为更聚焦当下新一代人工智能在电力系统及综合能源系统中应用研究，在综述已有研究的基础上，该文还探讨了人工智能未来发展方向、工程应用的潜在突破点以及所面临的挑战，以期启迪后续更多、更好的原创性研究与工程实践，推进人工智能从“可用”到“好用”。原文发表在《电力系统自动化》2019年第43卷第1期，欢迎品读。
引文信息
杨挺, 赵黎媛, 王成山. 人工智能在电力系统及综合能源系统中的应用综述 [J]. 电力系统自动化, 2019, 43(1): 2-14. DOI: 10.7500/ AEPS20180706005.
YANG Ting, ZHAO Liyuan, WANG Chengshan. Review on Application of Artificial Intelligence in Power System and Integrated Energy System [J]. Automation of Electric Power Systems, 2019, 43(1): 2-14. DOI: 10.7500/ AEPS20180706005.
1
研究背景
人工智能(artificial intelligence, AI)在电力及综合能源系统中应用，将实现智能传感与物理状态相结合、数据驱动与仿真模型相结合、辅助决策与运行控制相结合，有效提升驾驭复杂系统的能力，提高运营的安全性和经营服务模式变革，推动能源革命。
上世纪80年代，以专家系统和人工神经网络为代表的人工智能技术已经在电力领域得到应用，当时也恰值AI研究的第二次浪潮。但由于数据基础、算法性能和硬件算力的限制，其实践效果存在着不足和缺陷。近年来随着人工智能及相关技术的进步，在数据解析度、学习力和计算力方面有很大突破，掀起了AI的第三次浪潮，从广度和深度上全面推动人工智能在电力、能源领域应用的新进展。
但我们在应用人工智能技术，服务于能源系统的同时，仍然存在着诸多疑惑：从图灵测试到进化算法，从专家系统到机器学习，人工智能的波浪式发展的内因是什么？人工智能的下一个技术突破点在哪里？新一代人工智能与相关技术的发展又为电力和综合能源系统应用带来哪些新契机？
本文据此出发，通过对人工智能各技术阐述、能源系统对人工智能的需求分析以及新一代人工智能技术在电力和综合能源系统中的应用梳理，力图解答上述问题，以期为综合能源的智能化研究与发展提供有益参考。
2
人工智能方法
从1950年图灵提出著名的图灵测试，到2016年谷歌公司研发的AlphaGo击败韩国围棋国手李世石，人工智能几次进入公众视野，每次都引燃研究热潮。与以往技术不同，新一代人工智能更是着重在模糊逻辑、专家系统、机器学习等多类技术的发展演进，使其自身具有更强的逻辑能力和学习能力。
3
人工智能在电力系统及综合能源系统中的应用
作为智慧能源的核心支撑技术，人工智能具有应对高维、时变、非线性问题的强优化处理能力和强大学习能力，将有助解决能源系统面临的各种挑战。图1给出了电力系统及综合能源系统与大数据、人工智能的关系和系统应用需求。
图1 电力系统及综合能源系统与大数据、人工智能的关系
3.1
AI在能源预测中的应用
综合能源涵盖了电、热（冷）、气、油等广泛多类的能源形式，掌控这些物理属性迥异，影响因素众多的能源，是综合能源系统需研究的首要课题。利用人工智能技术在回归方面的优势，在供能端，开展多种形式能源发电功率预测研究；在用能侧，开展能源负荷预测研究，将更好地支撑综合能源系统的规划、运行和服务。如采用长短期记忆网络和深度卷积神经网络进行间歇性风电、光伏功率预测，采用基于极限学习机进行区域热负荷预测等。
3.2
AI在电力系统及综合能源系统规划中的应用
电力系统和综合能源系统规划时多以最小化运行成本、最大化能源利用率为目标建立模型，是多维变量、多约束条件、非线性多目标优化问题，可采用强化学习、深度学习等进行输、配、变系统规划。如已有研究采用Q学习和搜索优化技术求解计及电力市场环境的输电网扩展规划，采用动态模糊聚类算法进行无功补偿设备的选点定容，基于卷积神经网络进行变电站预选址研究，以及采用强化学习进行以最小化碳排放为目标的综合能源管理规划。得益于人工智能显著的学习能力，可获得比传统的智能算法更好的规划效果。
3.3
AI在系统运行优化与稳定控制中的应用
综合能源系统运行需要兼顾多种能量协同调控，以获得比各能量子系统独立运行更高的效益。因此通常建立起复杂数学模型，采用智能进化算法进行寻优。但传统方法对高维优化问题的求解速度普遍较慢，部分学者尝试通过对历史信息的迁移学习，提升算法收敛速度。稳定控制是系统运行的另一重要关注问题。已有研究尝试采用数据驱动方法替换传统过程仿真，借助人工智能的自主决策能力，基于系统环境信息的挖掘，制定行动策略直接得到稳定控制策略。此外，在系统稳定评估方面，基于AI可以直接建立系统运行数据和系统失稳类别的映射，实现稳定性评估分析。
3.4
AI在电力系统故障诊断中的应用
故障诊断本质上是一种复杂的模式识别问题，传统模式识别方法存在故障特征依赖主观选取的问题，而人工智能方法能够辨识数据内在耦合特征，消除传统特征选取的主观性和操作复杂性。在单元设备级故障辨识研究中，国内外学者已开展了采用深度自编码网络对风电机组、变压器等电气设备的故障诊断，表现出良好的效果。在系统级电网故障诊断研究中，依诊断原理的不同，已发展形成了专家系统方法、人工神经网络、粗糙集方法等。通过实践检验，这些故障诊断方法各有优劣，却难以互补。因此，寻求多种方法融合，构建具有自维护、自学习能力、适用于大规模电网的AI故障诊断方法和系统非常重要。
3.5
AI在用能/用电行为分析中的应用
人工智能良好的聚类/分类和辨识能力可以进行用能行为分析、异常用能检测及非侵入式负荷监测，支撑能源供给与用户间的双向灵活互动，引导用能结构优化。目前已取得研究成果包括：以智能电表计量功率、电压、电流等数据为基础，采用能聚类和数据挖掘方法识别不同用户群体的用电行为特征，从纵向时间和横向空间上分析进行异常用电行为检测，以及应用AI技术进行非侵入式负荷监测。
3.6
AI在电力及综合能源市场中的应用
随着社会对能源的渴求程度日益提升，能源作为商品自由交易的需求越来越高。对电、气、热等的综合能源市场的研究，以及能源价格对系统运行的影响被广泛关注。但市场多主体间的博弈和交易定价不断受到多种内因和外因的耦合影响，传统的简单时间序列线性预测方法难以获得满意的应用效果。人工智能可利用历史电价、社会经济因素等多源信息，直接通过样本学习来模拟市场运营模式、能源供需情况、一次/二次能源价格及其政策、气候环境等诸多影响因素之间的关系，进而完成目标预测，实现能源交易均衡和定价策略制定。
3.7
AI在网络安全与防护中的应用
现代电力系统以及综合能源系统已演进成为信息与物理深度耦合的信息物理系统，系统的薄弱环节也不再局限于物理子系统，信息环节或将成为新的软肋。因此，网络安全与防护愈加重要。将人工智能引入电力入侵检测过程中，可实现对虚假数据及入侵攻击行为的时-空特征辨识。亦可通过回溯攻击历史进行安全事件预测，采用强化Q学习和深度信念网络模型进行网络安全态势感知。
4
研究展望
未来，AI和电力系统及综合能源系统的融合必将愈加紧密。但纵观目前研究成果，还只是处于“可以用”的阶段，距离“很好用”仍有较长的路要走。在此梳理当前亟需深入研究的若干问题，以期望为后续研究提供参考：
1）研究人工智能方法的物理可解释性，将有助于更好地求解电力系统及综合能源系统中的复杂工程问题；
2）研究人工智能方法的弱稳定性问题，是实现电力系统和综合能源系统应用过程中需要着力突破的技术瓶颈；
3）人工智能也亟需在小样本数据学习技术上有所突破，以应对更广泛的缺少大数据条件的实际工程应用需求；
4）突破自主行为等关键技术，研发类人行为智能机器人将是人工智能未来在能源领域工程应用的重要发展方向；
5）人类智慧与人工智能互补融合，形成比两者都强的智能水平将是未来终极智能形态。
▼
往期精彩回顾
▼
《电力系统自动化》2019年第1期目次
作者及团队介绍
杨挺，天津大学教授，博士生导师。天津大学电工理论与新技术学科带头人，教育部新世纪优秀人才。主要研究方向：人工智能与大数据、电力信息物理系统。
赵黎媛，天津大学博士研究生。主要研究方向：电力信息物理系统、人工智能。
王成山，天津大学教授，博士生导师。长江学者特聘教授，国家杰出青年基金获得者。主要研究方向：配电系统规划与运行、分布式能源与微电网。
天津大学智能电网及综合能源系统研究团队，隶属天津大学电气自动化与信息工程学院，拥有“分布式能源与微电网”国家国际科技合作基地、“微网与智能配电系统开发与应用”国家地方联合工程研究中心、“智能电网”教育部重点实验室，长期科研实践，形成电力系统安全性与稳定性、配电系统仿真评估与优化规划、分布式电源与微电网及综合能源系统等主要研究方向。团队拥有30余名成员，其中包括中国工程院院士、国家千人、杰青、长江学者等高层次人才。近年来，团队总共承担了包括国家973计划、863计划、科技支撑、重点研发计划等在内的数十项国家级科研项目，形成了丰富的理论研究成果和广泛的工程实践经验，在相关领域总共获得1项国家技术发明二等奖、3项国家科技进步二等奖和数十项省部级科技奖励。