引言：在电网控制领域中应用目前先进的人工智能技术，可以有效促进电网调控智能化发展，使其各项业务的调控都能更为精准，促进交互良好，解决一系列问题。
1.人工智能技术
当前时代中最为前沿的技术型科学就是人工智能，而人工智能技术本是指不断模拟人脑运行并进一步延伸人脑思维运用，最新一代的人工智能代表则是机器学习技术，其在相关电力领域尤其是电网调控中的应用较广泛，获得了许多优异成效。而机器学习也是电网控制中人工智能决策形成的关键，其具体包含了传统机器学习、深度学习、强化学习以及深度强化学习。一是传统机器学习，具体是指依据对应样品开展相关学习工作，以是否具有标签信息为基本学习判断标准，开展的学习类型包括监督式、无监督式以及半监督式等；二是深度学习，包括利用AI解决部分复杂问题，具体学习的核心技术包括识别自然语言、图像技术以及语音技术等，基于数据驱动来进行对应数据训练；三是强化学习，就是指强化策略优化问题的有效性解决能力，主要是运用Agent算法，促使对相关学习内容的持续性、完善性摸索，有利于提高决策水平，确保利益实现最大化；四是深度强化学习，在该项类型的学习下，对应电网控制系统可以通过扫描二维图片感知并判断电网实时运行情况，为电网运行控制的决策提供重要依据，相比于强化学习，其对于电网复杂运行态势的感知能力更强，有利于做出最优的控制策略[1]。基于人工智能技术的上述特征，本次对该技术在电网辅助控制决策方面的新应用进行了研究。
2.基于人工智能决策的电网运行智能辅助控制功能
电网运行过程中的智能辅助控制主要是实现了在电网调控中深化应用人工智能技术，其整体运行业务的智能化控制是基于大数据技术、人工智能技术以及电力系统分析控制技术的结合，如图1所示。
图1人工智能技术在电网运行控制中的运用图解
电网运行控制决策则是指人工智能与其决策支持系统的有机结合，构成了智能决策支持系统，如图2所示，为电网运行提供了多种智能辅助控制技术。电网的智能调控相关技术功能，可以有效替代运行监控人员和运维人员开展事前确认工作，便于第一时间发现电网系统的缺陷情况，并及时对监控人员做出提醒，保证其做好干预性处置，对于电网设备运行的各项核对工作，相关智能辅助调控系统则是可以通过语音交互性配合来有效核对运维情况，若是发现了问题，则也是会第一时间告知监控员，系统具体功能主要是包括以下几点。
图2人工智能与决策支持系统的结合
一是对运维人员发送的语音内容智能化解读，确保理解之后将设备运行核对的各项任务发起。
二是在对应设备运行核对任务的请求被接收之后，系统会智能化替代监控人员巡视目标厂站的光字牌显示信息，确认整个电站是否存在异常情况，若是发现了异常，则立即对运维人员做告警提示，若是异常情况始终未得到消除，则是要求运维人员对缺陷情况与原因做描述处理，同时对监控人员发出干预处置的相关提醒。
三是若相关异常告警已经被完全消除，那么系统就可以和运维人员对各项运行参数开展核对工作，具体包括主变油温参数、主变档位参数以及母线电压参数等，运维人员会对现场设备的实际参数进行上报，而主站端系统控制写可以进一步实现遥测比对，假设参数值超过了规定的阈值，那么就会对监控人员做出实施干预的提醒[2]。
四是详细核对了所有的厂站设备情况之后，运维人员还需确定核对结果，这时，智能辅助控制系统会依据相关要求来对设备运行的关键参数进行自动化校验，待到所有校验结束之后会将相关核对过程保存成日志并入库。
五是相关系统应当可以对多组人机交互操作场景进行支持，最少应可以支持30组的并发性处理，简单解释为，在同一时间，能够让最少30名运维人员同时核对设备的各项参数。
六是系统应当针对设备的运行提供可进行核对与管理的操作界面，该界面的主要作用是对设备运行中产生的各种核对日志数据信息加以查看，确保不出现异常，而界面操作的主体为监控人员，其具有随时处置的权限，也能够对系统本身的代理工作运行做解除或是恢复调控。
电网运行智能辅助控制过程中，以人工智能决策为基础，还会有效运用智能信息捕捉技术，对于电网运行的各种信息及时提取获得，尤其是故障信息。以往电网运行时都是人工主动操作获取信息再发现对应风险情况，而结合了大数据技术与人工智能技术之后，可以通过智能化机器控制获得电网风险信息。在此过程中运用到的关键技术包括图像识别技术、文本分析挖掘技术以及语音识别技术等，目前人工智能中这类技术已经相对成熟，可以直接平移运用到电网的调控系统当中，切实解决相关交互问题，在操作过程中的难点则是图像特征、文本要点的提取与匹配处理，因而也可引入知识图谱技术或是专家系统技术[3]。
3.基于人工智能决策的电网运行事故辅助决策功能
在电网运行控制过程中，针对相关事故的处置是十分关键的控制内容，而实际上由于事故本身的复杂性，导致处置流程也尤为繁琐。传统控制中，相关电网事故检修单流程流转在对应OMS系统当中，而电网业务调度的人员则是会采用人工操作方式查看并核对设备实时状态，随后再依据OMS系统中的检修单内容生成相关操作程序以及具体任务，再一一完成操作，完成事故处置，而这种形式下的调度人员工作量通常较大，且不同人员在进行操作票拟定的过程中可能会由于经验与习惯不同出现了差异性内容，缺少了统一化表征，对于电网运行控制的事故处置编排无法合理完成，给调度人员带来了较大压力，事故处置还可能出现错误情况，致使效果和效率的下降。而基于人工智能的电网运行事故辅助决策功能，则是有效利用的人工智能中的机器学习技术，切实将电网事故处置中遇到的工作量大、压力重等问题解决，其会基于电网设备的历史数据信息开展学习，再通过运用模型、专家库等技术，生成专属于电网事故控制处理的知识库，使得对应的电网事故都能有效获得辅助决策，深入分析了OMS系统中的检修单，对事故处置任务进行合理编排与智能化分解，确保高效处置，促进电网的稳定运行。
人工智能决策会依据人脑思维，其决策的实际内容包括事故任务智能编排、辅助决策智能化中心以及知识平台。其中，事故任务的智能编排会对相关业务进行任务分解、推理以及映射等，有序开展业务的各项调度操作，其具体操作是由智能化技术代理完成，依据操作指令的序列自动开展校验并智能化下达；辅助决策智能化中心的作用主要是在三类电网业务中的体现，分别为电网运行健康诊断操作、电网常规操作以及事故处理操作，在具体进行辅助决策时会基于来自云平台的语义数据，做好智能化代理决策，相关知识则是来源于对应的知识平台，帮助调度员和智能辅助决策系统之间实现交互；知识平台具体是指机器学习的知识库、专家系统库、业务功能模型库以及趋优性质控制库等，这些知识平台中采用的智能化技术与方法都是相互通用，同时也都具有针对相关业务操作的智能算法[4]。
人工智能决策会基于机器学习的原理，形成多种功能性质的知识库，包括自学习功能、设备异常处理功能、倒闸操作功能以及电网故障处置功能等，这些知识库中的知识能够支持前瞻性事故预控、电网运行中点负荷的调整、异常与故障的辅助处置以及识别倒闸操作设备到位情况，在机器学习的过程中，也运用到了人工智能自然语言处理的技术，促进对电网运行管理各种规程的学习，包括保护操作规程、稳定处理规程、调度规程以及监控规程等，最终影响到决策工作。
4.基于人工智能决策的电网辅助控制体系具体运用
在以人工智能决策为基础的电网辅助控制体系运用中，相关副职调度员会针对操作票进行拟定，同时在对应系统支持下会自动将操作票推送到智能代理中心开展审核，随后正职调度员会接收到智能代理中心语音进行的深化操作票信息提醒，正职调度员就可直接点击查看按钮将操作票内容打开呈现而出，在审核确认无误以后再点击将操作票发送给相关负责人做最后审批。
在正职调度员将操作票发给负责人审批之后，系统中还会自动校核操作票的界面，避免文本内容和操作逻辑出现错误，在经由智能代理中心的调控将系统校核情况发给负责人，由负责人来进一步查看核对，确认审核完全通过之后就可下达指令执行操作票。
操作票实施执行时，系统还会自动调用起防误接口的功能，进一步预防每个执行环节中的错误，确保执行安全。在防误接口功能下，安全校检各环节步骤，若是校检中发现错误将会不予通过，同时会将操作票执行立即中断，再对调度员发送智能化语音提醒，随后调度员的各类操作也会基于自然语言理解技术的辅助来实施，保证日常管理操作、故障处置操作以及倒闸操作，这种技术的难点和关键点在于准备辨识、理解调动语音的内容。
电网系统的监视也会基于智能化技术有效实施电网运行监视、故障告警监视以及信号信息监视，确保全方位感知电网事件各类场景，再将事件信息发送到人工智能决策模块加以分析，将具体操作任务生成，再一一按照顺序将操作任务发送给代理操作模块，落实相应执行。这种特点可以将原本颇为分散的电网事件数据信息按照相关任务操作顺序进一步串联，使得电网业务实时调控操作更为完整。另外，在控制操作方面，也会运用最新的智能交互技术，改变传统人机交互的模式，无需进行键盘或鼠标操作，而是通过语音控制，结合了相关语音理解技术与辨识技术。
下述为几种以人工智能决策为基础的电网辅助控制体系具体运用实例：
一是结合大数据分析的电网系统操作闭环式检测案例。通过智能辅助决策系统的检测发现200kv顺奎甲线正在进行输电操作，而在停电的过程中会对奎福站侧的弱馈保护进行更改，实施复电时却没有发现对应操作恢复，因此，系统判断其异常后再对事故检修单进行检核后决定进行保护性恢复，会自动向调度员发送提醒消息让其尽快核实。
二是系统推送相关知识图谱以及检测对应风险的案例。智能辅助决策系统的检测发现楚穗直流为500kv双极闭锁，且相关北增的甲、乙两条线路他能够使出现了跳闸反应，电网对应频率发现跌到了49.91Hz，而全景中事故备用约为380万，无法满足备用的要求，因此，智能辅助决策系统自动控制开启了三台蓄能机组，并向调度员发送请求确认并调用旋转备用的提示，同时将历史对应事故的检修单和预案推送给调度员。
三是以静态安全分析为基础的电网实时风险校核案例。对应智能辅助决策系统检测到罗文甲线发生了跳闸现象，再进一步扫描发现其未能够满足N-2要求，因此提示调度员在控制时增加一个临时性断面并核实情况，具体为“罗文乙线+雷平甲乙线＜65万”形式断面。
四是实时进行风险触发控制和分析案例。智能辅助决策系统通过检测发现其罗文甲线出现跳闸，通过系统的分析判断，所罗文乙线再发生跳闸后，对应事故会导致限电，此为二级事故风险，因此对相关控制单位调度人员做出触发实时风险的建议提示。
五是对电力市场监视及辅助调控的案例。相关系统通过检测发现当前电力市场的价格有异常状况，其中海门厂站和平海厂站的价格明显过低，通过分析判断其出现了断面过载情况，进一步校核发现无需对该临时断面加以调控，但提示调度员要重点关注。
六是电网事故处理的防误和监护案例。智能辅助决策系统检测到200kv的罗文甲线发生跳闸情况，并正在进行强送电，因此系统立即提示调度员关注强送电时的动作是否完整，避免出现错误或是遗漏。
结论：综上所述，电网控制决策过程中，基于人工智能与大数据技术，可以有效提高决策效益，提高电网控制水平，促进电网整体的稳定与安全运行。由本文分析可知，基于人工智能决策的电网运行智能辅助控制功能包括：对运维人员发送的语音内容智能化解读、智能化替代监控人员巡视目标厂站、对各项运行参数开展核对工作、支持多组人机交互操作场景等。
参考文献：
[1]李广,樊艳芳.基于自适应功率阈值的电网辅助光伏制氢控制策略及容量优化配置[J].可再生能源,2021,40(09):1215-1222.
[2]李建林,屈树慷,马速良,曾伟,熊俊杰.电池储能系统辅助电网调频控制策略研究[J/OL].太阳能学报:1-12[2021-11-01].
[3]王枭,何怡刚,马恒瑞,汪增勇.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.
[4]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.
