基于大數據時代人工智能在計算機網絡技術中的應用

劉菲 趙瑞鋒 尤毅 顧博川 唐曹超

（1.南方電網電力科技股份有限公司 廣東省廣州市 510080 2.廣東電網有限責任公司電力調度控制中心 廣東省廣州市 510000）3.南方電網科技公司 廣東省廣州市 518000 4.泰豪軟件股份有限公司 廣東省廣州市 510000）

人工智能的基礎是通信技術和計算機技術，由于大數據的逐步發展，人們處理信息的能力進一步加強，把計算機技術、人工智能運用到計算機網絡中不但能夠增強多種數據的處理能力，同時還能夠在某種程度上化解計算機處理信息的穩定性、復雜性問題，從而更好的促進現代社會的發展[1]。例如，在進行計算機的網絡安全管理過程中，能夠通過人工智能技術在輸入界面打出“防火墻”的指令，從而對不良資源予以屏蔽、干擾、攔截，進而保證網絡系統的安全。

1 大數據和人工智能的含義

1.1 大數據

大數據表示的是種類與數量都非常大的信息集合，目前傳統的數據庫還不能夠對大數據展開處理。大數據一般有以下幾種特點：處理速度快、真實性、規模大、種類多[2]。詳細的特點如下：

（1）數據較為真實，目前很多新種類的數據逐步產生，原有的數據源開始被替代，數據更新日新月異，所以一定要增強系統的安全性，確保數據在存儲與使用的過程中不會受到影響；

（2）數據的規模較大，大致容量約為10TB；

（3）數據的種類多樣化。大數據不是單純的某一種數據，而是多種數據的集合，并且由于數據來源與格式的提升， 數據種類會越來越多；

（4）規模較大。原有的數據處理方法已經難以符合時代的發展，這就需要新的信息處理系統具有較快的處理能力，從而符合大數據時代的信息處理要求[3]。

1.2 人工智能

隨著通信技術與計算機技術的興起，人工智能也在人們的生活實際中得到應用，它的原理是：利用計算機模仿人類的處理方式和思維方法，并通過計算機程序達到快速處理的要求，它和人為操作相比有著正確率高、處理速度快的優勢。從本質上分析，人工智能能夠看作計算機技術內容的一部分，其目的是為了構建出能夠通過人類的思維方式進行快速信息處理的智能機器[4]。基于大數據的背景下，計算機技術的發展和人工智能的發展密切結合，人工智能一定會成為計算機技術中的關鍵組成內容，而在基于大數據的計算機處理基礎中，人工智能也一定會成為一種趨勢。

2 大數據時代人工智能在計算機網絡技術中的應用——以某電網調控中心調度運行數據管理平臺為例

2.1 項目概況

近年來，某地全面推進新一代智能調度自動化系統（OS2 系統）的建設，電力數據資源開始急劇增長并形成了一定的規模，各類調控應用通過歷史數據的積累形成了豐富的信息資源，這些數據記錄了電力系統長期的運行狀況，蘊涵著電力系統運行的歷史特性，可從中總結、挖掘出豐富的經驗及規則。同時，隨著智能電網全面建設，電力數據在急劇地增長，保守測算，某地的電網包括主網、配網及用戶側數據，日增數據規模可達2 萬億條，全年新增數據可達10PB 級。為積極展現公司在基礎數據方面的優勢，以大數據技術提升管理與服務能力，開展系統運行領域大數據的建設，本項目建立一套電網調度運行數據管理平臺，開展系統運行領域數據整合，打通各業務系統及數據平臺間數據交互通道，一方面為各專業數據分析和電網智能化提供高質量數據支撐和分析手段；另一方面結合業務需求，融合監控數據與管理數據，持續提升數據分析能力和數據利用水平[5]。

圖1

2.2 大數據背景下的人工智能應用分析

2.2.1 主配網綜合停電數據分析

由于社會經濟的飛速發展，很多企業以及用戶對平均停電時間提出了更高的要求。運用精益管理理念，以綜合停電數據分析為載體，對客戶平均停電時間關鍵影響因素分析，能夠發現發展綜合停電管理是提升供電可靠性的關鍵舉措，可實現企業經濟效益和社會效益雙贏。

（1）研究方法。

對停電設備、停電用戶、停電時間、重復停電情況按區域、電壓等級進行區域、電壓進行分類分析：主網綜合停電指標（重復停電次數、年月計劃執行率、非計劃停電率、、月均衡度等），發現停電高發時段、區域；對配電網頻繁停電進行分析。日統計發生停電的配電變壓器，日停電的次數，發生 2 次及以上停電的配電變壓器情況；月統計所有停電配電變壓器信息，計算單臺配電變壓器停電次數，分析月內發生 2 次及以上停電情況；對停電因素進行關聯分析，如天氣因素、設備消缺、計劃停電、生產因素、投訴等。

（2）應用成效。

對停電信息進行全局檢索，為停電故障的治理提供的數據支撐。實時在線監測全省停電情況，及時發現異動問題，為綜合停電管理提供輔助決策，并通過整合相關停電需求，管控停電計劃，減少重復停電用戶比例。

2.2.2 基于大數據的智能電表用電數據分析

隨著智能電表的推廣，現在能夠收集到的用戶用電信息內容越來越多，通過這些數據能夠提取出用戶用電行為特征，構建用戶用電特征識別模型。同時，利用用戶用電特征識別模型電功率數據進行用電用戶識別，從而可以給不同用電客戶群提供最適合的個性化服務。

（1）分析方法。將歷史用戶負荷數據和用戶檔案信息數據關聯，將年負荷數據預處理，包括數據缺失值、與異常值、數據的清洗和變換。根據用戶負荷數據，以時間維度對用戶的用電模式進行識別，分析過用電規律和用電特性，識別出用戶的所有用電模式。對不同用戶的用電模式進行聚類分析。得到用戶用電模式的群體性。利用聚類算法進行用戶特征分群，計算各個用戶群，識別出各類用戶特征，并對每個用戶群進行屬性標簽。分析用戶的用電規律與節假日等外部環境的關系。結合投訴數據，分析異常數據與投訴的關系。根據用戶、線路、終端、計量點、臺區、單位、客戶群組等查詢條件對用電數據進行統計分析。

（2）應用成效。針對模型結果得到的不同特征類型的用戶，比較不同用電用戶群的用電規律、預測未來用電情況、加深對用戶的理解，為有序用電提供數據支撐和建議。

2.2.3 基于大數據的線路故障跳閘分析

輸電線路，因為所處位置環境相對復雜，地域分布范圍廣泛，并且桿塔點數量多、鋪設線路長，同時長期暴露在野外，不但極易遭受極端氣候的侵襲，而且人為等其他外力的破壞也不容忽視，這些都會導致線路跳閘，從而增加電網停電事故發生概率。如果輸電線路發生故障，且不能及時準確地發現并采取修復措施，由此產生的經濟損失將難以估量。

（1）分析內容。跳閘影響分析：跳閘信息按照電壓等級、調管范圍、停電時間、復電時間等進行統計，與OCS 的損失負荷、營銷系統中的損失用戶數、PMS 的設備缺陷等字段實現關聯分析。線路跳閘特征數據：主要是電氣特征量（電壓瞬時值等）、氣象特征量。跳閘原因分析：建立線路跳閘評估模型，基于算法定義故障的信息量、控制量，采用時間序列相似性故障匹配將所挖掘的故障因子，基于歷史小樣本和現場反饋，迭代評估模型。

（2）應用成效。跳閘報表：OCS 線路故障跳閘信號發送至OMS，在DICP 調度日志中自動生成跳閘清單，實現關聯，與此同時，跳閘信息與OMS 應急期間調度異常信息中的線路跳閘明細及條次實現關聯，形成應急報送報表。未來可結合歷史數據以時間序列相似性故障匹配對輸電線路進行故障預警，以提高輸電線路安全性和可靠性。

2.2.4 基于大數據的穩定斷面負載率運行斷面分析

隨著我國經濟的快速發展，很多地區用電需求不斷增加，最高用電負荷逐年創新高。對電網設備運行狀況的監測分析，尤其是對最高負荷等特殊情況下電網設備運行數據的監測分析，其分析結果對電網運行方式和規劃有重要意義。

（1）分析內容。主變負載負載率分析：重載、過載、輕載、重過載主變重復頻次關聯時間分析、輕空載主變投運效率關聯投運年限分析、配變設備負載率分析：重載、過載、輕載。

（2）應用成效。從各電壓等級設備負載率、運行狀態等角度進行了分析，客觀地提出了電網存在的問題和風險，為當前電網運行方式調整、后期電網發展規劃提供了數據支撐和決策依據。

2.3 智能應用

基于運行領域大數據平臺，打造一個大數據智能應用生態價值鏈。主要包括智能統計分析、智能搜索等內容。

2.3.1 智能統計分析

基于調控中心OCS、OMS 等系統運行數據建立，實現調度運行數據的多維分析，提供多專業快速縱向獲取。解決業務部門報表因無法自動統計、自動采集、耗費大量的人力整理的現狀，促進跨部門的智能協同辦公，加強專業部門的計劃管理、事務管理等日常部門管理工作。主要智能應用如圖1。

2.3.2 智能搜索

建立系統運行全數據智能搜索引擎，解決跨專業數據的共享問題，逐步滿足個性化數據訂閱與分析需求，提供快速統一、準確、高可用的橫向融合數據。

（1）全景數據智能搜索。系統運行全景數據智能搜索引通過統一入口、統一界面實現個性化的數據搜索、用戶查詢功能，系統運行或管理人員可以按需快速的找到數據、統計分析、趨勢預警以及各種報告等，為系統運行領域領導和員工高效、快速決策提供準確、可靠的信息，從而有效保證電網的安全、穩定運行[6]。

（2）智能交互與感知。實現基于人機智能交互技術的業務感知與綜合處理，通過人臉識別、語音識別、電力特殊語義解析、智能搜索、遠程實景建模等多種技術綜合實現電網實際運行情況的快速感知與智能交互。

（3）自助數據分析。自助數據分析以調度全景數據統一畫像為基礎：多方位、多角度、自助式的數據分析和展示，客戶可根據關鍵字快速檢索系統中有哪些數據，根據業務需求自助查詢和計算相關數據，獨立、自發的對電網數據進行深層次的挖掘[7]。

3 結語

由此可見，作為計算機技術中的重要內容，人工智能的使用可以更好的豐富人們的生活方式，提高生產、生活效率。所以，相關行業的工作人員需要深入分析、研究大數據時代下的人工技術在計算機網絡中的應用，根據自身的現實狀況科學的選擇對應的人工智能，通過其來高效的處理多種網絡數據，從而促進工作的智能化、人性化發展。