平行智能与智慧能源：全面融合人因的社会能源技术

张俊，王飞跃，林洁瑜

【摘要】中国能源发展转型，风电、光伏等可再生能源渗透率提高，使得电力系统日益复杂并带来一系列挑战。基于能源5.0的思想设计了融合人因的电力系统全管控理念，结合电力生产、传输和供应3个环节的特点，运用平行感知与虚拟人工系统技术来实现发电环节的智能协调，运用语音识别和语义解析技术实现对输电环节的自动调配和辅助决策，运用社会能源和平行智能技术实现了对配电环节的优化与交互。通过对于上述几个环节的探讨和研究，最终实现电力系统人机交互、自学习能力，对电网日常操作和故障处理的辅助决策和判断。

【关键词】人机交互；平行智能；虚拟人工系统；辅助决策；发输配电；智能发电；智能电网

引用格式：张俊, 王飞跃, 林洁瑜. 平行智能与智慧能源: 全面融合人因的社会能源技术[J].中国电力, 2018, 51(10):26-31.

Parallel Intelligence and Smart Energy:

Social Energy Technology with Human Factors Incorporated

ZHANG Jun， WANG Feiyue，LIN Jieyu 

Abstract：With integration of new energy resources and increased user demand for power supply and quality, Chinese power grid faces a series of new challenges. Within the framework of Energy 5.0, this article provides our perspective on social energy technology with human factors fully incorporated. This article discusses the technical framework and application examples in the power supply side, transmission side, distribution side and demand side, specifically, including intelligent power generation coordination using parallel perception and virtual system technology, intelligent auxiliary decision-making for power dispatch using speech recognition and semantic analysis, and demand side management using social energy and parallel intelligence technology. We aim to equip power systems with the capabilities of human-system interaction, artificial intelligence aided auxiliary decision making, self-learning, and demand side management with self-adaptation to volatile renewable energy generation.

Keywords: human-system interaction, parallel intelligence, virtual artificial system, auxiliary decision-making, power transmission and distribution, smart power generation, smart power grid. 

0 引言

随着新能源渗透率的提高，中国电力系统复杂程度大幅提高、电网运行的交互作用和不确定因素的增强、用户对电能质量（如供电电压、频率、可靠性等）的要求越来越高，电力系统的运行和管理将面临一系列严峻的问题与挑战^[1]，诸如弃水弃风弃光问题突出、安全稳定风险增多等问题。利用社会物理信息系统（cyber-physical-social systems, CPSS）、知识自动化、人机交互、ACP方法（artificial systems、computational experiments、parallel execution）等全面融入人因的智能技术，为新一代电力供给侧、电能传输和电力需求侧提供了新的发展思路和技术路径。这些技术对电力系统有关数据进行搜集、处理和挖掘，旨在实现并完善电力系统人机交互、自学习能力；对电网日常操作和故障处理进行辅助决策和判断，旨在全面提高电力系统运行的安全性、可靠性和经济性。本文结合能源5.0与新一代人工智能技术提出全面融合人因的电力管控系统，对其中的原理、系统构架与相关技术进行进一步探讨。 

1 融合人因的供给侧发电系统管控

1.1 主要理论基础

CPSS 强调网络空间、物理空间和社会空间的深层互动。网络空间和物理空间由物理传感器网络连接, 网络空间和社会空间则由社会传感器网络连接。通过结合社会和物理系统，CPSS 可将人的智能交互纳入复杂的发电管控制系统^[2]。

ACP针对发电的实际系统流程，把复杂的 CPSS 中虚的内容分解成可定量、可计算、可执行的过程^[3]，使来自物理、社会及信息社会的知识经验形式化、计算化、可视化，以在线嵌入和实时反馈的方式实现描述解析、预测解析和诱导解析的功能。促使实际流程趋向人工流程，从而化繁为简、减小发电系统相关目标的不确定性,实现发电系统智能管理^[4]。

知识自动化系统。采用数据驱动、多智能体等人工智能技术，解放人类的智力，实现对虚拟人工系统的掌控。在发电系统中存在的大量物理数据、社会信息，具有较大的不确定性、冗余性、和不一致性，而知识自动化系统可以解放人力、对海量大数据进行有效分析^[4]。

虚实纠缠系统。创建一个与真实物理空间共同存在的虚拟人工空间。人工空间和物理空间通过可定量、可实施的计算实验来共同求解复杂问题，并通过实际与人工之间的虚实互动，以平行执行的方式对发电系统的运行进行有效地控制和管理^[5]。 

1.2 平台架构

    供给侧发电系统管控架构分为6层，分别为：对象层、数据采集与信息形成层、存储层、特征抽取及知识合成层、解析层、平行控制层。其结构功能如图 1 所示。

（1）对象层：对应物理能源系统，包括从能源生产到消费的各个环节，包含人及社会对能源系统的影响。（2）数据采集与信息形成层：负责对能源对象的感知及其执行，需通过大数据分析、云计算和社会计算将大量的技术、人与社会因素，转化为有效的数据和信息。（3）存储层：将采集到的数据和合成的信息根据一定的规则存入生产数据、办公数据库等数据库中。（4）特征抽取及知识合成层：采用自然语言处理、机器学习、计算智能方法等人工智能技术，实现特征抽取和知识合成。（5）解析层基于特征抽取及知识合成层，获得的知识和特征，建立虚拟人工系统各环节模型和系统模型，实现虚拟人工系统的构建，完成对实际系统的解析^[6]。（6）平行控制层基于虚拟人工系统模型，通过计算实验，获得优化控制策略，采用平行执行模式，实现对虚拟人工系统和实际系统的同步反馈，可以调整虚拟人工系统的模型、参数、运行方式，使虚拟人工系统和实际系统互相跟踪引导。

图 1 供给侧管控系统架构

Fig.1 Structure of control and management systems for supply side

1.3 火力发电平行管控案例分析

以火力发电为例，火力发电的平行管控主要由锅炉燃烧虚拟人工系统、机组协调虚拟人工系统和信息架构虚拟人工系统构成^[3]。

虚拟人工锅炉系统相较于传统的热态实验而言有着诸多的优势，它利用平行感知理论，能够较好的模拟出锅炉温度、气体、煤炭的环境，需要的人力物力小、获得信息量大，具有可移植性和可重复性，且基本上不会影响到正常的生产。

虚拟人工机组协调系统通过数据挖掘，负荷曲线等知识，来实现虚拟人工协调控制。其中，通过平行感知将虚拟人工系统和DCS协调控制系统相结合，实现数据驱动和平行执行。虚拟人工信息架构系统则是通过主要分成4个层级：（1）智能 IT 平台，共享、沟通和整合信息；（2）运行操作知识自动化，自动控制、指挥优化和高效协同；（3）运营管理协同化，通过流程和业务高度集成协同实现价值全面最优；（4）运营决策科学化，事前科学预测，事中动态改进而事后进行全面分析。通过这四层级之间的交互运作可实时预测个环节机组的情况，优化系统的运行方式。 

2 融合人因的电力系统调度管控

2.1 主要理论基础

基于语音识别的人机交互技术。语音识别的原理是将人的声音信号转化为文字或者指令 ^[7]；而人机交互则是研究人和计算机相互间影响的技术。利用精确的语音识别技术，能建立起较以往传统的键盘输入更加灵活、更加智能友好的调度系统人机交互模式，大大提高调度性能。

文本转换技术。由于测量、通信技术的发展，在电网中产生了海量的大数据。而在电力系统中，除了设备监测数据外，还存在着人对设备操作产生的数据，以检修申请单、调度日志为代表的文本类非结构化数据也随着电网运行而飞速增长，大量的非结构化数据不仅带来了存储问题，还为电网管理、调用和挖掘这些数据带来了很大难度^[8]。因此需要结合电网文本数据的特点，对于电力系统非结构化数据转换进行深入研究。

知识自动化。知识型工作的自动化，知识型工作泛指那些需要专门知识、复杂分析、细致判断及创造性解决问题技巧才能完成的任务^[9]。知识自动化可应用于CPSS系统的管控，并广泛地用于电力系统中，例如，以电力混成控制论为理论基础，核心为事件驱动控制的智能广域机器人 ^[10]，以及实现对电网运行状态发展趋势的准确预判与发展过程的全面掌控的基于态势感知和电网运行轨迹的自动智能调度体系^[11]。

语义解析。运用各种机器学习方法，以学习与理解一段文本所包含的语义，从而理解句子包含的真实语义，是自然语言处理的第3个层次^[12]。可用于基于非结构文本大数据的电网信息获取、挖掘、分析和决策等其他应用。

事件抽取。从自由文本中识别事件的发生并从事件中抽取各元素的任务，是信息抽取领域一个重要分支。利用神经网络等人工智能方法对事件进行抽取，对电力系统信息检索、自动问答、舆情分析等领域的研究和应用均有很高的价值。 

2.2 技术路线

技术路线主要分为语音驱动的人机交互和调控业务的辅助决策2大部分，如图 2 所示。

（1）语音驱动的人机交互。基于语音识别技术实现多电力系统调度人员与智能电网调度机器人双向交互，对调度业务数据中结构化和非结构化的文档数据进行相应的非结构化数据转换、管理，应用知识自动化、语言自动化等相应的人工智能方法进行学习和训练，从而为电网运行过程提供主动语音识别执行、实时信息调阅展示、日常业务自动处理等功能。（2）调控业务的辅助决策。基于自然语言处理技术、实现多维度感知的智能电网调度机器人调控业务的辅助决策方法的研究，对调控业务数据中结构化和非结构化的监控数据，调控操作及检修计划等文本数据进行智能解析，从而为电网运行过程提供运行分析评估、智能辅助决策等功能。

图 2 调度机器人技术流程

Fig.2 Technological process of dispatch robot

2.3 调度机器人技术方案

2.3.1基于语音识别技术的人机交互

基于语音识别的调度自动处理构架如图 3 所示。首先构造非结构化数据转换模型，使得电力系统中非结构化、半结构化数据转换为计算机可识别的结构化数据，并建立相关文件模板库统一进行存储、管理电力调度中心相关文本资料。为了适应电力系统调度中心相关数据大规模存储与计算的需要，可采用智能、安全、高效的分布式“云计算平台”来的实现。其次，基于语音识别技术，对相应的操作命令和规程进行训练，识别调度人员的声音作为输入信号，输出调度控制命令和操作；并将相应的信息通过语音输出反馈给调度人员，实现调度人员与智能调度机器人双向互动功能。最终，结合电网调控信息，应用知识自动化、深度学习等人工智能方法，建立调控知识库。对于日常调度业务需求，通过调控知识库即能实现自动处理功能^[13]。

图 3 基于语音识别的调度自动处理

Fig.3 Auto dispatch based on speech recognition

2.3.2 基于语义解析的人机交互辅助决策

基于语义解析的人机交互辅助决策技术构架如图 4 所示。首先，基于深度语义理解和智能化分析，通过对多维海量信息的综合挖掘和统计归纳，实现电网运行信息感知全景化。其中又可以分成以下几个小步骤：（1）研究半结构和非结构化文本数据的处理与解析策略；（2）基于人工智能的自然语言处理，对监控告警数据中的各种情况进行智能解析，形成监控数据的知识库；（3）通过命名实体识别等方式提取监控告警数据中的关键性实体，对电网运行的状态实现多维度感知和深度语义理解。其次，针对监控数据形式进行建模，通过建立专家系统并采用数据挖掘技术，自动按事件对各监控信息进行识别、关联与分析，进而极大减少日常运行监控的信号数量，提高电网调控运行的应急处置能力。最终，对电网调度业务的各种规定进行智能解析，形成各种情况下操作规范与检修工作的知识库；基于语义解析方法，对检修计划的内容进行解析，分析检修工作内容、停电范围、安全措施等，形成计算机可识别分析的结构化数据模型语言，智能判断是否需要停电等各类操作方式，便于根据检修的具体要求合理、准确的安排操作与检修的整体过程。

图 4 基于语义解析的调度辅助决策

Fig. 4 Aid-decision dispatch based on semantic analysis

3 融合人因的需求侧能源系统管控

3.1主要理论基础

平行智能。平行智能是在真实系统和虚拟系统之间的交互、执行过程中产生的一种智能形式^[14]。平行智能具有数据驱动、基于仿真系统的建模、基于计算实验的系统行为分析和评估，以及纠缠交互执行3个特点。其最终目标是得到能够推动真实电力系统并使其与决策虚拟系统互相逼近的管控系统。平行智能可用于构建虚拟人工系统来简化复杂真实电力系统问题，并实现复杂电力系统的管理和控制。

社会能源系统。是基于 CPSS、 ACP方法和平行系统的社会-技术虚实系统的复合体，具有社会性、智能性、知识性、交互性和灵敏性。利用从社会技术系统中收集到的多方面的数据，通过充分的互动和大量的计算，实现系统的知识自动化，并产生能够对系统进行控制和管理的智能。将知识和智能应用于需求侧用户管理和配用电系统，可以实现真正的自动化和智能联合的社会-技术系统的设计和管理。

3.2 平台架构

如图 5 所示，一个融入人机交互的需求侧社会能源系统需要具备以下条件。

图 5 实时虚拟交互系统管控的平行系统方法

Fig.5 Parallel-system method for control and  management of real-time virtual interactive system

（1）人造系统。基于CPSS和社会能源的人造系统可以深入理解和分析诸如包含复杂性和不确定性的个人、组织以及社会行为和系统信息，能适应快速的需求变化和积极节能减排的要求，并运用社会学、管理学、经济学、人类学以及行为学等学科的知识，从需求侧的模型来指导复杂配用电系统的设计、运营与维护。虚拟人造能源系统可实现语义建模^[15]、数据驱动，在反映物理系统的实时工作情况的基础上，通过计算实验，为实际配用电系统的性能提供优化的解决方案和建议，以及引导需求端的用户行为。

（2）通过交互和计算实现知识自动化。物理系统的数据和信息具有不确定性、冗余性以及不一致性的特征和人类传感表达机能的限制，传统工业自动化方法已经不再满足社会能源的需求；因此需要开发知识自动化系统^[15]，通过采用数据驱动、多代理系统、协同演进技术以及其他人工智能技术，来达到和获取对人造系统进行计算和分析的预期功能和结果。

（3）社会技术反馈机制与现实游戏化。通过社会、技术以及人造系统之间频繁的交互能够得到一种反馈机制，其能够直接或间接的达成系统期望的目标，实现物理社会技术系统与多个虚拟人工系统的交互，能够使得实际的用户行为系统和配用电系统具备先进的闭环运行能力与稳定性、较快的系统收敛速度以及系统适应敏捷性。

3.3 校园园区需求侧能源管理系统案例分析

利用人力工作绩效模型来反映室温、湿度空气质量等对于人工作效率的影响；利用e QUEST对建筑构造仿真模型，获得模拟系统的小时尺度的信息来训练预测功耗的神经网络模型；引入配网节点边际价格来联系物理系统与人工系统，基于交流电力最优潮流的DLMP，实现实时定价机制；运用选择了分布式迭代自适应规划（DI-ADP）来提高计算效率，降低计算成本。在构建以上虚拟人工能源系统的基础上，使其不间断与实际物理能源系统交互，并对其施加基于DI-ADP的计算实验，寻求对全园区时空能源管理的最优方案^[4,16]。

该方法不仅适用于电力系统，对于汽油、天然气、热和冷却等其他形式的能源系统也具有一定的移植性。

4 结语

首先介绍了基于 CPSS、ACP方法、平行理论的发电系统管控架构，并且详细阐述了在火力发电厂中应用于虚拟人工锅炉系统和虚拟机组协调系统的案例。其后，介绍了利用语音识别、语义解析和知识自动化等的技术的调度系统管控架构，并且列举了语音识别调度自动处理和语义识别调度辅助决策的案例。最终，介绍了基于平行智能和社会能源系统的配用电网和需求侧管控架构，并阐述了融入人因的校园园区需求侧能源管理系统。本文较为全面地阐述了如何运用平行智能、人机交互及其他人工智能技术对于电力系统的发电、调度、配用电系统、需求侧管理等每一个环节进行管控的方法原理、平台架构和技术路线，以及对应的案例。 

参考文献

[1]张运洲,单葆国.中国电力系统发展运营面临的挑战和对策[J].中国电力,2017,50(1):2-6.

ZHANG Yunzhou, SHAN Baoguo. China’s power system development and operation: Main challenges and counter measures [J].Electric Power, 2017, 50(1): 2-6.

[2]DONG M, RANJAN R, ZOMAYA A Y, et al. Guest editorial on advances in tools and techniques for enabling cyber–physical–social systems–Part I [J]. IEEE Transactions on Computational Social Systems, 2015.2: 38-40.

[3]邓建玲,王飞跃,陈耀斌,等.从工业4.0到能源5.0:智能能源系统的概念、内涵及体系框架[J].自动化学报,2015,41(12):2003-2016.

DENG Jianling, WANG Feiyue, CHEN Yaobin, et al. From industries 4.0 to energy 5.0: Concept and framework of intelligent energy systems [J]. Acta Automatica Sinica, 2015, 41(12): 2003-2016.

[4]王飞跃. 软件定义的系统与知识自动化:从牛顿到默顿的平行升华[J].自动化学报, 2015, 41(1):1-8.

WANG Feiyue. Software-defined systems and knowledge automation: a parallel paradigm shift from Newton to Merton [J]. Acta Automatica Sinica, 2015, 41(1):1-8.

[5]孟祥冰,王蓉,张梅, 等.平行感知:ACP理论在视觉SLAM技术中的应用[J].指挥与控制学报, 2017, 3 (4): 350-358.

MENG Xiangbing, WANG Rong, ZHANG Mei, et al. Parallel perception: an ACP-based approach to visual SLAM [J]. Journal of Command and Control, 2017, 3(4):350-358.

[6] 杨德胜, 孙飞, 吴红侠. 面向全球能源互联网的平行电网体系框架研究[J].微型电脑应用, 2016, 32(10): 54-58.

YANG Desheng，SUN Fei，WU Hongxia. Research on global energy internet oriented parallel grid system framework [J]. Microcomputer Applications, 2016, 32(10):54-58.

[7]中华人民共和国国家质量监督检验检疫总局. GB/T21023⁃ 2007 中文语音识别系统通用技术规范[S].北京：中国标准出版社，2007.

[8]万里鹏. 非结构化到结构化数据转换的研究与实现[D]. 成都：西南交通大学, 2013.

[9]王飞跃. 迈向知识自动化[N]. 中国科学报. 2013. 12. 30(7).

[10]卢强, 戚晓耀, 何光宇. 智能电网与智能广域机器人[J]. 中国电机工程学报, 2011, 31(10):1-5.

LU Qiang, QI Xiaoyao, HE Guangyu. Smart grid and smart wide area robot [J]. Proceedings of the CSEE, 2011, 31(10):1-5.

[11]杨胜春, 汤必强, 姚建国, 等. 基于态势感知的电网自动智能调度架构及关键技术[J]．电网技术, 2014, 38(1): 33-39.

YANG Shengchun, TANG Biqiang, YAO Jianguo, et al. Architecture and key technologies for situational awareness based automatic intelligent dispatching of power grid [J]. Power System Technology, 2014, 38(1): 33-39.

[12] MACKINLAY J, CARD S K, ROBERTSON G G. A semantic analysis of the design space of input devices[J]. Human-Computer Interaction, 1990, 5(2): 145-190.

[13] WANG Feiyue, WANG Xiao, LI Lingxi, et al. Steps toward parallel intelligence [J]. IEEE/CAA Journal of Automatica Sinica, 2016, 3(4):345-348.

[14]王飞跃. X5.0 平行时代的平行智能体系[OL]. (2016-1-29)[20118-8-5]. http://blog.cechina.cn/wangfeiyue/445695/message.aspx.

 [15]  ZHANG Jun, GAO Wenzhou, ZHANG Yingchen, et al. Social energy: Mining energy from the society [J]. IEEE/CAA Journal of Automatica Sinica, 2017, 4(3): 466-482.

[16] ZHANG Jun, WANG Feiyue, WANG Qian, et al. Parallel dispatch: a new paradigm of electrical power system dispatch [J]. IEEE/CAA Journal of Automatica Sinica, 2018, 5(1): 311-319.

作者简介

张俊（1981—），男，博士，教授，从事智能系统、人工智能、知识自动化、及其在智能电力和能源系统中的应用研究，E-mail: jun.zhang@qaii.ac.cn；

王飞跃（1961—），男，通信作者，博士，教授，从事为智能系统和复杂系统的建模、分析与控制研究。E-mail：feiyue.wang@ia.ac.cn。

后记：本文于2018年10月发表于《中国电力》杂志第51卷10期

平行智能与智慧能源_全面融合人因的社会能源技术.pdf