阿里云计算有限公司 黄振：基于云原生和中台技术的电网调度云智能平台的研究
引文信息
黄振．基于云原生和中台技术的电网调度云智能平台的研究[J]．电力信息与通信技术，2021，19(3)：98-106．
HUANG Zhen. Research on Power Grid Dispatching Cloud Intelligent Platform Based on Cloud Native and Middle Platform Technology[J].Electric Power Information and Communication Technology，2021，19(3)：98-106．
研究背景
随着高比例新能源发电和电动车等新型负荷带来的随机性增加，给传统支撑确定型的电力调度统带来巨大挑战。如何借鉴同样面向不确定性的互联网技术支撑大规模复杂系统的经验，来升级电网调度数字新基建？如何做好将来更多以新能源为主体的新型电力系统调度支撑？请看《电力信息与通信技术》2021年3期《基于云原生和中台技术的电网调度云智能平台的研究》。
主要创新点
1.构建调度数字化演进3个阶段
第一阶段是规模的信息化，这个阶段操作的方式是“直接控制”，为了确保整体系统的安全稳定运行，会将非主要的干扰因素排除，以计划性固定的方式实现核心业务，对于增量的、临时性的需求无法响应，在这个阶段，主要以建设好云原生化数字基础为支撑手段。
第二阶段是简单的数字化阶段，用感知技术手段提前将干扰因素识别出来，并采取相应的对策和措施，形成“前馈控制”。这个阶段虽然已经能对干扰因素做出响应，但是执行还需要人判断，且要增加逻辑，逻辑会越来越复杂，使整个系统很难向前演进和优化迭代，在这个阶段就需要用中台化的技术能力更快速的响应变化。
第三阶段是智能的数字化阶段，对于干扰因素能实时感知并自动给出反馈修正及执行相应预案对策，这需要用算法和数据驱动进行“反馈控制”，实现系统在复杂环境条件下的自动化运行，此阶段需要更多数据驱动的智能化能力，将来大量的分布式能源调度控制需要用此阶段的能力。
调度数字化的3个阶段如图1所示。
图1 调度数字化的3个阶段
2.调度基础设施云原生化
调度云原生基础设施的创新点是建立一朵云/多区域架构，实现逻辑统一、物理分散的架构，支撑省（地市）公司数据根据业务需要按需将数据汇聚至总部数据中心，数据上下协同，算力下沉至地市级进行实时就近计算。调度一云多区域总体框架如图2所示。
图2 调度一云多区域总体框架
3.调度核心技术中台化
中台技术来自于多年以来的互联网公司实践，“业务数据化、数据业务化”已深入各行各业，尤其是在拥有复杂组织结构和系统的行业龙头企业都开始了此方面的探索。例如，国家电网在2019年开始建设云和数据中台，目前已经在全部所属网省公司落地。电网调度因为其专业性，中台建设不能照搬互联网公司的中台，也不能完全按照传统企业管理系统的模式建设，在这里提出调度计算和数据中台2个部分组成的框架，更强调实时计算的能力和数据萃取能力。调度中台构成如图3所示。
图3 调度中台构成
4.调度业务智能化
根据AI技术趋势，调度业务智能化最重要的关键任务不是研究高深的智能化算法，而是以数据驱动提高智能化应用的工程化效率。为此，主要做好3方面的工作：第一，可量化，是指对AI应用的业务闭环效率进行量化，主要从单位时间内某人群完成某项任务的数量上做一个衡量指标；第二，可定义，是指对电网调度的人工智能能力成熟度进行评价，以期在正确的阶段构建与该阶段相匹配的能力。大致可以分为5个级别，分别是独立分析级、螺旋式分析级、嵌入式分析级、沉浸式分析级和自动化决策级；第三，可管理，能让调度人工智能应用建设透明化、白屏化，降低使用门槛，让业务人员自身也能方便的利用人工智能平台做调度专业业务的智能化研究。电力调度AI应用平台基础架构如图4所示。
图4 电力调度AI应用平台基础架构
解决问题及意义
1）调度基础设施云原生化，支撑规模信息化。调度分级管理方式能很好地支撑不同电压等级和范围的调度工作，但面对将来新能源的快速增长，需要在多级调度协同解决消纳问题，需要全局性的优化和数据协同，目前缺乏支撑这一需求的数字化基础设施。调度云原生基础的一云多区域架构的“逻辑统一、物理分散”的特性能很好地解决五级调度的数据协同和全局优化。
2）调度核心技术中台化，可快速需求响应。随着新能源发电和电动车的快速发展，调度将面临不确定性且非常急迫落地的需求场景，每次遇到新需求如果按照传统模式开发不能及时满足，长此以往会累积形成需求的“堰塞湖”，桎梏了新业务的发展。调度核心技术的中台化能把已有的调度能力沉淀，以共享的方式供前端二次开发和组合，加快新业务新应用的响应速度。且如果新的业务具备通用性，经过标准化和优化后还能成为中台能力的一部分，能继续为更多的业务服务。
3）调度业务智能化，让数据辅助决策。对比传统电力系统，以新能源为主体的新型电力系统需要更加智能化的能力，应对电力源荷两侧不确定性的常态化，要能自主学习当地电网的特性，并且以数据自驱动形成电网运行的决策并且更加实时的调整电网运行计划。但是传统的人工智能项目会花80%的时间和成本在工程化方面，这对于需要大量实时决策的电网运行来说代价太大，所以需要用人工智能平台的方式统一支撑，并降低工程化的门槛和时间花费，最终能使一般的电网运行人员通过图形化的方式组合人工智能算法，做出适合当地电网运行情况的“微决策”。
作者介绍
黄振（1980），男，云解决方案架构师，通信作者，从事电力行业数字化转型解决方案和相关新型技术研究工作，zhengren.hz@alibaba-inc.com 。