引言：在科学技术水平不断提高的支持下，其中人工智能技术的应用，为各行业领域创新发展创建了十分有利的条件，智能化也逐渐成为现阶段电网调度业务主流发展趋势。基于大数据应用与人工智能决策，设计与构建电网辅助控制体系，不仅能够提升日常业务工作效率，也能加快电网事故处理的响应速度，实现电网安全稳定运行，以及电网调度业务水平进一步提高。如何设计电网辅助控制体系，是目前各相关人员需要考虑的问题。
1.大数据时代下电网辅助控制体系基于人工智能决策的设计路径
1.1.智能辅助控制电网运行
传统业务工作模式下，需要监控人员与运维人员就设备运行情况进行沟通，其沟通效率不高，不易发现设备存在的故障缺陷，因此，基于电网调控智能驾驶技术应用，替代原有监控人员所负责的业务，与运维人员进行对接，及时发现处于运行状态下设备潜在故障，并告知监控人员对其进行妥善处理。核对设备运行情况的过程中，可以通过系统自带的语音交互功能核对设备运维情况，同样发现异常情况时，第一时间通知或提醒监控人员对其进行处理，实现智能辅助控制电网运行。其具体功能作用主要涉及以下几个方面：
（1）对运维人员的语音内容进行分析，再核对设备的运行情况。
（2）待设备运行核对任务请求被接收后，电网调控智能驾驶技术将替代监控人员巡视目标对象的信息，确认是否存在异常情况。若有异常情况，将会立即提醒运维人员；针对运维后仍存在异常告警问题的处理，则是需要将其异常原因进行描述，并提醒监控员对其进行干预处置。
（3）待异常告警问题均处理完成后，基于电网调控智能驾驶技术应用所搭建的系统，可配合运维人员对设备运行参数进行逐项核对，如母线电压、主变油温等，对比运维人员上报的现场设备运行参数和主站端遥测数据之间是否存在较大偏差，若现场设备运行参数与规定阙值不一致，则需要提醒监控人员对其进行干预处置。
（4）待设备运行参数核对结束后，系统将对所有设备的关键运行参数是否按照规定要求完成核对进行自动校验，自动校验完成后，将会把本次运行参数核对自动保护在系统内部的过程日志中。
（5）系统应满足30组人机交互的并发处理需求，并同时可与30名运维人员共同核对现场设备运行参数。
（6）系统支持并提供查看设备运行核对程序的显示界面，便于运维人员对设备运行核对日志数据进行随时查看，并满足监控员实时参与处置或系统代理工作状态恢复的要求。
充分发挥电网信息智能提取技术的应用优势，对电网运行异常、故障等信息进行准确捕捉，有效弥补传统以人工方式识别电网风险的不足，通过利用先进设备实现对电网运行风险的智能化捕捉。此外，文本挖掘以及识别图像是电网信息智能提取的核心技术，其中文本及图像特征的匹配和提取是现阶段需要突破的技术难点。
1.2电网事故辅助决策
由于电网事故处置流程具有一定繁琐性，通常对设备实时运行状态进行核对时，普遍采用人工核对的方式，并按照OMS系统所生成的检修单执行相应的操作任务。受调度人员自身工作习惯、工作经验等因素影响，致使操作票的拟定无法形成统一标准，不仅导致现阶段电网运行状态的任务编排缺失合理性，也给调度人员带来极大地工作压力，增加操作失误情况发生的可能性，难以保证电网事故发生可以在短时间内快速完成处置[1]。为了有效提升电网事故处置效率，将机器学习在当前系统中引入，分析历史数据，提取关键信息，再将现有的各类专家库、模型库结合在一起，在此基础上建立电网事故处置数据库，为不同类型的电网事故处置提供辅助决策方案，并与OMS系统建立连接关系，让检修单流程在OMS系统中流转时，可以实现智能分解与编排操作任务，为电网稳定运行提供基础保障。
由知识平台、智能辅助决策中心以及任务智能编排共同构成大脑思维决策，其中知识平台主要是将专家系统、机器学习库、业务功能模型库等进行有机结合，实现对人工智能技术的充分利用，同时也可以根据电网调度业务需要为其专项制定智能算法。智能辅助决策中心则是发挥着为电网日常业务工作、电网运行状态诊断以及电网事故处置提供智能辅助决策服务的功能作用，由云平台为智能辅助决策过程提供语义数据，知识平台则是为智能辅助决策提供该过程中所需知识的支持，并为决策系统与调度人员进行智能交互提供帮助。基于任务智能编排的实现，智能分解、映射以及推理电网调度业务，将原有无统一标准的电网调度任务编排向有序、有标准的任务操作转换，通过系统代理执行自动校验与智能下达操作指令。
机器学习是大脑思维决策的核心，同时也是电网故障处置、设备运行异常处理、电网负荷调整等辅助决策功能实现的重要支撑，以人工智能的自然语言处理技术为依托，并根据电网运行管理规定要求自动学习电网调度规程、保护规程以及监控规程等，以此建立覆盖全面的机器学习知识库，为系统的大脑思维决策提供强有力支撑。
1.3电网辅助控制体系构建
由系统向智能代理中心自动推送副职调度员的操作票并提交审核，通过语音功能，智能代理中心将提示正职调度员审核操作票，按照语音发送指令对待审核的操作票进行相应的任务执行，同样通过语音指令或按钮点击将审核批准后的操作票向值班负责人发送，并进行最后的审批程序。
值班负责人接收并审批正职调度员所发送的操作票后，系统将自动校核操作票的票面文本防误以及操作逻辑防误，再由智能代理中心向值班负责人提交上一环节的校核结果。值班负责人可以对操作票的审核与校核结果进行查阅，一般情况下，最后环节的审批通过后，均可对操作票执行任何操作指令。
自动调用防误接口在操作票执行期间发挥着校验每个操作步骤安全性的功能作用，若安全校验未通过，此时系统将会相应的执行操作立即停止，并利用语音功能向调度员发出提醒信号。其中自然语言理解及语音交互技术是支持智能提醒与交互功能实现的关键技术，以便调度员更好地处理日常业务工作，并保证电网事故处置效率。准确识别调度语音是该项技术需要突破的难点。
基于智能监视技术应用，辅助系统实时监视电网运行信息、监视信号信息等，其目的是全景感知电网事件，并将其发送给大脑思维决策模块，由该模块负责对电网事件进行深入分析，待分析完成直接生成相应的操作任务，操作任务按照提前拟定好的执行顺序向代理操作模块发送，再由代理模块逐项完成相关操作任务执行。上述过程主要是将离散的数据信息、电网事件以及操作任务进行相互连接，在此基础上构建完整且覆盖全面的电网实时调控业务链，充分发挥智能交互技术优势，打破传统人机交互模式局限，充分利用语音识别、语义理解等相关技术打造人机交互新模式[2]。基于人工智能语音功能的人机交互新模式参考图1。
图 1 基于人工智能语音功能的人机交互新模式
下面将着重阐述电网辅助控制体系的具体应用：（1）基于电网辅助控制体系的应用，打造数字化调度员。利用操作流程机器人对调度员的操作进行模拟，并提供电网调度业务自动查询、电网调度信息与电网事故信自动录入以及业务报表自动生成等功能，进一步简化电网调度原有重复性、繁杂性的操作流程，通过数字化调度员执行上述操作任务，真正减少电网调度员工作量。相较于传统电网调度业务工作。同时利用现有电网调度业务数字化工作平台，与智能辅助决策系统相连接，为电网调度人员、运维人员提供全视角、多维度的电网运行指标数据并进行可视化展示，加快数据查询速度，为电网调度业务安全、高效开展提供智能辅助决策，实现自动化、智能化以及数字化控制电网运行。
（2）以大数据技术为依托，基于人工智能决策设计与构建电网辅助控制体系，灵活运用深度学习及机器学习等人工算法，再融合大数据技术，对样本数据进行学习，以此达到精准预测电网运行趋势目的。负荷侧风能、光伏等与电源进行连接时，极易受到温度变化影响而导致功率出现较大浮动，主要表现在负荷增多、双重特性设备数量增加以及提升负荷预测难度等方面。因此，通过运用多种算法进行负荷预测，如基于多种算法运用，实现集成化学习思想，在此基础上构建相应模型，对负荷预测中不同因素产生的作用影响进行模拟，对充电站的负荷特征加以辨识和预测，实现在不同气象环境下均能有效开展负荷预测，以此保障电网实时保持平衡控制的状态。
从电网侧角度分析，当气象环境发生变化、设备运行状态出现异常时，均会增加设备故障跳闸问题发生几率。针对该情况的处理，可以通过电网辅助控制体系，并利用所建立的模型按照设备故障跳闸事件、设计参数等数据信息模拟与评估设备运行状态，学习设备的历史故障，即可让系统及时发现造成设备故障问题发生的原因或设备因故障而出现跳闸情况的规律，并为其提供智能辅助决策，进而有效消除设备故障跳闸风险，以及故障跳闸风险辨识精准性的提升[3]。
（3）知识谱图是基于人工智能决策设计与构建电网辅助控制体系的核心计划，实际操作过程中，可以运用人工智能技术训练和学习经验知识对设备故障进行处理，实现设备检修操作流程标准化。充分发挥知识谱图技术优势，分析电网调度规则知识，以此在最短的时间内完成关于电网调度信息的提取和存储。基于知识谱图技术的图像识别过程参考图2。
图 2 基于知识谱图技术的图像识别过程
（4）大数据技术是支持人工智能决策应用实施的重要基础，也是对深度学习算法、机器学习等人工算法加以利用的必要条件，可以更好地保证数据完整性，并提高机器学习效果。通过建立调度大数据平台，对离散分布的数据进行汇集与整合，为不同电网调度业务场景提供训练样本，充分满足对电网调度管理、设备状态检测等方面工作高效开展需要。
（5）基于电网辅助控制体系开展电网运行安全风险在线防控，为工作人员提供电网运行安全风险实时预警与监控的功能服务。具体操作过程中，主要涉及在线评估电网故障概率、在线评估电网运行安全风险以及为风险在线控制提供辅助决策等方面内容，以此进一步提高电网运行的安全性和稳定性。
2.人工智能在电网调度领域的未来应用趋势
2.1利用先进技术手段加强电网运行特性认知
以大数据技术以依托，再结合人工智能技术，为在线数据、离线数据建立满足存储与高效访问需求的海量仿真样本系统，通过利用仿真样本库的技术特性为后续深入挖掘电网稳定规律提供科学的数据参考，从而实现电网运行特性认知水平得到进一步提高。
2.2提升电网调度控制效率
首先，基于电网辅助控制体系，利用电网监控事件化技术对电网事件进行准确感知，为智能分析电网监控运行规律提供帮助，充分发挥人工智能技术优势，实现电网监控事件自动识别、电网调度业务自动监控，解决传统单点信号监视模式存在的弊端问题，最大程度地体现电网事件监视综合性[4]。
其次，为了更好地将多源数据进行相互关联，以电网辅助控制体系为基础，建立满足统一监控需求的监控设备模型，再通过大数据技术对设备运行状态趋势进行全面分析，识别运行状态下的设备是否存在故障问题或缺陷，以此规避电网运行安全风险，实现风险事前预防。
最后，基于人工智能语音功能的人机交互新模式，进一步完善电网信息查询、搜索、功能调用等操作环节，实现相关报表自动定制、特定业务电话自动应答等功能，并根据智能安全校核结果，为电网运行故障提供诊断与辅助处置建议，既能有效提升电网调度控制效率，又能在设备故障处置后快速恢复电网运行。
结束语：综上所述，为了满足社会经济发展对电能日益增长的需求，电力系统规模不断扩大，同时也伴随着大量数据产生。现下正处于大数据时代，基于人工智能决策构建与设计电网辅助控制体系，实现电网调度业务自动化、智能化操作的同时，也能进一步提高电网调度运行工作水平，减少此方面人力资源投入以及调度员的工作量，降低操作失误情况出现频率，从而为电网安全稳定运行提供基础保障。
参考文献：
[1]王枭,何怡刚,马恒瑞. 面向电网辅助服务的虚拟储能电厂分布式优化控制方法[J]. 电力系统自动化,2021,46(10):181-188.
[2]严凌霄. 储能系统参与电网辅助调频的优化控制策略研究[D].东南大学,2021.
[3]蔡新雷,齐颖. 基于大数据应用和人工智能决策的电网辅助控制体系探讨[J]. 电工技术,2021,(06):40-42.
[4]吕永青. 面向电网辅助服务的储能系统运行控制技术研究[D].东南大学,2021.
