人工智能代理的電力負荷態勢感知及調控方法探討

王國榮 王國慶

（1 國網寧夏電力有限公司固原供電公司，寧夏 固原 756000；2 國網寧夏電力有限公司檢修公司，寧夏 銀川 750001）

一、人工智能代理的電力負荷概述

目前AI 技術神經網絡、隨機森林、決策樹等算法已經被廣泛使用[2]。為了深入學習需求側負荷態勢時序規律和關聯特性，文中設計了基于人工智能代理的電力負荷態勢感知方法，利用時序特征對算法進行改進，精準分析用戶用電負荷行為。在系統規模不斷增大的過程中，人工經驗式運行控制方法問題逐漸凸現出來，決策速度和控制有效性已經無法滿足系統需求。態勢感知能夠前移運行控制關口，對運行薄弱環節辨識，從而給出運行控制策略。

在實施電力計量的過程中，負荷管理控制系統主要實現以下的功能：①管理功能，該功能是系統的基礎性功能，在系統運行的過程中，主要對各個供電的環節進行管理，從而在系統運行中，實現基于電力系統運行狀態的電力負荷控制方案制定，同時能夠為后續的管理工作創造良好的條件。②負荷控制功能，該功能為系統的核心功能，該功能的直接表現就是能夠在電力系統運行的過程中，制定對電力系統的負荷控制目標，從而保證在特定的系統運行狀態下，通過對負荷目標的調整，提升供電系統運行的整體水平，保證系統供電的穩定性。③數據分析統計功能。該系統功能主要能夠實現對相關供電區域的供電信息進行統計分析，而且能夠對停電系數，停電時間等關鍵信息進行采集分析，相關信息以及數據分析結果對于排除電力計量隱患具有重要的意義。④警示與異常用電檢測功能，該系統功能對于保障用戶用電具有重要的意義，在用戶用電出現異常的情況下，該功能能夠對相關異常信息進行評估分析，并及時發出警示信息，同時促進對客戶端問題的處理。⑤通信功能，該系統功能具有很強的綜合性，在具備以上功能的同時，還具有很強的通訊功能，能夠在很大程度上促進系統的信息交換，從而實現對系統更好的控制。

二、電力負荷態勢感知系統的設計

對于現代社會來說，電力能源是一種重要的能源形式，大量的電子設備以及電氣設備的運行都需要電力能源作為支撐。目前智能電網建設已經在城市中得到了有效的落實，同時隨著社會的發展進度，對電力能源的需求也在不斷提升，在這個過程中為了保證電力能源的穩定供應，就需要做好電力負荷態勢感知系統的設計，確保電力負荷協同調控。

（一）系統總體設計

為了解決企業所面臨的各種威脅，設計基于人工智能代理的電力負荷態勢感知系統，系統核心思想為將企業內網數據與互聯網數據結合，綜合評估企業內部信息負荷風險，以此全面感知企業所面臨的威脅。電力負荷態勢系統使內外部數據實現關聯分析，實現電網負荷的安全驗證，最后，將電力負荷評估結果送到威脅態勢展示模塊實現展示。對于高級持續性攻擊，就必需根據具體的數據情報，利用企業內部網所存儲的歷史數據，進行搜索，以此能夠發現內網未知威脅。

圖1 電力負荷態勢感知系統結構在電力負荷態勢感知系統中，能夠實現新能源功率和負荷預測等信息的匯總和分析，還能夠實現運行控制策略在能量管理系統中的發送，主要功能包括：1）根據新能源功率預測與負荷預測等系統中的未來態勢分析數據，也可以在一定程度上控制大電網，最終降低人工分析決策的工作量，使運行控制效益得到提高；2）根據指標體系評價運行效益；3）可以通過對執行效果與控制策略的對比，對指定運行控制策略進行優化，從而得到負荷預測和新能源預測等偏差數據信息，影響運行控制效益的程度。

圖 1 為電力負荷態勢感知系統的結構

（二）系統詳細設計

1.未來態勢分析

現階段，光伏、風電等新能源功率的預測是根據目前溫度、氣溫等因素的預測分析。在水電水位出現改變的時候，水電廠發電能力也會改變；輸變電設備具有設備缺陷和計劃性停運時，就要改變電網拓撲結構和 N-1 掃描故障集。

2.數據收集系統

所要收集的數據包括網絡日志數據、支持數據、安全情報等。系統平臺數據采集重點為網絡流量鏡像數據收集和處理，因為大型企業數據中心具有龐大的網絡流量，所以，采集探針要具備良好的擴展性與容錯性，還要具備大數據量采集能力。預處理原始鏡像流量，利用多核并行化處理手段實現大流量網絡原始數據的還原、解析和分析，之后構成統一化流量日志格式，在大數據平臺上傳和保存，通過不斷測試與優化，利用萬兆網絡和 IPv4/IPv6網絡環境中的數據還原技術，實時收集網絡全流量，并且對其處理，此技術使用網絡端口鏡像技術與分光器鏡像技術，導出網絡流量，之后輸入到分析平臺中實現分析。

3.業務能力層

通過多樣化引擎組織實現協同工作，使用統一化方式處理安全事件，以此展現網絡的安全狀態，此為預測電力負荷發展趨勢和啟動預警裝置的主要根據。使用特征級、數據級、決策級的分層數據處理融合分析模型，提供給不同應用不同級別信息，使分析模型的可用性與精準性、全面性得到增強。

4.系統服務層

利用電力負荷態勢系統，能夠全面掌握網絡系統是否出現攻擊，包括電網負荷預測安全趨勢，實現完善應急預案的制定，并且增強安全防范。

5.計算存儲層

使用 Spark 與 Hadoop Map Reduce 創建大數據平臺，并被廣泛應用到海量日志處理中。大數據具有較高的計算速率，并且能夠提供安全分析工作保證，還能夠為高智能模型計算方式的使用提供良好的環境基礎。將動態流量基線作為基礎，檢查異常流量，能夠提高網絡安全，對主機流量訪問、互聯網出口用戶流量訪問、內網流量訪問等傳輸行為進行分析，和人工智能算法、機器學習相互結合，精準地尋找用戶與流量基線的關系，利用機器學習等算法及時地尋找異常流量情況，并且實現信息深入挖掘，避免威脅到信息安全。為了對網絡資產運行和風險情況進行監控，對故障和風險事件進行及時的處理，系統將容器技術和云計算技術自動部署至微服務，實時監控關鍵對象的狀態，分析重要資產風險，快速生成配置策略與任務工單，對運行維護進行響應。還能夠支持工單作業化管理，自動觸發、跟蹤、派發、提醒工單。

三、系統仿真分析

根據以上模型和場景設計實驗，實現電力負荷態勢感知的調控仿真分析，對負荷態勢分析與調控有效性進行驗證。為了對負荷設備關聯關系進行驗證，針對此算法分析負荷特征重要度矩陣，將噪聲添加到特征中對精度影響程度進行預測，判斷特征對目標量關聯的重要性指標，此值越大，說明和目標值密切關聯。在負荷特征量背景下，雖然總體運行擬合情況良好，但還存在部分脈沖，主要是因為缺少關聯負荷因果性特征引導，從而使目標負荷開啟狀態估計的時候存在偏差，所以，文中設計系統負荷特征對調控對象態勢精準評估具有重要意義。

結束語

綜上所述，在全球能源背景下，電網跨區大規模互聯和間歇性電源入網滲透率也在不斷提高，從而使電力系統安全運行負荷面臨一定問題。作為不確定、開放性的復雜系統，其在日常的運行過程中，容易引發各類復雜因素，這些因素一旦不能及時有效的處理，就會導致電力系統狀態的進一步惡化，出現連鎖反應。文中提出了基于人工智能代理的電力負荷感知系統，通過此系統能夠實現電力負荷協同調控。