數(shù)據(jù)還需考慮實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，僅利用電網(wǎng)系統(tǒng)的歷史數(shù)據(jù)進(jìn)行情景分析與建模易影響模型的時(shí)效性，將兩方面數(shù)據(jù)如何有機(jī)融合構(gòu)建情景并分析情景演變趨勢(shì)，依然很具挑戰(zhàn)性且缺乏同類(lèi)研究成果可供參考。

現(xiàn)階段電網(wǎng)應(yīng)急管理體系依然還存在以下問(wèn)題[17]：（1）電網(wǎng)企業(yè)在建設(shè)應(yīng)急管理體系時(shí)仍側(cè)重于基于經(jīng)驗(yàn)的應(yīng)急預(yù)案的編制；（2）對(duì)于突發(fā)事件應(yīng)急處置，更多地從專(zhuān)業(yè)角度出發(fā)強(qiáng)調(diào)電網(wǎng)應(yīng)急調(diào)度與設(shè)備搶修，而忽略了電網(wǎng)事件對(duì)社會(huì)、群眾所造成影響的評(píng)估；（3）預(yù)測(cè)預(yù)警技術(shù)不發(fā)達(dá)，在如何實(shí)現(xiàn)對(duì)元件失效、設(shè)備故障、系統(tǒng)災(zāi)變、停電時(shí)空分布的預(yù)測(cè)預(yù)警方面還缺乏有效的理論模型和計(jì)算工具；（4）電力系統(tǒng)應(yīng)急管理所需各方系統(tǒng)的信息資源缺乏整合；（5）政府部門(mén)、發(fā)電企業(yè)、電網(wǎng)公司、用電企業(yè)、一般用戶之間缺乏聯(lián)動(dòng)機(jī)制。因此，有必要在研究應(yīng)急管理決策時(shí)將電網(wǎng)系統(tǒng)的大數(shù)據(jù)特征考慮進(jìn)來(lái)，基于人工智能與大數(shù)據(jù)技術(shù)，結(jié)合電網(wǎng)系統(tǒng)突發(fā)事件的現(xiàn)狀、特點(diǎn)及發(fā)展趨勢(shì)，探討如何根據(jù)動(dòng)態(tài)及靜態(tài)數(shù)據(jù)來(lái)驅(qū)動(dòng)電網(wǎng)系統(tǒng)遭遇災(zāi)變的應(yīng)急決策。

三、數(shù)據(jù)驅(qū)動(dòng)的電網(wǎng)系統(tǒng)突發(fā)事件應(yīng)急決策方法體系架構(gòu)部署與功能規(guī)劃

在大數(shù)據(jù)環(huán)境下，驅(qū)動(dòng)應(yīng)急決策的數(shù)據(jù)更加廣泛和豐富。用于分析和處理的數(shù)據(jù)不再局限于突發(fā)事件的歷史數(shù)據(jù)，而是將歷史數(shù)據(jù)與實(shí)時(shí)數(shù)據(jù)相結(jié)合，突發(fā)事件數(shù)據(jù)與日常運(yùn)行數(shù)據(jù)相結(jié)合，電網(wǎng)系統(tǒng)內(nèi)部數(shù)據(jù)與外部數(shù)據(jù)相結(jié)合。數(shù)據(jù)類(lèi)型既包含結(jié)構(gòu)數(shù)據(jù)，也包含圖片、視頻等非結(jié)構(gòu)數(shù)據(jù)，呈現(xiàn)出海量、多源、異構(gòu)的特點(diǎn)。上述特征為傳統(tǒng)的模型驅(qū)動(dòng)方法帶來(lái)了挑戰(zhàn)。當(dāng)數(shù)據(jù)規(guī)模非常大時(shí)，傳統(tǒng)模型很難全面地刻畫(huà)數(shù)據(jù)的特征屬性，可能會(huì)導(dǎo)致聯(lián)系缺失或過(guò)擬合。此外，在傳統(tǒng)模型中，部分非結(jié)構(gòu)化數(shù)據(jù)處理難度大、不易獲得，從而使模型的解釋力下降，建立的模型不準(zhǔn)確，從而降低突發(fā)事件應(yīng)急決策的效率。這些挑戰(zhàn)恰恰是推動(dòng)數(shù)據(jù)驅(qū)動(dòng)決策發(fā)展的機(jī)遇。利用數(shù)據(jù)驅(qū)動(dòng)應(yīng)急決策，不僅能夠通過(guò)數(shù)據(jù)挖掘新變量關(guān)系，而且能夠從全局視角對(duì)整個(gè)應(yīng)急過(guò)程進(jìn)行分析，并結(jié)合人工智能、區(qū)塊鏈、云計(jì)算等新興技術(shù)賦能電網(wǎng)系統(tǒng)的應(yīng)急響應(yīng)決策。

（一） 電網(wǎng)系統(tǒng)的大數(shù)據(jù)特征分析

電網(wǎng)系統(tǒng)大數(shù)據(jù)既有大數(shù)據(jù)的共性，又繼承了能源行業(yè)數(shù)據(jù)的特征[18]。一方面，電網(wǎng)系統(tǒng)大數(shù)據(jù)具有大數(shù)據(jù)的“4V”特性，即數(shù)據(jù)量大（Volume）、數(shù)據(jù)多樣（Variety）、速度快（Velocity）、價(jià)值密度低（Value）。第一，數(shù)據(jù)量大。電網(wǎng)系統(tǒng)涉及設(shè)備多、數(shù)量大，電網(wǎng)設(shè)備、電網(wǎng)運(yùn)行及氣象、環(huán)境等數(shù)據(jù)量巨大；第二，數(shù)據(jù)多樣。電網(wǎng)系統(tǒng)數(shù)據(jù)既包含電網(wǎng)運(yùn)行監(jiān)測(cè)、能量管理等內(nèi)部數(shù)據(jù)，也包括地理信息、天氣預(yù)報(bào)等外部數(shù)據(jù)。所涉及的大數(shù)據(jù)類(lèi)型復(fù)雜多樣，包括結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)；第三，速度快。電網(wǎng)系統(tǒng)的大數(shù)據(jù)流轉(zhuǎn)速度快，需要足夠快的數(shù)據(jù)采集、分析、處理技術(shù)以滿足海量數(shù)據(jù)的分析要求；第四，價(jià)值密度低。對(duì)電網(wǎng)數(shù)據(jù)的應(yīng)用能夠?yàn)槠髽I(yè)帶來(lái)價(jià)值，但是由于電網(wǎng)數(shù)據(jù)量大，價(jià)值密度低，需要從中挖掘有意義的數(shù)據(jù)，為電網(wǎng)系統(tǒng)的應(yīng)急管理提供科學(xué)的決策支持。

另一方面，電網(wǎng)系統(tǒng)大數(shù)據(jù)具有典型的電力行業(yè)特征。智能電網(wǎng)的發(fā)展，優(yōu)化了電的生產(chǎn)、分配及消耗過(guò)程，提高了數(shù)據(jù)采集、測(cè)量、控制和監(jiān)測(cè)的效率。在此環(huán)境下，電網(wǎng)系統(tǒng)的狀態(tài)監(jiān)測(cè)數(shù)據(jù)呈現(xiàn)出多源異構(gòu)性、海量性、時(shí)空相關(guān)性、動(dòng)態(tài)流式性和高維性特點(diǎn)，并伴隨著數(shù)據(jù)缺失、異常、不同步等瑕疵。結(jié)合這些特性，需要對(duì)電網(wǎng)相關(guān)領(lǐng)域的數(shù)據(jù)進(jìn)行分析和處理，以應(yīng)對(duì)部分異常數(shù)據(jù)帶來(lái)的不確定性。

傳統(tǒng)的應(yīng)急決策體系注重事件的階段演化過(guò)程，但是難以應(yīng)對(duì)電網(wǎng)系統(tǒng)大數(shù)據(jù)的高維性和不確定性，由此催生了應(yīng)急決策響應(yīng)的新需求：從數(shù)據(jù)驅(qū)動(dòng)的視角，綜合考慮突發(fā)事件歷史數(shù)據(jù)及電網(wǎng)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)。通過(guò)對(duì)數(shù)據(jù)的采集、融合、分析、處理，驅(qū)動(dòng)電網(wǎng)系統(tǒng)及時(shí)、科學(xué)的應(yīng)急決策與響應(yīng)。

（二） 數(shù)據(jù)驅(qū)動(dòng)的應(yīng)急響應(yīng)決策原理

數(shù)據(jù)驅(qū)動(dòng)的電網(wǎng)系統(tǒng)應(yīng)急決策體系圍繞電網(wǎng)的時(shí)空數(shù)據(jù)流，實(shí)現(xiàn)實(shí)時(shí)和類(lèi)實(shí)時(shí)的應(yīng)急決策。數(shù)據(jù)驅(qū)動(dòng)的方法更關(guān)注對(duì)時(shí)空數(shù)據(jù)流的整合和處理，由數(shù)據(jù)驅(qū)動(dòng)決策，而不是由需求尋找數(shù)據(jù)再產(chǎn)生決策。將數(shù)據(jù)作為整個(gè)應(yīng)急決策過(guò)程的中心，從而實(shí)現(xiàn)科學(xué)決策和快速響應(yīng)。本文提出的數(shù)據(jù)驅(qū)動(dòng)的電網(wǎng)系統(tǒng)應(yīng)急響應(yīng)決策流程如圖1 所示。

圖1 數(shù)據(jù)驅(qū)動(dòng)的電網(wǎng)系統(tǒng)應(yīng)急響應(yīng)決策流程圖

圖1中應(yīng)急響應(yīng)決策流程主要涉及三個(gè)關(guān)鍵問(wèn)題：

1.數(shù)據(jù)驅(qū)動(dòng)的電網(wǎng)系統(tǒng)異常情景識(shí)別。對(duì)于靜態(tài)數(shù)據(jù)，如歷史突發(fā)事件的發(fā)生信息、決策過(guò)程以及應(yīng)急預(yù)案等，利用人工智能、統(tǒng)計(jì)分析等技術(shù)從大量突發(fā)事件中整合、分析、提取擾動(dòng)因素和現(xiàn)場(chǎng)信息，建立應(yīng)急預(yù)案庫(kù)與知識(shí)庫(kù)，作為實(shí)時(shí)決策的輔助；對(duì)于動(dòng)態(tài)數(shù)據(jù)，如電網(wǎng)設(shè)備的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)、實(shí)時(shí)天氣信息、能源供應(yīng)信息等，利用流處理技術(shù)對(duì)動(dòng)態(tài)的時(shí)空數(shù)據(jù)流進(jìn)行處理，分析擾動(dòng)的類(lèi)型和嚴(yán)重程度。如果某一擾動(dòng)對(duì)應(yīng)預(yù)案庫(kù)里的一種，就調(diào)用相應(yīng)的預(yù)案對(duì)突發(fā)事件進(jìn)行處理；否則，就調(diào)用決策方案的求解算法獲得最佳應(yīng)急響應(yīng)決策方案。另外，監(jiān)測(cè)系統(tǒng)對(duì)各觀測(cè)量設(shè)定閾值范圍，如果擾動(dòng)程度低于最小閾值，可將之忽略；如果擾動(dòng)程度高于最大閾值，則進(jìn)入預(yù)警狀態(tài)，并對(duì)系統(tǒng)完全重新構(gòu)造優(yōu)化模型；如果擾動(dòng)程度在閾值范圍內(nèi)，則需結(jié)合專(zhuān)家知識(shí)、不確定推理等方法，從邏輯層面上完成異常擾動(dòng)的定義、異常識(shí)別規(guī)則的確定，對(duì)其演化趨勢(shì)進(jìn)行判斷。

2.電網(wǎng)系統(tǒng)突發(fā)事件的演化建模。對(duì)于突發(fā)事件引發(fā)的異常情景，需要對(duì)其演變趨勢(shì)及演化特點(diǎn)進(jìn)行分析，以判斷觸發(fā)應(yīng)急響應(yīng)決策的必要性及觸發(fā)時(shí)機(jī)。首先，分析整理電網(wǎng)系統(tǒng)異常擾動(dòng)的特征、發(fā)展趨勢(shì)及可能的影響，挖掘出異常情景相關(guān)要素間的關(guān)聯(lián)規(guī)則，再將其連接形成電網(wǎng)系統(tǒng)狀態(tài)變化的演化路徑，由此形成電網(wǎng)系統(tǒng)突發(fā)事件的演化模型。

3.電網(wǎng)系統(tǒng)突發(fā)事件應(yīng)急決策方案的求解?；谕话l(fā)事件演化模型，圍繞突發(fā)事件的特點(diǎn)與相關(guān)數(shù)據(jù)特點(diǎn)，采用定性與定量綜合集成的方法，以縮減問(wèn)題解空間，提高方案生成效率為目標(biāo)，引入人工智能狀態(tài)空間搜索理論，智能生成應(yīng)急決策方案并利用智能算法求出方案的滿意解，建立電網(wǎng)系統(tǒng)突發(fā)事件應(yīng)急決策方案的在線快速生成方法，實(shí)現(xiàn)高效、實(shí)時(shí)的應(yīng)急響應(yīng)決策。

（三） 電網(wǎng)系統(tǒng)突發(fā)事件應(yīng)急決策方法體系的架構(gòu)與功能

基于數(shù)據(jù)驅(qū)動(dòng)的應(yīng)急決策在技術(shù)上關(guān)注的主要問(wèn)題有：針對(duì)可能發(fā)生的重大極端突發(fā)事件，如何實(shí)現(xiàn)全面監(jiān)控，形成合理有效的情景庫(kù)和預(yù)案庫(kù)的集成化體系？面對(duì)不同條件下的突發(fā)事件，如何充分利用時(shí)空數(shù)據(jù)流，快速、動(dòng)態(tài)、全面地了解現(xiàn)場(chǎng)的狀況？如何科學(xué)、實(shí)時(shí)地識(shí)別，判斷其趨勢(shì)、后果、危險(xiǎn)性，快速對(duì)比尋求適應(yīng)情景—預(yù)案準(zhǔn)備的決策應(yīng)對(duì)方案？面對(duì)跨部門(mén)的重大突發(fā)事件，如何科學(xué)決策和高效處置？以及結(jié)合已有數(shù)據(jù)，如何通過(guò)風(fēng)險(xiǎn)分析和演練仿真來(lái)查找隱患、評(píng)估應(yīng)急過(guò)程？針對(duì)以上問(wèn)題，本文提出了如圖2 所示的電網(wǎng)系統(tǒng)突發(fā)事件應(yīng)急決策方法體系的架構(gòu)圖。該決策方法體系以數(shù)據(jù)為主要脈絡(luò)，對(duì)電網(wǎng)系統(tǒng)的大數(shù)據(jù)特征及應(yīng)急決策過(guò)程進(jìn)行分析，并從數(shù)據(jù)驅(qū)動(dòng)的技術(shù)場(chǎng)景與突發(fā)事件的演變過(guò)程兩個(gè)維度研究應(yīng)急管理的關(guān)鍵技術(shù)與方法模型。從功能屬性角度來(lái)看，需研究大數(shù)據(jù)環(huán)境下電網(wǎng)系統(tǒng)應(yīng)急響應(yīng)的新需求，提升決策管理的針對(duì)性、智能性；從時(shí)空屬性角度來(lái)看，需研究數(shù)據(jù)驅(qū)動(dòng)下突發(fā)事件的演變規(guī)律，建立靜態(tài)模型與動(dòng)態(tài)監(jiān)測(cè)相結(jié)合的應(yīng)急管理模式，利用數(shù)據(jù)驅(qū)動(dòng)提升應(yīng)急決策管理的實(shí)時(shí)性、高效性。

圖2 數(shù)據(jù)驅(qū)動(dòng)的電網(wǎng)系統(tǒng)突發(fā)事件應(yīng)急響應(yīng)決策方法體系的架構(gòu)圖

不同于傳統(tǒng)的應(yīng)急決策，數(shù)據(jù)驅(qū)動(dòng)的方法不依賴數(shù)學(xué)模型、專(zhuān)家經(jīng)驗(yàn)等先驗(yàn)知識(shí)，而是依賴數(shù)據(jù)，通過(guò)數(shù)據(jù)驅(qū)動(dòng)應(yīng)急決策。在突發(fā)事件演化階段的基礎(chǔ)上，關(guān)注數(shù)據(jù)處理流程的同時(shí)，注重對(duì)實(shí)時(shí)數(shù)據(jù)的利用，將實(shí)時(shí)數(shù)據(jù)與歷史數(shù)據(jù)結(jié)合，提高應(yīng)急響應(yīng)決策的實(shí)時(shí)性和智能性。因此，多源數(shù)據(jù)融合技術(shù)、突發(fā)事件的演化建模技術(shù)、面向復(fù)雜大群體的智能優(yōu)化決策技術(shù)、數(shù)據(jù)安全與隱私、應(yīng)急決策后評(píng)估技術(shù)、演練仿真技術(shù)等成為實(shí)現(xiàn)圖2 所示的應(yīng)急響應(yīng)決策方法的關(guān)鍵。限于篇幅，下文僅對(duì)前三項(xiàng)關(guān)鍵技術(shù)進(jìn)行闡述。

四、關(guān)鍵技術(shù)需求和實(shí)現(xiàn)策略

（一） 多源數(shù)據(jù)融合技術(shù)

電力系統(tǒng)中突發(fā)事件難預(yù)測(cè)、演化復(fù)雜、危害大，與其相關(guān)聯(lián)的應(yīng)急數(shù)據(jù)數(shù)量大、種類(lèi)多、復(fù)雜性高，其中靜態(tài)數(shù)據(jù)與動(dòng)態(tài)數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)與非結(jié)構(gòu)化數(shù)據(jù)均相混合。為了更好地將數(shù)據(jù)服務(wù)于應(yīng)急決策，需要對(duì)相關(guān)的多源異構(gòu)數(shù)據(jù)流進(jìn)行融合，建立統(tǒng)一數(shù)據(jù)模型，對(duì)電網(wǎng)中各種信息源的監(jiān)測(cè)數(shù)據(jù)進(jìn)行采集、傳輸、轉(zhuǎn)換和綜合，實(shí)現(xiàn)數(shù)據(jù)的自動(dòng)化和智能化集成。目前一般從三個(gè)層面來(lái)處理數(shù)據(jù)的融合問(wèn)題[19]：像素級(jí)融合、特征級(jí)融合、決策級(jí)融合。

通過(guò)融合多源、多系統(tǒng)的數(shù)據(jù)有利于加強(qiáng)應(yīng)急管理的協(xié)同性。驅(qū)動(dòng)應(yīng)急響應(yīng)決策的數(shù)據(jù)既包含電網(wǎng)系統(tǒng)內(nèi)部數(shù)據(jù)，如專(zhuān)家預(yù)警系統(tǒng)、數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)、應(yīng)急通信管理系統(tǒng)等，也包含系統(tǒng)外部數(shù)據(jù)，如經(jīng)濟(jì)數(shù)據(jù)、氣象系統(tǒng)數(shù)據(jù)、社交大數(shù)據(jù)等等，需要加強(qiáng)各系統(tǒng)之間的數(shù)據(jù)共享和應(yīng)急通信，同時(shí)保證系統(tǒng)之間的松耦合性。此外，可以應(yīng)用抽取、轉(zhuǎn)化和加載技術(shù)（Extract Transform Load）對(duì)數(shù)據(jù)進(jìn)行整合和轉(zhuǎn)換，從而獲取更全面的數(shù)據(jù)。

（二） 突發(fā)事件的演化建模

由于電網(wǎng)的時(shí)空數(shù)據(jù)流具有數(shù)量、類(lèi)別、時(shí)間等多個(gè)維度的復(fù)雜性，電網(wǎng)系統(tǒng)突發(fā)事件異常狀態(tài)的分析難度增加，面向低維數(shù)據(jù)的傳統(tǒng)分析方法難以發(fā)揮作用。因此需要對(duì)融合后的數(shù)據(jù)進(jìn)行處理與降維，建立有效的數(shù)據(jù)驅(qū)動(dòng)系統(tǒng)狀態(tài)的認(rèn)知邏輯，萃取電網(wǎng)時(shí)空數(shù)據(jù)流中的數(shù)據(jù)價(jià)值，挖掘用于支持電網(wǎng)系統(tǒng)突發(fā)事件的高維特征，從而識(shí)別出與電網(wǎng)系統(tǒng)狀態(tài)變化具有關(guān)聯(lián)關(guān)系的各類(lèi)自然、人為影響因素，確定情景要素，為電網(wǎng)系統(tǒng)突發(fā)事件異常情景的識(shí)別提供支持。根據(jù)場(chǎng)景的不同，具體的應(yīng)急數(shù)據(jù)分析模型與技術(shù)分析如下。

1. 基于數(shù)據(jù)的意外建模

突發(fā)事件本質(zhì)上是系統(tǒng)擾動(dòng)因素通過(guò)擴(kuò)散、傳導(dǎo)后的系統(tǒng)狀態(tài)變遷。面向突發(fā)事件的本質(zhì)特性和周期特性，可以借鑒Eric Horvitz 的意外建模（Surprise Modeling）思想去探索突發(fā)事件中可能隱含的未知規(guī)律，努力提高應(yīng)急決策的主動(dòng)性[20]。Horvitz 強(qiáng)調(diào)意外建模通過(guò)對(duì)過(guò)去意外事件的分析建立一個(gè)模型從而有利于應(yīng)對(duì)未來(lái)發(fā)生的同類(lèi)意外事件。意外建模方法結(jié)合了數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)技術(shù)，從全新的視角對(duì)它們進(jìn)行了應(yīng)用。傳統(tǒng)的方法主要在“找出其中隱含的規(guī)律”進(jìn)行研究，而意外建模則是分析找出系統(tǒng)中隱含的意外因素（Surprise），建立歷史案例庫(kù)，同時(shí)不斷獲取實(shí)時(shí)的環(huán)境信息，根據(jù)案例庫(kù)及專(zhuān)家規(guī)則，預(yù)測(cè)意外事件是否發(fā)生及發(fā)生情況，從而確定應(yīng)急響應(yīng)方式。

本文預(yù)期的意外模型以一定單位時(shí)間為基準(zhǔn)建立系統(tǒng)的時(shí)間窗周期，通過(guò)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)方法推算可能的意外因素（擾動(dòng)）。一旦系統(tǒng)發(fā)現(xiàn)可能的意外因素，就回溯雙倍的時(shí)間周期，運(yùn)行貝葉斯算法進(jìn)行推斷并提出處理方案，然后將處理過(guò)程形成預(yù)案并存入預(yù)案庫(kù)，與情景庫(kù)中的對(duì)應(yīng)情景進(jìn)行集對(duì)匹配。

2. 情景分析方法

情景分析法基于局部事實(shí)或邏輯推理，通過(guò)主觀概念來(lái)描繪事物的某些細(xì)節(jié)，預(yù)測(cè)事件的發(fā)展趨勢(shì)[21]，是一種創(chuàng)造性的方法。情景分析技術(shù)用于構(gòu)建應(yīng)急決策管理的情景庫(kù)，識(shí)別和確定影響系統(tǒng)需求與能力的因素，這些因素是形成新情景的依據(jù)。通過(guò)對(duì)這些影響因素開(kāi)展定性闡述，明確和區(qū)分不同情景的特征、內(nèi)在規(guī)律及演化路徑，分析和設(shè)定出與新情景相協(xié)調(diào)的系統(tǒng)發(fā)展?fàn)顩r，使情景演變形象化。情景分析法在電網(wǎng)系統(tǒng)突發(fā)事件應(yīng)急響應(yīng)決策中的應(yīng)用如圖3 所示。

圖3 情景分析法在電網(wǎng)系統(tǒng)突發(fā)事件應(yīng)急響應(yīng)決策中的應(yīng)用

在電網(wǎng)系統(tǒng)突發(fā)事件應(yīng)急響應(yīng)決策方法體系中，情景分析法應(yīng)包括以下步驟：第一步，對(duì)系統(tǒng)結(jié)構(gòu)、系統(tǒng)發(fā)展的本質(zhì)性特征進(jìn)行研究的基礎(chǔ)上，探索系統(tǒng)發(fā)展的根本機(jī)理，并尋找與系統(tǒng)結(jié)構(gòu)的聯(lián)系。第二步，一方面通過(guò)對(duì)系統(tǒng)發(fā)展歷史或已有相似影響條件下研究對(duì)象變化規(guī)律的探索，對(duì)第一步中各變量影響下研究對(duì)象的發(fā)展趨勢(shì)進(jìn)行分析，從而對(duì)其發(fā)展的總體狀況進(jìn)行初步推測(cè)；另一方面通過(guò)對(duì)當(dāng)前系統(tǒng)發(fā)展現(xiàn)狀的分析來(lái)尋找未來(lái)系統(tǒng)中具有不確定性并會(huì)對(duì)研究對(duì)象造成較大影響的關(guān)鍵因素，以及對(duì)這些關(guān)鍵因素可能采取的決策。第三步，以前述步驟為基礎(chǔ)，結(jié)合各因素之間的因果關(guān)系設(shè)定典型的系統(tǒng)可能的發(fā)展路徑，作為要重點(diǎn)研究的幾種情景；同時(shí)，對(duì)各情景發(fā)生的概率進(jìn)行分析與確定。第四步，對(duì)受不確定因素影響較大的環(huán)節(jié)通過(guò)與相似的發(fā)展情況進(jìn)行縱、橫向?qū)Ρ葋?lái)尋求這些環(huán)節(jié)對(duì)研究對(duì)象的作用機(jī)制。選取恰當(dāng)?shù)亩磕Ｐ蛯?duì)各環(huán)節(jié)可能出現(xiàn)的不同情況進(jìn)行預(yù)測(cè)，以此為依據(jù)按照所設(shè)置的各情景中對(duì)各環(huán)節(jié)的發(fā)展方向以及各情景的概率來(lái)綜合計(jì)算各情景下的預(yù)測(cè)結(jié)果。

異常情景感知和情景演變分析是提升電網(wǎng)系統(tǒng)應(yīng)急管理能力的重要手段。情景感知（Scenario Awareness）或者態(tài)勢(shì)感知（Situation Awareness）是指在特定的時(shí)間和空間內(nèi)識(shí)別異常情景，對(duì)引起關(guān)鍵情景發(fā)生變化的要素進(jìn)行采集、理解與預(yù)測(cè)，為情景分析和應(yīng)急決策提供基礎(chǔ)。情景演變分析方法采用情景構(gòu)建理論，推演電網(wǎng)系統(tǒng)突發(fā)事件的演化過(guò)程，可通過(guò)“情景分析-任務(wù)梳理-能力評(píng)估”的研究思路[22]，對(duì)突發(fā)事件進(jìn)行有效的預(yù)防、準(zhǔn)備、響應(yīng)和恢復(fù)，對(duì)電網(wǎng)突發(fā)事件的態(tài)勢(shì)預(yù)測(cè)起到很好的參考作用。

（三） 面向復(fù)雜大群體的智能優(yōu)化決策技術(shù)

突發(fā)事件的應(yīng)急決策需協(xié)調(diào)各方關(guān)系和利益，是復(fù)雜大群體（Complex Large Groups）下的決策問(wèn)題。群體成員對(duì)決策問(wèn)題的求解往往從各自的角度進(jìn)行，即存在多套不同的評(píng)價(jià)屬性，屬性具有不確定性、模糊性和信息不完全性。在電力大數(shù)據(jù)的時(shí)代背景下，各類(lèi)人工智能技術(shù)正逐步應(yīng)用于電網(wǎng)系統(tǒng)的應(yīng)急管理中。

人工智能技術(shù)能夠結(jié)合電網(wǎng)應(yīng)急管理各階段的智能化需求，形成人工智能驅(qū)動(dòng)的數(shù)據(jù)分析方法。將其應(yīng)用在各種應(yīng)急場(chǎng)景中，為電網(wǎng)系統(tǒng)應(yīng)急數(shù)據(jù)的分析提供技術(shù)支持。對(duì)于數(shù)據(jù)處理后的數(shù)據(jù)流，可利用深度學(xué)習(xí)、模式識(shí)別等人工智能技術(shù)對(duì)數(shù)據(jù)流進(jìn)行聚類(lèi)分析、頻繁模式發(fā)現(xiàn)和關(guān)聯(lián)規(guī)則分析等，結(jié)合突發(fā)事件演化過(guò)程以及各參數(shù)間的關(guān)聯(lián)關(guān)系和變化規(guī)律，挖掘大群體決策的屬性信息以輔助決策，實(shí)現(xiàn)決策的實(shí)時(shí)迭代和優(yōu)化。發(fā)現(xiàn)海量時(shí)空數(shù)據(jù)流的內(nèi)在特性，用數(shù)據(jù)驅(qū)動(dòng)人工智能技術(shù)的應(yīng)用，提升應(yīng)急響應(yīng)決策的智能性與實(shí)時(shí)性。

狀態(tài)空間搜索技術(shù)是人工智能的核心技術(shù)之一。針對(duì)復(fù)雜大群體的非結(jié)構(gòu)化問(wèn)題決策，為了在盡可能短的時(shí)間內(nèi)實(shí)現(xiàn)應(yīng)急響應(yīng)，可以結(jié)合電網(wǎng)系統(tǒng)實(shí)時(shí)數(shù)據(jù)及歷史突發(fā)事件數(shù)據(jù)，用狀態(tài)空間表示當(dāng)前問(wèn)題的可行解空間。狀態(tài)空間中的一條路徑代表一個(gè)可能的演變方案，由此將突發(fā)事件的應(yīng)急決策轉(zhuǎn)化為狀態(tài)空間中的最短路搜索問(wèn)題。并可根據(jù)問(wèn)題的特征設(shè)計(jì)控制策略，作為縮減解空間的規(guī)則。最后通過(guò)精確算法或者啟發(fā)式算法求解，獲得響應(yīng)時(shí)間最快、滿意程度最高的決策方案。

五、總結(jié)

電網(wǎng)系統(tǒng)突發(fā)事件演變及其應(yīng)急決策管理都是復(fù)雜的系統(tǒng)工程，需要研究突發(fā)事件的數(shù)據(jù)特性和決策管理的機(jī)理，提供相適應(yīng)的應(yīng)急響應(yīng)決策方法。本文在分析電網(wǎng)系統(tǒng)的大數(shù)據(jù)特征及決策過(guò)程的基礎(chǔ)上，提出從數(shù)據(jù)驅(qū)動(dòng)的技術(shù)場(chǎng)景與突發(fā)事件的演變過(guò)程兩個(gè)維度構(gòu)建電網(wǎng)應(yīng)急響應(yīng)決策方法。該方法可提高對(duì)突發(fā)事件的監(jiān)測(cè)、分析能力，及時(shí)發(fā)現(xiàn)、匹配、修訂應(yīng)急決策的可行預(yù)案，能最大程度地降低決策難度，提升決策響應(yīng)速度；支持宏觀層面和微觀層面的應(yīng)急決策管理的有效集成，靜態(tài)模型和實(shí)時(shí)決策的有效集成。當(dāng)突發(fā)事件發(fā)生且無(wú)可行預(yù)案時(shí)，基于靜態(tài)及動(dòng)態(tài)數(shù)據(jù)的分析和處理對(duì)突發(fā)事件做出應(yīng)急決策。

未來(lái)的研究將考慮電網(wǎng)中不同類(lèi)型突發(fā)事件的特性，在各關(guān)鍵技術(shù)實(shí)現(xiàn)策略的基礎(chǔ)上，設(shè)計(jì)具體的數(shù)據(jù)驅(qū)動(dòng)決策方法，提升本文中應(yīng)急決策方法的適用性和針對(duì)性。并進(jìn)一步結(jié)合電網(wǎng)應(yīng)急案例進(jìn)行相關(guān)實(shí)證，探討方法的合理性與應(yīng)用效果。