中國儲能網(wǎng)訊：新型電力系統(tǒng)建設(shè)與能源物理系統(tǒng)、產(chǎn)業(yè)系統(tǒng)、經(jīng)濟(jì)系統(tǒng)、社會系統(tǒng)存在廣泛且緊密的聯(lián)系，多系統(tǒng)“源網(wǎng)荷儲數(shù)碳”協(xié)同互動需要人工智能技術(shù)支撐。
新型電力系統(tǒng)在電源結(jié)構(gòu)、電網(wǎng)形態(tài)、負(fù)荷特性和儲能形態(tài)方面展現(xiàn)出新的變化與發(fā)展趨勢，均對人工智能應(yīng)用提出需求，可以由狀態(tài)感知、特征建模、趨勢預(yù)測、優(yōu)化控制四類人工智能基本方法及其組合進(jìn)行解決，但不同類型方法的應(yīng)用成熟水平存在差異，因此建議電力行業(yè)企業(yè)可以分類采取“建立統(tǒng)一技術(shù)底座”“同步推進(jìn)技術(shù)方案與配套機(jī)制建立”兩大類策略推進(jìn)人工智能應(yīng)用。
一、新型電力系統(tǒng)建設(shè)對人工智能的應(yīng)用需求
新型電力系統(tǒng)“雙高”特性持續(xù)增強，在源荷強不確定性和高度電力電子化兩方面因素影響下，電力系統(tǒng)必須實現(xiàn)從對可再生能源并網(wǎng)“被動適應(yīng)不確定性”模式向“主動構(gòu)建友好互動”模式的轉(zhuǎn)變，關(guān)鍵需要解決源荷儲動態(tài)波動下的電網(wǎng)形態(tài)演化、規(guī)劃設(shè)計與運行調(diào)控問題。在新的發(fā)展形勢下，這些問題呈現(xiàn)出隨機(jī)、耦合、新機(jī)理等復(fù)雜特征，因此需要利用人工智能在應(yīng)對復(fù)雜非線性難題上的求解優(yōu)勢。
圖1 新型電力系統(tǒng)建設(shè)對人工智能技術(shù)應(yīng)用的需求
一是人工智能支撐新能源出力預(yù)測，降低電源側(cè)不確定性。伴隨著新能源滲透率的不斷提高，其發(fā)電間歇性和波動性對電網(wǎng)造成的影響愈加明顯。通過高質(zhì)量的天氣預(yù)報以及氣象要素與新能源功率之間的映射關(guān)系學(xué)習(xí)，提升新能源功率預(yù)測精度，此外還能夠?qū)︼L(fēng)機(jī)、光伏板健康狀態(tài)進(jìn)行評估，并對新能源并網(wǎng)震蕩進(jìn)行分析與風(fēng)險評估。
二是人工智能支撐電網(wǎng)形態(tài)演化、拓?fù)鋬?yōu)化與運行調(diào)控，提升電網(wǎng)側(cè)安全穩(wěn)定運行水平。利用人工智能技術(shù)對電網(wǎng)多維海量量測信息進(jìn)行特征挖掘融合，以實現(xiàn)在電網(wǎng)運行方式調(diào)整、電網(wǎng)運行故障預(yù)警診斷、電網(wǎng)暫態(tài)穩(wěn)定分析等方面的突破。
三是人工智能支撐負(fù)荷預(yù)測與優(yōu)化，提升負(fù)荷資源調(diào)控能力。在負(fù)荷波動性大、超短期電力需求難以預(yù)測的場景下，通過集成學(xué)習(xí)融合多種技術(shù)優(yōu)勢，能夠較為穩(wěn)定地輸出更準(zhǔn)確的預(yù)測結(jié)果。還可以利用強化學(xué)習(xí)、遷移學(xué)習(xí)對電動汽車、智能樓宇、虛擬電廠等可調(diào)負(fù)荷進(jìn)行充電調(diào)度和成本控制，最優(yōu)化負(fù)荷運行模式。
四是人工智能支撐儲能介質(zhì)狀態(tài)評估，提升儲能系統(tǒng)安全調(diào)控能力。人工智能對電池等儲能介質(zhì)物理模型及運行參數(shù)依賴程度低，在系統(tǒng)狀態(tài)評估、預(yù)測分析及協(xié)同調(diào)控等領(lǐng)域可以廣泛應(yīng)用，可對燃料電池的系統(tǒng)振蕩和動態(tài)變化過程進(jìn)行分析、預(yù)測電池剩余使用壽命、優(yōu)化復(fù)合儲能的協(xié)調(diào)控制策略。
按照數(shù)據(jù)處理方式1，可以將支撐新型電力系統(tǒng)建設(shè)的人工智能方法劃分為狀態(tài)感知、特征建模、趨勢預(yù)測、優(yōu)化控制四類基本方法。近期大模型、科學(xué)計算、具身智能等人工智能先進(jìn)技術(shù)取得突出進(jìn)展和廣泛關(guān)注，本質(zhì)上是多種基本方法的組合2。電力系統(tǒng)中的分析需求基本可由四種方法解決，但成熟水平存在差異，需要根據(jù)不同基本方法應(yīng)用現(xiàn)狀與特點進(jìn)行分類研究。
二、人工智能技術(shù)應(yīng)用現(xiàn)狀與特點
圖2 四類人工智能基本方法應(yīng)用特征
（一）狀態(tài)感知類：識別源網(wǎng)荷儲各環(huán)節(jié)運行異常態(tài)勢，成熟水平較高，但仍然存在發(fā)展不均衡的問題
應(yīng)用場景：對電力系統(tǒng)運行的正常態(tài)和異常態(tài)進(jìn)行識別、區(qū)分并報警。覆蓋設(shè)備、調(diào)度、營銷、發(fā)展、綜合等各專業(yè)，包括輸變配設(shè)備狀態(tài)異常監(jiān)測、一次能源儲量監(jiān)測、現(xiàn)場違規(guī)作業(yè)報警、微地形微氣象變化監(jiān)測、分布式儲能充放電模式異常識別等。
應(yīng)用現(xiàn)狀：狀態(tài)感知類技術(shù)在電網(wǎng)業(yè)務(wù)應(yīng)用最為充分，在成熟度較高的推廣型人工智能應(yīng)用場景中占比最高，達(dá)到60%3，在無人機(jī)智能巡檢、違章作業(yè)管控等業(yè)務(wù)中已經(jīng)實現(xiàn)“智巡為主、人巡為輔”。
問題特點：不同場景異常態(tài)識別精度差異較大，智能巡檢場景中最優(yōu)準(zhǔn)確率超過90%，但平均準(zhǔn)確率僅85%，無法完全脫離業(yè)務(wù)人員盯防。
（二）特征建模類：模擬電力系統(tǒng)及相關(guān)主體運行規(guī)律，應(yīng)用成熟水平較低，仍處于試點探索階段
應(yīng)用場景：綜合考慮電力系統(tǒng)運行的物理邏輯、環(huán)境變量和相關(guān)主體行為的復(fù)雜因素，模擬電力系統(tǒng)運行規(guī)律。應(yīng)用場景包括電力系統(tǒng)仿真、電源出力模式識別、負(fù)荷用電模式識別、電網(wǎng)穩(wěn)定運行模式分析等。
應(yīng)用現(xiàn)狀：目前電力系統(tǒng)規(guī)劃人工智能應(yīng)用場景中，特征建模類聚焦于配電網(wǎng)，僅占全部規(guī)劃場景的7%，仍處于試點探索階段，成熟水平較低。
問題特點：伴隨電力系統(tǒng)“雙高”特性持續(xù)凸顯，對電力系統(tǒng)運行特征與態(tài)勢進(jìn)行建模的復(fù)雜度也急劇上升，系統(tǒng)環(huán)境復(fù)雜、影響因素多，模型研發(fā)難度大，雖然當(dāng)前AI4S4支撐電力系統(tǒng)仿真等相關(guān)科學(xué)研究有所推進(jìn)，但在實際業(yè)務(wù)中的應(yīng)用仍處于起步階段。
（三）趨勢預(yù)測類：預(yù)測分布式新能源出力及負(fù)荷等源荷波動情況，應(yīng)用成熟水平較低，模型準(zhǔn)確性與權(quán)威性難以達(dá)成共識
應(yīng)用場景：基于電力系統(tǒng)歷史運行情況和外部環(huán)境變化預(yù)測未來發(fā)展態(tài)勢。應(yīng)用場景包括新能源出力預(yù)測、負(fù)荷需求預(yù)測、極端天氣預(yù)測等。
應(yīng)用現(xiàn)狀：國家電網(wǎng)人工智能規(guī)?；瘧?yīng)用專項行動方案中預(yù)測類場景主要涉及源荷預(yù)測，占全部規(guī)劃場景比重為14%，且均處于培育階段。此外，各單位已分散開展工業(yè)增加值、宏觀經(jīng)濟(jì)、負(fù)荷等預(yù)測模型的研究與應(yīng)用5。
問題特點：當(dāng)前預(yù)測類模型研發(fā)探索較多，但模型的權(quán)威性、準(zhǔn)確性難以達(dá)成一致，同類預(yù)測模型難以實現(xiàn)在不同地區(qū)不同主體之間的共建共享。
（四）優(yōu)化控制類：優(yōu)化電力系統(tǒng)規(guī)劃布局和調(diào)度策略，應(yīng)用成熟水平低，對業(yè)務(wù)人員參與需求高
應(yīng)用場景：在配電網(wǎng)安全穩(wěn)定運行等特定目標(biāo)、限制環(huán)境中，從多項策略中選擇最優(yōu)或優(yōu)化現(xiàn)有策略。應(yīng)用場景包括配網(wǎng)規(guī)劃改造、調(diào)度優(yōu)化決策、可調(diào)負(fù)荷調(diào)度優(yōu)化、分布式電源與儲能調(diào)度優(yōu)化、應(yīng)急策略組合優(yōu)化、跨區(qū)域聯(lián)合決策協(xié)同優(yōu)化等。
應(yīng)用現(xiàn)狀：電網(wǎng)控制優(yōu)化是電力系統(tǒng)人工智能應(yīng)用的核心領(lǐng)域，目前主要在生產(chǎn)檢修和電網(wǎng)調(diào)度兩個場景布局培育，仍不具備規(guī)?；圏c推廣條件，應(yīng)用成熟水平低。
問題特點：此類場景模型研發(fā)依賴?yán)硐爰僭O(shè)條件，導(dǎo)致模型量化因素與現(xiàn)實環(huán)境存在差異，難以直接將模型優(yōu)化策略用于實際業(yè)務(wù)，需要業(yè)務(wù)專家參與進(jìn)行綜合評估。
總體來看，狀態(tài)感知類場景應(yīng)用成熟水平最高，是當(dāng)前最能直接發(fā)揮人工智能支撐作用的場景；特征建模、趨勢預(yù)測和優(yōu)化控制類場景應(yīng)用成熟水平較低，由于模型研發(fā)難度大、權(quán)威性難以統(tǒng)一、適用環(huán)境存在差異等挑戰(zhàn)，使得這三類場景應(yīng)用短期內(nèi)難以脫離業(yè)務(wù)人員參與，但人工智能仍然可以發(fā)揮必要的海量數(shù)據(jù)處理、隱藏知識挖掘和關(guān)鍵信息推送等方面支撐作用。
三、人工智能技術(shù)應(yīng)用的推進(jìn)策略
（一）總體推進(jìn)策略
按照成熟水平和業(yè)務(wù)人員參與需求差異，電力行業(yè)企業(yè)可分“建立統(tǒng)一技術(shù)底座”和“同步推進(jìn)技術(shù)方案與配套機(jī)制建立”兩類策略推進(jìn)人工智能在電力系統(tǒng)中的應(yīng)用。
一是對于人工智能應(yīng)用成熟水平較高、業(yè)務(wù)人員參與需求較低的狀態(tài)感知類場景，建立統(tǒng)一技術(shù)底座。選取此類業(yè)務(wù)需求豐富和技術(shù)能力優(yōu)秀的相關(guān)單位，分場景逐步攻關(guān)建立起高質(zhì)量的樣本基礎(chǔ)和模型體系。
二是對于人工智能應(yīng)用成熟水平較低、業(yè)務(wù)人員參與需求較高的特征建模、趨勢預(yù)測、優(yōu)化控制類場景，同步推進(jìn)技術(shù)方案與配套機(jī)制建立。針對每類場景各選取一項典型分析需求，按照“研發(fā)與應(yīng)用同步推進(jìn)”原則，由優(yōu)勢單位組成專項攻關(guān)小組，融合業(yè)務(wù)與技術(shù)優(yōu)勢，同步開展人工智能解決方案及其配套管理機(jī)制研究，確保模型真正發(fā)揮對人類決策的支撐作用。
（二）分類推進(jìn)策略
一是狀態(tài)感知類，建立重點設(shè)備清單，按序開展樣本治理與模型研發(fā)。此類場景分析需求明確，方法成熟度高，可直接依據(jù)場景緊迫性，按序推進(jìn)研發(fā)應(yīng)用。下一步可聚焦大型充油設(shè)備、重過載主變、密集輸電通道等重點設(shè)備，針對目標(biāo)設(shè)備開展異常檢測的樣本治理與模型研發(fā)。
二是特征建模類，聚焦配電網(wǎng)仿真應(yīng)用場景，結(jié)合配電網(wǎng)運行環(huán)境相對簡單與主體完備的優(yōu)勢，先行探索限制環(huán)境下的電網(wǎng)運行規(guī)則。針對此類場景的方法研發(fā)與應(yīng)用成熟度低，主要依賴業(yè)務(wù)人員管理經(jīng)驗，但已無法應(yīng)對系統(tǒng)復(fù)雜度的迅速提升，需要加快規(guī)則歸納類方法在電網(wǎng)應(yīng)用的布局推進(jìn)。下一步可從配電網(wǎng)電力系統(tǒng)仿真入手，將電網(wǎng)網(wǎng)架結(jié)構(gòu)、地理環(huán)境等靜態(tài)信息與電源、負(fù)荷、氣象等動態(tài)信息融合起來，優(yōu)化電力系統(tǒng)仿真模型，支撐相關(guān)主體行為模式發(fā)現(xiàn)。
三是趨勢預(yù)測類，聚焦東部省份負(fù)荷預(yù)測問題開展先行探索，形成具有區(qū)域特色的權(quán)威模型。此類場景已開展大量探索，但模型規(guī)范性和推演結(jié)果權(quán)威性不足，難以規(guī)模應(yīng)用，需要集中優(yōu)勢力量攻關(guān)形成權(quán)威精確的模型體系，以供各單位應(yīng)用與相互協(xié)同。下一步可在江蘇、浙江兩個電力缺口較大且研發(fā)力量雄厚的省份成立專項攻關(guān)團(tuán)隊，針對東部省份經(jīng)濟(jì)發(fā)展與地理特征，開展負(fù)荷需求預(yù)測模型研發(fā)與試點應(yīng)用。
四是優(yōu)化控制類，選擇配電網(wǎng)負(fù)荷管理調(diào)度這一迫切問題，同步開展模型研發(fā)與配套機(jī)制建立。此類場景目前基本依賴業(yè)務(wù)人員經(jīng)驗進(jìn)行策略選擇與執(zhí)行，尚無人工智能方法直接應(yīng)用，但自動駕駛的持續(xù)推廣應(yīng)用展示出策略選擇類的人工智能技術(shù)可以用于復(fù)雜系統(tǒng)的決策控制，因此有必要開展超前探索與試點應(yīng)用。下一步可針對配電網(wǎng)中可調(diào)負(fù)荷調(diào)度優(yōu)化問題，開展專項攻關(guān)，探索人工智能解決方案與配套機(jī)制，超前布局可能顛覆電網(wǎng)運行模式的技術(shù)路線。
注：
1.人工智能的本質(zhì)是對海量數(shù)據(jù)的高效處理。中國科學(xué)院院士鄭志明提出，人工智能的算法基礎(chǔ)實際是數(shù)據(jù)，當(dāng)前人工智能屬于統(tǒng)計與動態(tài)線性的融合。當(dāng)前人工智能的快速發(fā)展得益于海量數(shù)據(jù)積累和高效計算能力的提升。近年來，以大模型為代表的人工智能技術(shù)在自然語言、圖像視頻理解生成等領(lǐng)域取得矚目進(jìn)展，是互聯(lián)網(wǎng)海量數(shù)據(jù)積累構(gòu)成可訓(xùn)練樣本，以及GPU等智能算力技術(shù)進(jìn)步支撐快速計算集中作用的體現(xiàn)。
2.大模型，基于海量文本與圖像數(shù)據(jù)的規(guī)律歸納，增強對世界知識的學(xué)習(xí)和理解能力；基于文本序列和視頻序列的趨勢預(yù)測，形成生成能力；基于對人類指令的理解與目標(biāo)識別，從多種回答策略中選擇最優(yōu)組合并輸出，形成溝通交互能力。
科學(xué)計算，基于對開放環(huán)境下復(fù)雜系統(tǒng)的運行規(guī)律歸納和未來趨勢預(yù)測，提升對物理規(guī)律的模擬仿真能力。
具身智能，圍繞具體作業(yè)場景中的目標(biāo)和環(huán)境，綜合規(guī)律歸納、異常檢測、趨勢預(yù)測和策略選擇四類方法，形成智能作業(yè)能力。
3.由國家電網(wǎng)《人工智能規(guī)?；瘧?yīng)用2023年專項行動方案》中數(shù)據(jù)測算得出。
4.AI4S（AI for Science，人工智能在科學(xué)研究中的應(yīng)用），是利用人工智能技術(shù)解決科學(xué)研究中復(fù)雜問題的新興領(lǐng)域，正日益成為社會各界共同關(guān)注的熱點。
5.國家電網(wǎng)已體系化開展電力看經(jīng)濟(jì)相關(guān)數(shù)據(jù)分析與應(yīng)用，包含電力看宏觀經(jīng)濟(jì)、電力看區(qū)域經(jīng)濟(jì)、電力看產(chǎn)業(yè)經(jīng)濟(jì)三大方面；國網(wǎng)能源研究院、國網(wǎng)新疆公司、國網(wǎng)四川公司、國網(wǎng)福建公司、國網(wǎng)吉林公司等單位聯(lián)合開展基于電力數(shù)據(jù)的工業(yè)增加值預(yù)測、各地區(qū)用電量預(yù)測等模型研究與應(yīng)用。
