1基于人工智能技术的智能电网调度技术分析
1.1高性能计算技术
近些年，随着研究的深入，深度神经网络推动发展的作用逐渐显现，为电网发展提供了强大的数据计算能力和完备的样本数据。依靠现代计算机技术发展和大数据技术的深度学习能力，人工智能的计算性能也得到了全新的提升和阶段性发展。
智能电网新发展将会产生庞大的数据量，且需要完成数据的计算。因此，在电网调度领域的发展过程中，应该结合智能电网建设需求深入推进深度学习应用，以提高计算力。综合应用计算机中央处理器和图像处理器等现代信息技术，充分利用服务器、网络资源和存储计算深入开发软硬件，在降低电网调度成本的同时，提高运行效率，满足智能电网调度的不同学习算法需求，进行硬件资源配备、软件资源整合、分布式框架确定以及算法功能更新。
1.2调度大数据技术
人工智能技术的基础是大数据技术。实现人工智能的算法应用，需要依靠样本数据。基于大数据技术应用数据的完整性，对智能电网调度具有重要意义。这要求在建设智能电网调度平台时要整合各类大数据信息，从而为平台建设的业务场景提供参考。
纵观智能电网调度，除了要进行广域时间上的协调控制，还要进行空间上的调整调度。智能电网的数据属于时空数据，其中不仅包括模型参数和监控采集数据，而且包括地理位置和故障信息。既有非结构化数据，又有结构化数据。
1.3电网预测与辨识技术
智能电网调度中综合运用大数据技术、深度学习和机器学习等人工智能进行学习和智能预测，可科学规划电网的运行趋势和状况。
就电源侧而言，应该借助集成学习和深度学习等多种方式，实现智能电网调度的分类决策和网络训练等，整合多种模型。在多样化自主学习的基础上，分析不同因素的关联性和数据的内部规律，预测和规划未来可再生能源的发电情况，并保证预测的精度。
就用户侧而言，需要将负荷侧的风能和光伏等合理接入电源，但在温度影响下会导致负荷和双重特性设备的增加，大大增加了负荷预测难度。基于此，应该深入研究混合模型聚类算法和神经网络算法等各种算法，并分析各种算法对电负荷预测的应用效果。
就电网侧而言，气象环境和气象设备等发生变化，将会引发设备故障及跳闸等问题。因此，可以分析利用故障事件详情和设计参数等数据信息，将电网调度的具体运行状态设计建立成设备状态评估模型。通过训练和学习设备历史故障，保证设备发生跳闸等故障时能够被及时发现，总结规律，确定影响因素，进一步提高设备故障风险识别的效率和准确率。
1.4基于知识谱图的辅助决策技术
在智能电网调度的应用和发展中，应该注重实践与经验的结合。对设备检修操作等明确流程的标准化，可实现故障预案编制，明确处理机制。另外，借助人工智能技术训练和学习机制，可在计算机技术的辅助下完成固定化工作和重复性工作。近年来，知识图谱技术广泛应用于治疗辅助诊断和金融风险防控，其应用拓展可以结合智能电网调度，实现信息的提取、存储以及计算。
1.5基于语音交互的调度智能助手技术
要实现智能电网调度的智能化发展，就要注重人机交互，优化人机互动。目前，充分利用触屏、语音以及人脸识别等可实现控制，分析并处理调度人员输入的内容，得到需要的结果。此外，可以实时查询电力设备运行的原始数据和计算结果，并借助智能搜索检索和抽取需要的数据信息。
2智能优化算法
在电网重构过程中，应用人工智能算法能够实现并行搜索，按照特定的优化迭代算法，得到全局最优解。目前关于智能优化算法已经比较成熟，在众多领域中得到了有效的应用。主要有代表性的一些算法体现为神经网络算法、粒子群算法以及遗传算法。
考虑分布式风电的接入，以线路过载和电压越线为目标函数，提出了一种混合例子群算法，收敛速度快且稳定。以变压器越限个数与变压器平均负载率为两个目标函数，将g占优机制和TOPSIS方法引入多目标智能算法，从而提高解得质量和算法收敛性。以降低有功功率损耗为目标的配电网优化重构模型，采用数学规划法求解。提出计及线路损耗的自治型微电网群分布式经济控制方法，将节点电网控制在合理范围内。考虑电网和电力用户对故障恢复的决策影响，利用嵌入式蚁群算法和统计算法，实现电网和用户双方利益，多代理系统下的ADN故障博弈恢复策略使得能够在多种故障场合下发挥作用，提高了连锁故障解决的速度，缩短的故障解决周期。供电侧和用户侧建立非合作动态博弈模型优化故障时的峰谷分时电价，抑制高峰负荷需求，减少用电高峰时故障恢复的压力。在主动配电网故障恢复中，基于优化后的负荷曲线，供电侧和用户侧建立合作博弈模型，双方以共同的收益函数作为目标。并采用采用逆向回归算法和改进的蚁群算法求解。还可应用于大面积失电的情况，提高电网侧和用户侧在负荷高峰时恢复的利益，实现双方利益的均衡。考虑分布式风力和光伏发电并网情况，采用不确定二层规划模型进行建模，基于博弈论方法并采取混沌粒子群算法分别设计上层优化和下层优化进行求解，上层模型考虑故障恢复后供电负荷大小、开关操作次数、和网损功率，下层模型是在上层模型的基础上使电网运行的综合成本最小。不确定二层规划模型中置信度的取值并没有最优组合，可根据自身的风险偏好和现实要求选取合适的置信度组合。
总体来说，故障恢复问题作为一个多目标、高维度的优化问题，传统的启发式算法耗时较长，且不易找到全局最优解，这让人工智能算法体现出其良好的优势，但随着问题规模的扩大将面临维数灾的问题，在主动配电网故障恢复问题中，系统的网损功率计算还需要以制定系统运行计划为前提，使得问题的复杂性进一步上升，这需要寻求一种建模理论将整体模型进行分模块处理，以便降低模型复杂度。
3功能实现
在正常运行方式下，能量管理系统（EMS）网络潮流等部分有效数据实时更新并提取至内网办公电脑后，采用逐条自动设置N-1故障（或者其他更好的人工智能方法），从而得出相应风险预警等级。在内网电脑再采用用于故障恢复的人工智能算法，并给出相应电网恢复步骤，及生成设置格式的预案。
在电网故障情况下，若EMS系统未涉及用于故障恢复的人工智能算法时，将在内网电脑采用用于故障恢复的人工智能算法，并给出相应电网恢复步骤、生成设置格式的恢复供电操作票、故障信息上传至OMS、短信自动发送等。若EMS系统已编程有用于故障恢复的人工智能算法时，电网故障时，将自动恢复，对无法恢复的，将由调度员人工处理。
在正常运行需停电检修时，在内网电脑模拟停电设备直接停电（模拟过程不以呈现，以免误导调度员）。对有负荷损失的，采用用于故障恢复的人工智能算法，将损失负荷调至其它电源，并生成先调整负荷再停电的操作步骤（即操作票）；对无负荷损失的，直接生成停电操作步骤。
4结语
电网故障恢复算法，采用采用不确定二层规划模型进行建模，既易找到合适组合，又解决因问题规模的扩大将面临维数灾的问题。使得基础数据计算快速、准确的智能电网大数据流的快速分发与任务调度方法研究，及多源数据融合，作为基础。进而设出操作票自动编写、预案自行导出等功能模块，在一定程度上提高调度员故障处置的准确性、及减少日常工作量。
参考文献
[1]马政.新一代智能电网调度自动化标准体系的探讨[J].科技创新与应用，2020，（19）：75-76.
[2]李金讯.基于大数据及人工智能的大电网智能调控系统框架[J].通信电源技术，2020，37（3）：5-7.
