基于人工智能技術的配網智能化監控指揮技術研究

王 爽 劉曉輝 王彬楠 陳啟龍 楊亞男

（國網河南省電力公司鄭州供電公司）

0 引言

隨著社會的發展，電力需求不斷增加，配電網規模也隨之擴大，電力用戶數量不斷增長。配網調控作為業務樞紐面臨兩個問題：一方面，接入的信息化系統眾多，信息數據增加導致利用效率降低；另一方面，配網生產指揮涉及廣泛，存在大量簡單重復的機械流程，指揮效率低下，易出現業務 “樞紐擁堵”［1］。因此，配網生產指揮迫切需要流程再造，利用人工智能技術提升效率。

本文通過基于人工智能技術的配網智能化監控指揮研究，考慮用戶需求，從而提供高水平、高質量的服務。利用大后臺信息數據分析與準確研判支持，致力于實現末端業務融合與提升服務品質的目標。通過監控預警和建立預警模型機制，進行語音外呼通知和信息提示，及時處理配網業務任務，并梳理完成進度，減少配調員的查找、跟蹤和通知工作。人工智能技術能減少機械化工作，降低配調員工作量，為電網安全運行提供保障，提高供電服務指揮管理的精益化水平［2］。

1 語音識別模型

1.1 語音信號

語音信號是一種常見的一維信號波，容易受到外界環境影響，具有不平穩性，難以找到其規律。通過聲學特征提取可以增強語音信號的穩定性，提取聲學特征具體過程如下：

（1）預加重

高頻信號在傳遞過程中，衰減較快，但是高頻部分又蘊含很多對語音識別有利的特征。因此，在特征提取之前，需要對原始信號進行預加重，以此提高原始信號中高頻信號的能量。

（2）分幀加窗

由于語音信號是一種不穩定的信號，隨著時間的變化，頻率也在變化。因此，不能將整個語音信號作為一個整體來處理。為了解決這個問題，在對語音信號進行預處理之后，需要將原始語音信號分割成較小的片段進行處理，這個過程稱為分幀。通常，這些片段的時間范圍是10～30ms，因此需要使用一個固定長度的窗口來獲得這些片段，通過移動窗口來進行分割。為了避免頻譜泄露問題，通常使用窗函數對信號進行處理，窗函數可以讓片段信號盡可能地保持原來連續信號的性質。

（3）特征提取

一般使用的聲學特征主要包括：語譜圖、濾波器組（Mel Filter Bank，Fbank）特征和梅爾頻率倒譜系數（Mel-Frequency Cepstral Coefficient，MFCC）。具體聲學特征提取過程如圖1所示。

圖1 聲學特征提取過程

管網故障檢測實施信息支持后，在一定程度上解決了這些問題。FDEE （Water Pipe Network Fault Diagnosis Model based on Experience Evolution）模型研究了新型的管網故障檢測專家經驗應用算法。這部分算法的核心是匹配算法，主要解決了管網故障診斷系統對歷史專家經驗難以利用的瓶頸。其主體思路是提取現場數據的特征，與專家經驗庫中的案例進行匹配，生成初次判斷，加速檢測過程；在檢測結果生成并得到驗證后，將相關數據反饋給專家庫，使其中的信息得以進化，以便提供更為全面、精準的專家經驗［3］。

1.2 基于HMM 的聲學模型

隱馬爾可夫模型（Hidden Markov Model，HMM）可以用來描述一個狀態轉換到另一個狀態的隨機過程，由于HMM假設，通常下一時刻狀態概率分布主要由當前狀態決定。在HMM聲學模型中，常將聲學特征轉換為對應的狀態序列，用于描述音素內部HMM狀態的轉換過程，解決聲學特征與多個語音建模單元的對應關系。整個過程可概括為HMM生成隱狀態序列，再由隱狀態生成觀測值序列。在語音識別中，建模單元如音素、拼音和字通常被視為隱含狀態，而語音作為觀測序列。HMM可用于計算狀態序列的轉移概率，而觀測概率通常通過高混合模型和深度神經網絡 （Deep Neural Networks，DNN）計算得出。圖2是基于HMM的聲學模型，它描述了聲學特征和HMM狀態之間的關系。

圖2 基于HMM 的聲學模型

2 系統功能架構介紹

2.1 遙測數據管理

遙測數據管理是調度系統中最基礎也是最重要的功能模塊，調度人員依靠該模塊對設備狀態、設備采集的數據進行完全感知。實際應用中遙測數據的來源分為兩個部分，一部分是SCADA系統的推送，另一部分是接入設備的直接傳輸，這兩部分的數據需要整合統一管理，就需要基本的數據查詢展示、數據修改、數據刪除、數據導出、數據導入等功能支持。調度工作中，不同調度人員關注的數據可能有所不同。部分人員關注設備狀態數據，如設備溫度和開關狀態，而其他人員更關注設備采集數據。因此，需要根據不同業務場景提供不同的采集規則進行數據采集，以支持業務需求。數據準確性對于業務判斷至關重要。調度工作的準確性和有效性與數據準確性密切相關。盡管調度人員可以根據經驗對數據準確性進行判斷，但人工判斷能力有限。在海量調度數據中，人工判斷方式不可行。只有數據準確性得到保障，系統提供的自動化分析和預警功能才具有實際意義。

2.2 報警管理

為了提高電網調度自動化系統的安全性，系統內部已經加入了報警模塊。無論在何時何地，只要出現任何紕漏或錯誤，系統都能立即分析并提醒操作人員。同時，系統會即時記錄事故發生的時間、位置和具體內容，并將報警信號發送給操作人員。這樣做的目的是為了增強故障事件的及時提醒，讓操作人員能夠立即關注，以避免延誤導致更嚴重的問題。此外，詳細記錄和傳遞故障事件的信息也有助于操作人員及時發現和排查故障原因，從而節約處理故障所需的時間。通過這些措施，系統能夠提高安全性并促使及時處理故障［4］。其中該系統引入的報警模塊的主要特點可以歸納如下。

系統內的模塊程序會根據數據庫內容預測可能出現的故障情況，并根據故障的嚴重程度進行等級劃分。每個等級對應不同的報警信號提示，以便提醒操作人員快速反應和了解故障的嚴重緊急程度。一旦收到報警提示，模塊會立即且持續地向操作人員提供故障事件的具體內容和各項信息，操作人員可以通過查詢等方式全面詳細地了解整個事件。這樣，操作人員能夠迅速獲得必要的信息并采取相應的處理措施。

2.3 遙測設備管理

在調度工作中，涉及到各種不同的遙測設備，為了保證設備的正常工作，操作人員需要對每個設備使用的各個環節進行跟蹤記錄。設備在系統運行的生命周期中包括設備上線、投運和設備下線等階段。在設備投運期間，需要監測設備的在線狀態、自身狀態等，并及時維護和整改故障設備。此外，自動分析和預警故障設備的故障原因也是必不可少的［5］。

根據實際情況，不同類型的設備可能具有不同的報警規則。為了滿足不同類型設備不同報警規則的要求，操作人員將事先定義的報警規則錄入系統，并綁定到具體的設備上。當系統檢測到設備異常時，會自動推送預警信息。這樣做不僅能減輕操作人員的工作壓力，還能更好地保證設備的安全使用和系統的安全性。

通過跟蹤記錄設備狀態、自動分析故障、設置報警規則等措施，調度系統能夠有效地管理設備，提高設備的運行可靠性和系統的安全性。

3 OMS智能調度管理系統

（1）配電網多系統大數據融合，建設OMS預警監控督辦展示中心

通過對配電自動化系統、D5000系統、PMS生產管理系統、OMS智能調度管理系統、供電服務指揮系統等多個管理系統中的信息進行挖掘研究，可以使用基于有效指數的聚類算法進行聚類分析，以提高各管理系統之間的互通性和流動性。同時，挖掘大數據在配電網管理中的應用效能，以大后臺信息數據分析應用和準確研判為強有力支撐，以強化前端實現末端業務融合和促進服務品質提升為工作目標。在配電網管理中，依據配電網管理規程，可以對配網計劃、配電工作票、缺陷消缺處理、異常處理、任務協同、設備運行狀態監視等進行預警監控［6］。通過可視化技術，可以展示配電網數據預警事項，讓相關人員能夠更直觀地了解配電網的運行情況和發現潛在問題。通過以上的方法和措施，可以實現配電網管理系統各個模塊之間的有效協同和信息流動，提高運維效率和服務質量。同時，利用大數據分析和可視化技術，可以更好地監控和預警配電網的異常情況，及時采取措施進行處理，確保配電網的安全和穩定運行，如圖3和圖4所示。

圖3 OMS預警監控督辦展示中心

圖4 OMS預警監控督辦展示中心——信息預警

（2）建設智能語音外呼接口

語音外呼接口整體架構采用IP分布式部署方案，采用數字中繼方式接入，核心設備為外線語音網關、通訊交換設備、存儲服務器及多媒體服務器，放置于機房，通過交換機網絡與OMS業務系統相連［7］，如圖5所示。

圖5 語音外呼接口設備網絡圖

語音外呼接口增設TTS文本語音處理模塊，把通知內容信息轉換成語音內容以語音外呼的方式通知現場人員，使語音外呼功能更加智能化。

語音外呼接口提供多種對外接口形式，如WebService、WebSocket、HTTP等協議接口，可供對接業務系統調取使用，如圖6所示。

圖6 語音外呼接口形式

（3）建立預警通知模型，智能化進行監控預警督辦

結合配電網管理規程，建立OMS預警監控督辦通知模型，使配網業務工作可以以無人值守模式通過語音外呼或短消息的方式通知任務待辦人。OMS預警監控督辦的業務通知形式包括消息通知與電話外呼通知兩種方式，如圖7所示。

圖7 消息提示

電話外呼是指調用語音外呼接口，建立OMS與語音外呼平臺的對接，對需要外呼通知的信息通過TTS文本語音轉換技術，把通知信息通過電話方式通知到相關人員［8］。

建立OMS預警監控督辦的業務通知規則信息池，通過勾選方式設定不同業務的通知方式，可以是電話外呼通知、消息通知其中的一種，也可以是兩種通知方式并行，通過計算機自動把通知信息通知到相應人員，并進行督辦統計，如圖8所示。

圖8 督辦統計視圖

為了構建高可用性、安全性、可靠性、可伸縮性和擴展性的軟件系統功能，系統采用成熟、標準的J2EE（Java 2 Enterprise Edition）企業平臺架構搭建，采用多層的分布式應用模型、組件再用、一致化的安全模型及靈活的事務控制，基于調度網絡技術，采用瀏覽器／服務器（Browser／Server）模式實現，使系統具有更好的移植性，以適應預警監控督辦外呼應用環境復雜、業務規則多變、信息發布的需要，以及系統將來擴展的需要。

系統的軟件層次如圖9所示。

圖9 軟件層次分析圖

4 結束語

本文針對通信線路利用率低和人力資源使用率高的問題提出了一種解決方案，即語音外呼系統。該系統能夠實現語音和數據相互融合，增強通信能力，網絡組網方便，操作靈活，從而提高通信線路的利用率，節省人力資源，并提高指揮效能。同時，本文還利用人工智能技術實現了配網調度的智能化指揮。通過OMS智能調度管理系統，完成了耗時耗力的機械化勞動，大大減少了配調員的工作量［9］。這一智能化的調度指揮系統為電網的安全運行提供了保障，并提高了供電服務指揮管理工作的精益化水平。通過采用語音外呼系統和智能化的配網調度指揮系統，可以有效地解決通信線路利用率低和人力資源過高的問題。這些技術和系統的應用不僅能提升電網的運行效率，還能提高安全性和服務水平，為電力行業的發展做出貢獻。