|
姚建国,余涛,杨胜春,等/提升电网调度中人工智能可用性的混合增强智能知识演化技术/2022,46(20):1-12. 能源变革新形势下，电源结构、电网形态、调度对象、运营模式都在经历深刻变化，电网对智能调度的需求愈加迫切。人工智能技术为提升能源新变革下的智能化调控水平提供了新手段。近二十年来，将人工智能应用于电网调度决策领域已成为研究热潮，但受制于目前技术在泛化性、安全性、可解释性等方面的缺陷，距离实现具有完全自主决策能力且高可用性的智能调度仍任重道远。作为我国新一代人工智能发展规划的五大技术方向之一，“混合增强智能（hybrid-augmented intelligence）”是指将人的作用或人的认知模型引入人工智能系统中，与机器智能共同形成混合增强智能的形态，这种形态是人工智能或机器智能可行的、重要的成长模式。混合增强智能调度极有望成为克服当前人工智能技术缺陷、解决新型电力系统复杂调度问题的新工具。混合增强智能目前已在机器人控制等领域得到了初步探索，但在电力调度领域的相关研究还很少，要实现混合增强智能调度还需要解决众多理论和技术问题。 混合增强智能调度的关键特征就是要充分融合“人（调度员/运行人员）”和“机（人工智能调度算法/软件）”两者的知识，实现调度员智能和机器智能的协同。一方面通过调度员丰富的经验和理论知识干预机器智能，克服传统人工智能算法的技术瓶颈；另一方面，通过人工智能对于未知系统状态的探索，找到人工难以发觉但又影响电力系统安全经济运行的系统状态和策略，并通过对人工智能决策进行揭示，从而扩展调度员的认知。最终，通过人与机的协同交互，促进知识的不断演化，以适应随机复杂性日益增强的电力系统动态运行环境。由此可见，厘清人机交互及其知识演化的方向、目标和途径是实现混合增强智能调度的关键和基础。 本文将知识演化的内涵分解为“知识转化”和“知识进化”两个层面。如图1所示，知识转化负责打通人与机之间的双向理解通道，包含“人到机”和“机到人”两个层面。在“人到机”层面，通过调度规程和人工经验，对机器学习的方向进行引导和规制，提升机器学习的效率和效果。在“机到人”层面，则是把机器智能隐性不可读知识转为调度员理解的显性可解释知识。知识进化则表示人类和机器的智能能够随外界客观环境或者电网运行环境的变化而进化，从而提升算法的泛化性，使得知识能够适应电网空间维度(例如电网规模、拓扑变化)和时间维度(例如运行方式)的变化而进化。
图1 混合增强智能调度知识演化的内涵 混合增强智能调度知识演化的关键技术及实现构想 3.1 关键技术 本文通过以下4个关键技术开展混合增强智能调度知识演化的研究工作，概括为“一个架构，二个通道，一个推理机制”。“一个架构”，即构建支撑混合增强智能调度的知识架构，提供知识演化的基础；“两个通道”，即分别打通人对机、机对人的信息和知识传递的双向通道，形成知识演化的途径；“一个推理机制”即建立人和机共融的知识推理和协同决策机制，促进知识的更新。从知识工程角度，上述技术分别对应知识架构、知识获取、知识解释和知识推理等4个部分。 1）知识架构。包含混合增强智能调度的知识表示与计算架构。知识表示就是构建适应混合增强智能的电网调度知识库，实现模型、规程等人类调度决策先验知识与通过机器数据挖掘发现的隐性知识的分类存储、准确调用和自动更新。计算架构则是形成能驱动整个调度过程实现复杂计算和知识转化的计算流程框架。 2） 知识获取。电网调度存在海量、多源、异构的知识。调度员利用经验自动引导机器智能，实现调度领域知识获取及新知识发现。 3）知识解释。人类调度员充分理解机器决策的逻辑是人机共融协同决策的基础，也给调度员启发和创造新知识提供了途径。 4）知识推理。通过对已有知识的高效利用，实现对电网各类实际调度场景的智能决策，提升调度决策的安全性和置信度，以满足运行场景复杂多变的电网调控需求，推动机器智能随物理系统变化而持续演化。 3.2 实现构想 本文针对上述4个关键技术提出了研究参考思路和实现方法。 首先，在知识架构层面，针对知识来源及形式的不同提出了综合模、图、数、网等表示与存储方法，并构建混合增强智能调度的计算架构，如图2所示。  ▲左右滑动查看全图 其次，从3个角度阐述知识获取方法，分别为：1）调度运行理论及调度规程引导下的机器学习先验知识获取；2）调度员干预引导下的机器学习知识获取；3）基于多源数据的机器学习方法。 再次，从增强“机器决策过程”的可解释性和增强“机器决策结果”的可解释性两个角度研究知识解释方法。其中，过程可解释主要是为深度强化学习方法设计可解释性接口，为调度员提供知识获取方法的调试工具，帮助其以调度决策的角度进行知识获取过程推演，实现对调度决策的干预。结果可解释主要基于决策变量与决策结果的关系，通过基于灵敏度与多维指标融合的电网调度决策结果可解释方法，帮助调度员理解当前调度案例以及未来调度场景案例数据中的决策结果与决策变量的关系。 最后，在知识推理层面，研究复杂环境下的机器决策方法，目的是尽可能地提升机器决策质量和安全性；进一步研究人机共融的决策机制，旨在通过调度员的经验改善决策质量，保障电网安全。 / 引文信息 姚建国,余涛,杨胜春,等.提升电网调度中人工智能可用性的混合增强智能知识演化技术[J].电力系统自动化,2022,46(20):1-12. DOI:10.7500/AEPS20220110004. YAO Jianguo, YU Tao, YANG Shengchun, et al. Knowledge Evolution Technology Based on Hybrid-augmented Intelligence for Improving Practicability of Artificial Intelligence in Power Grid Dispatch[J]. Automation of Electric Power Systems, 2022, 46(20):1-12. DOI:10.7500/AEPS20220110004. 延伸阅读 1 程乐峰,余涛,张孝顺,等.机器学习在能源与电力系统领域的应用和展望[J].电力系统自动化,2019,43(1):15-31. 2 赵晋泉,夏雪,徐春雷,等.新一代人工智能技术在电力系统调度运行中的应用评述[J].电力系统自动化,2020,44(24):1-10. 3 许洪强,姚建国,南贵林,等.未来电网调度控制系统应用功能的新特征[J].电力系统自动化,2018,42(1):1-7. 4 ZHENG N, LIU X, REN P, et al. Hybrid-augmented intelligence: collaboration and cognition[J]. Frontiers of Information Technology & Electronic Engineering, 2017, 18(2): 153-179.  主要作者简介 Introduction to the Main Authors 姚建国   余 涛 男，“珠江学者”特聘教授，博士生导师，广东省电网智能量测与先进计量企业重点实验室副主任，中国电工技术学会人工智能与电气应用专委会秘书长、IEEE PES 电力负荷特性分委会（中国）主席、IEEE PES柔性资源互联专委会（中国）副主席、中国城市能源变革产业联盟理事、中国仪器仪表学会电测测量信息处理仪器分行理事、国家电力行业可靠性管理标准化技术委员会委员。主要从事人工智能在电力系统感知和决策的应用理论等领域的研究。迄今主持国家自然科学基金项目4项、广东省普通高校基础研究重点项目1项，广东省自然科学基金项目等省部级7项；承担国家自然科学基金联合基金重点项目1项，参与973和863项目各1项。出版中英文专著4本，发表SCI论文180余篇，85篇为JCR一区论文，11篇为ESI高被引论文。获得2018年中国电力创新奖一等奖（排名第1）、2020年中国电力创新奖一等奖（排名第1）、2018年中国电力技术发明奖二等奖（排名2）、2019年中国电力科技进步奖二等奖（排名第5）、江苏省科学技术奖三等奖（排名第1）等12个省部级奖项。获Elsevier爱思唯尔2020年度和2021年度 “中国高被引学者”称号。 杨胜春  男，教授级高级工程师，中国电力科学研究院有限公司电力自动化所副所长，长期从事电力系统调度自动化、电力系统分析与控制等领域的研究开发和工程化工作。IEC PC118 WG2召集人，全国电力系统管理及其信息交换标准化技术委员会(SAC/TC82)委员，全国智能电网用户接口标准化技术委员会(SAC/TC549)委员。国家重点研发计划项目“大电网智能调度与安全预警关键技术研究及应用”课题负责人。
潘振宁 男，博士后，助理研究员。主持国家自然科学基金青年基金1项，广东省自然科学基金项目1项，中国博士后科学基金1项，广州市基础研究计划基础与应用基础研究项目1项，作为技术骨干参与国家自然科学基金联合基金重点项目1项、国家自然科学基金面上项目2项。主要从事电力系统智能优化调度、人工智能等领域的研究。 |
|
|
