基于人工智能技术的电网调度控制业务研究

目前调度控制系统的界面展示较为传统,人机交互手段单一,数据较为零散,数据信息价值有待挖掘,缺少基于人工智能的辅助工具,难以实现高效的智能判断与决策。本文提出了基于人工智能的电网调控小助手系统,论述了系统架构及关键技术。该系统可将调度控制系统传统的图形浏览及操作人机交互方式,转变为基于语音识别与转换的智能交互方式,并基于大数据分析、深度学习,实现多源信息智能辨识和数据关联、电网负荷与新能源出力预测、电网故障预警及辅助智能决策等功能,最终形成便捷的人机交互方式和智能辅助决策。通过在某省电力调度控制系统中故障处理的实践应用,验证了本文所提出的基于人工智能及深度学习的方法引入电网智能调控系统的有效性及可行性。

基于BP神经网络的电网故障定位

为解决断路器的误动或拒动以及遥信因通道退出而产生的信息缺失以及短时间上传的含有畸变信息的筛选等问题,本文采取了人工智能处理畸变信息的方法,利用BP神经网络人工智能技术处理非线性问题及容错性强的能力,对电网故后上传的初始信息进行处理,过滤畸变或缺失信息,进而快速准确地定位故障元件,以辅助调控运行人员正确决策。本文以BP神经网络理论为基础,设计了故障定位流程,通过将电网拓扑结构转换为故障决策表作为训练样本,搭建BP神经网络故障元件定位模型,同时结合故障定位算法,得出一套完整的电网故障定位方法,并构造不存在于训练样本中的检验算例,来分析验证了此故障定位算法的正确性,结果表明基于BP神经网络的故障定位方法可有效消除或减弱信息缺失或畸变对故障定位带来的影响。