分布式光伏人工智能檢索應用實踐

吳昌 李震 任嫻婷 謝永勝

摘要：新能源大量入網使得調度員調控難度加大，分布式光伏數據分布在不同的應用系統中，調度員人工檢索統計分布式電源困難。鑒于此，采用人工智能語音技術，開發了分布式光伏人工智能檢索系統，能夠通過語音進行分布式光伏的檢索與統計，檢索結果呈現方式多樣，縮短了計算人員數據準備時間。

關鍵詞：人工智能;分布式光伏;語音識別;語義理解

0? ? 引言

隨著我國對可再生能源的重視，越來越多的分布式電源加入電網，高滲透率分布式電源接入改變了電網結構[1]，對傳統的電網調度沖擊較大[2-3]，引起了電網調控業務的深刻變革。

分布式光伏作為可再生能源的重要組成部分，近年來在衢州快速發展，光伏最大出力占衢州全社會最高負荷的40%以上，在電網計算時，忽略分布式光伏的傳統做法將導致電網計算結果不再準確，在計算時必須對分布式光伏的出力數據進行預處理，從而對分布式光伏日常數據管理提出了更高的要求。

由于分布式光伏存在數量多、分布廣、增長快等特點，分布式光伏模型與電網模型耦合度較弱，難以準確快速獲取與計算相關的分布式光伏數據，傳統的基于Excel進行統計匯總的方式效率難以滿足計算的需要，需要采用新的思路來解決分布式光伏檢索問題。

人工智能技術的發展及在電網調控領域的應用實踐[4-5]，使得利用人工智能技術快速檢索分布式光伏數據成為可能。

1? ? 分布式光伏人工智能檢索設計思路

1.1? ? 分布式光伏檢索核心需求

目前分布式光伏人工智能檢索主要存在以下業務需求：

（1）利用語音技術，能夠根據電壓等級檢索、統計不同容量的光伏出力。

（2）能夠根據饋線檢索并統計光伏容量、出力數據。

（3）能夠根據變電站、母線、主變統計光伏出力數據。

（4）能夠根據計算需要，按時段、類別、名稱等進行檢索和統計。

1.2? ? 分布式光伏人工智能檢索難點

分布式光伏數據既包含相關臺賬數據，又包含實時量測數據，由于分布式光伏資產性質上基本不屬于電網公司，普遍存在著與電網設備之間的拓撲關聯較弱的現象，臺賬與量測關聯性不強，無法從電網設備角度出發進行有效的查詢與統計匯總，需要進行光伏數據標準化工作。

光伏數據標準化工作首先要實現光伏模型與電網模型的拓撲關聯，其次要實現光伏量測數據與臺賬參數的統一。

2? ? 分布式光伏人工智能檢索架構設計

分布式光伏人工智能檢索架構設計如圖1所示。

支撐層1：支撐層主要完成系統必要的支撐工作，如進行接口開發，從第三方系統中進行數據輸入，完成數據標準化工作，并進行圖形化建模，實現分布式光伏量測數據與參數、電網拓撲的有機統一。

支撐層2：包括語音輸入設備（話筒）、電話網接入交換機、電話語音卡，此部分主要完成語音的輸入。

軟件服務層3：此部分主要實現分布式光伏語音檢索相關服務封裝，如構建語義模型與應用場景，實現語音轉文字、語義識別與轉換，并根據查詢結果輸出相應的語音、圖形及文字服務，這些功能需要第三方語音平臺的支撐，并完成語音模型的訓練。

應用層4：提供與用戶交互的軟件界面，實現分布式光伏的人工智能查詢與輸出，輸出結果包括語音輸出、文字輸出、圖表輸出。

一個完整的查詢過程包括以下環節：

（1）系統前端通過話筒或電話，獲取語音輸入。

（2）系統啟動語音識別服務，識別出語音內容與人員。

（3）系統啟動語義識別服務，識別出對話語義與意圖

（4）系統使用意圖與實體從服務層中獲取JSON數據。

（5）系統根據JSON數據分類查詢分布式光伏數據。

（6）根據查詢類別分別推送查詢結果。

3? ? 關鍵技術

3.1? ? 語音識別與語義理解

語音識別是人工智能檢索的難點，為了能準確識別不同說話人的說話內容，摒棄因環境噪聲、說話人的地方口音差異而引起的識別干擾，采用了定制化語音服務對不同查詢人的語音模型進行訓練，經過一段時間訓練，使得識別準確率達到90%以上。

讓計算機能夠理解說話人所說話的語義并進行正確響應，使計算機具有具有較高的智能性，技術挑戰性比較大。在語義識別領域，微軟的LUIS具有較強的技術優勢，它采用深度學習的NLU解決方案，具有一定行業領先性，它通過意圖（intent）與實體模型（entity）的關聯，實現對語義的理解與變量的提取，實用化程度高，通過多維詞嵌入的特征提取，完成對語義的理解。

3.2? ? 自動圖形建模

分布式光伏數據量較大，其與電網耦合度較低，因此提取電壓等級、饋線、光伏容量等多個維度的信息，根據所接入的饋線，自動實現與饋線的圖形化建模，滿足從電網設備角度查詢分布式光伏的需要。

3.3? ? 智能響應

當識別出意圖之后，可以根據檢索意圖類型與變量，分別調用相應的服務，獲取服務結果后，向客戶端推送結果，智能化地應答檢索需求，實現不同類別檢索需要。

4? ? 應用情況

系統前端采用.Net Framework 4.8 WPF技術開發，客戶端采用Frame技術實現，客戶既可以通過傳統的鼠標鍵盤方式進行查詢檢索，也可以通過語音輸入，輸出結果包含語音、文本、列表，基本滿足光伏智能檢索需要。系統上線后，經過一階段的語義模型調優，應答準確率較高。

5? ? 結語

衢州公司應用分布式光伏人工智能檢索系統以來，取得了良好的效果，真正意義上做到了由人工智能代替人工完成分布式光伏的檢索，有效縮短了電網運行方式的數據準備時間。檢索系統能夠完成90%以上日常檢索統計工作，有效解放了生產力，達到了預期的目的。

[參考文獻]

[1] 王洪坤，王守相，潘志新，等.含高滲透分布式電源配電網靈活性提升優化調度方法[J].電力系統自動化，2018，42（15）：86-93.

[2] 黃強，呂振華，韓華春，等.光伏電站并網運行典型問題分析[J].電氣開關，2018，56（4）：29-32.

[3] 趙若言.語音識別技術在人工臺智能化應用[J].電子技術與軟件工程，2018（17）：141-142.

[4] 吳昌，留益斌，李震，等.人工智能調控電話答錄系統的應用實踐[J].農村電氣化，2019（5）：49-50.

[5] 竇建中，羅深增，金勇，等.基于深度神經網絡的電力調度語音識別研究及應用[J].湖北電力，2019，43（3）：16-22.

收稿日期：2020-03-04

作者簡介：吳昌（1982—），男，浙江衢州人，工程師，從事電力調度工作。