电力人工智能发展趋势及安全风险分析

人工智能发展概述01电力人工智能发展现状及应用领域02电力人工智能发展趋势03电力人工智能安全风险分析及应对04电力人工智能发展概述PART

1人工智能发展概述作为计算机科学的一个分支，人工智能学科从诞生到不断发展壮大，历经60余年“三起两落”的跌宕起伏。人工智能在发展过程中演化出三个主要流派：符号主义、连接主义和行为主义电力人工智能发展概述在理论算法的发展、计算能力的提升、数据资源的增长、以及经济社会发展强烈需求的共同驱动下，人工智能呈现出深度学习、快捷融合、人机协同、群智开放和自主智能的新特点，进入新的发展阶段，称之为“新一代人工智能”

。电力人工智能是人工智能的相关理论、技术和方法与电力系统的物理规律、技术与知识融合创新形成的“专用人工智能”。在理论与技术层面，人工智能目前正在向强鲁棒的人机协同混合增强、高泛化性迁移学习、具备可解释性的知识与数据融合等方向发展；在业务应用层面，电力人工智能将从浅层特征分析发展至深度逻辑分析，从环境感知发展至自主认知与行为决策，从电力系统业务辅助决策发展至核心业务决策。电力人工智能发展现状与应用领域PART

2国家发改委、能源局在《电力发展十三五规划（2016-2020）》中着重强调，“必须将人工智能技术与电力系统结合，构建‘智能电网’造福人民”，国资委强调国企要加快在人工智能等新兴产业领域迈出实质性步伐。能源电力领域早在二十世纪七八十年代便开展人工智能的相关研究。我国能源电力领域加快人工智能发展战略部署，应用与国外处于并跑阶段。电力人工智能发展现状电力人工智能发展现状麦肯锡预计，到2025年，全球人工智能应用市场总价值将达到1260亿美元，人工智能将成为许多智能产业发展的突破点。在电力领域，为了有效对应当前电网的开放性、不确定性和复杂行，传统能源企业、科研机构、互联网巨头与新兴科技创业公司近年来均开始在电力生产和运营中广泛运用人工智能技术。传统能源企业往往从基础平台出发，在多个电力业务与企业管理重点领域开展应用，提供完整的解决方案。例如：国家电网公司建设了电力人工智能开放平台，建成人工智能样本库、模型库和训练平台，探索设备运维、电网调度、智能客服等13类典型应用；南方电网公司印发了《人工智能与业务发展深度融合专项规划》，建设统一的人工智能基础平台，并在生产、营销、基建等领域开展大量探索实践；各发电集团正积极应用“云大物移智”等技术打造智慧电厂样板间，在物资管理、环保监控、燃料供应、安全生产等方面建造统一数据决策平台，提高经营管理效率，推动产业加速实现数字化转型。互联网大公司一方面利用人工智能技术提高自身数据中心能效的需求，另一方面和能源企业广泛合作。例如：华为、腾讯、阿里和百度等互联网公司设有高性能数据中心，并与国网公司、南网公司均有合作，积极参与能源领域数字新基建工作；谷歌公司利用人工智能技术节省数据中心能耗，还与英国国家电网合作预测电力供需，充分利用可再生能源。创业公司多源于高校技术，在配用电/新能源等领域开展轻量级创新应用。电力人工智能应用领域电力人工智能的国内应用研究范围涉及电力系统发、输、变、配、用全环节，在发电功率预测、设备智能巡检、

设备异常与故障应急处理、客服智能服务、电网故障处理及紧急控制等业务中已有相关应用研究。发电领域新能源：光伏超短期功率预测、风电集群功率预测传统发电：火力发电机组控制优化电网安全与控制领域电网紧急控制策略智能调度机器劣手参与调度辅助决策输电领域输变电设备故障智能诊断和状态评估

输电线路巡视图像（视频）智能识别变电站监控视频图像智能识别 基于可穿戴设备的变电站智能巡检专家系统用户用电行为分析配网故障智能研判分析系统主动安全防御系统自愈与网络重构基于多源数据融合的电网故障分析及应用01

02配用电领域

基于引导学习的配电网健康指数评估基于知识图谱的客服智能问答低压配电台区拓扑智能识别03

04电力人工智能应用领域发电领域电网安全与控制领域输电领域配用电领域。在电力人工智能技术层面，先进算法、训练框架等多以国外原创为主，国内多为改进和应用。在电力人工智能应用层面，国外多种研发主体在整体解决方案、创新应用案例、先进算法研发等形成了系列成果，国内实际应用多集中在机器人、智能运维、智能巡检等方面。电力人工智能趋势分析与展望PART

3人工智能对社会和经济的影响日益凸显，各国政府也先后出台了人工智能发展的政策，并将其上升到国家战略的高度。人工智能发展趋势美国 2016.10发布《为人工智能的未来做准备》、《国家人工智能研发战略规划》和《人工智能、自动化与经济》三份报告2018.52019.2成立人工智能特别委员会成立人工智能特别委员会2019.2发布《国家人工智能研究与发展战略规划》更新版欧盟2018.4发布《为人工智能的未来做准备》、《国家人工智能研发战略规划》和《人工智能、自动化与经济》三份报告2018.72018.12发布《促进人工智能在欧洲发展和应用的协同行动计划》成员国签署了《人工智能合作宣言》2019.4发布《人工智能伦理准则》日本2014.12成立日本人工智能学会（JSAI）伦理委员会2016.4成立人工智能技术战略委员会2017.3发布《

日本人工智能学会人工智能伦理道德指南》、制定人工智能路线2018.6发布《综合创新战略》图——《人工智能技术战略》安全驱动存在人力安全风险或电力系统运维风险，需要依靠人工智能技术替代原有工作人员或工作流程。010203效率驱动传统工作方法及模式效率低，难以适应发展需求，需依靠人工智能技术提高业务效率。数据驱动产生并积累了大量数据，而目前并未进行有效利用，需要依靠人工智能技术挖掘数据价值.电力人工智能发展趋势分析电力人工智能在各业务领域的应用主要由以下三种因素驱动：安全驱动、效率驱动和数据驱动。发电领域应用前景新能源消纳：针对具有随机性、波动性和间歇性特征的风电和太阳能等新能源，以全面的感知、边缘智能和群体智能自动生成策略和智能响应来实现自适应的平衡。传统发电：利用人工智能技术实现燃煤优化，动态建立燃煤锅炉的氮氧化合物排放浓度和锅炉煤耗的综合模型，通过群智算法优化实现锅炉燃烧，降低经济成本并改善环境。输变电领域应用前景电力资产管理：利用机器学习对电力设备状态数据、环境数据、历史数据的深度挖掘，实现电力设备的健康状态综合评价与诊断，构建知识图谱并结合知识推理技术给出针对性的运维方案和投资建议。智能化运维：利用智能化的手段代替人工进行高效的资产运维，实现对对状态的感知、监控和自动处理，利用小样本学习和因果推理等技术，提高偶发事件预测和自然灾害的预警水平，最终实现电力资产的全面监测、实时在线、科学管理和智能运维。电力人工智能应用展望配用电领域应用前景配电网运行优化：利用态势感知技术预测发展状态，结合深度强化学习算法提出优化协调控制策略。新兴负荷感知与预测：将负荷数据和电网数据进行融合共享，利用特征学习方法，对电动汽车、智能家居等新兴负荷进行精准感知和辨识。电网安全与控制领域应用前景电网故障防御：基于智能传感采集的全景全域数据和离线仿真数据，利用深度学习的复杂特性和非线性关系进行映射，形成数据驱动的电力系统快速判稳、故障点和故障类型辨识。电网运行控制：利用关联分析和因果推理等技术，实现电网运行过程的薄弱环节识别和影响因素溯源，利用深度强化学习进行状态评估和策略选择。基于电网运行数据直接形成预防控制和紧急控制措施，应对电网各种复杂的状态。电力人工智能应用展望需求转变电力行业传统业务模式，

充分引导和解放需求数据打破数据壁垒，提高数据质量，推动数据共享设施深化数字化转型，提升基础设施服务能力技术从安全可靠性、性能平衡性、结果可解释性等方面加强技术研究管理从各个业务环节贯彻人工智能理念，创新组织机构，优化业务流程电力人工智能核心挑战PART 4电力人工智能安全风险分析及应对人工智能资产示意图电力人工智能除了会遭到拒绝服务等传统信息安全风险攻击威胁以外，也会面临自身安全风险如对抗样本、数据投毒、模型窃取、人工智能系统攻击等针对人工智能系统的特定攻击，这些风险将涉及人工智能资产主要组成的每个部分——数据、算法模型、基础设施、产品服务及行业应用。电力人工智能安全风险概述电力人工智能安全风险根据人工智能技术涉及的三方面，将人工智能安全威胁分为三个大类别，即模型安全、数据安全与承载系统安全。在此基础上，根据电力人工智能应用领域的特点，还将面对应用安全风险和伦理风险。AI

算法模型安全风险AI

数据安全与隐私保护风险AI

系统安全风险AI

网络安全风险AI

应用安全风险标签反转攻击快速统计攻击恶意样本攻击嵌入后门攻击投毒攻击与防御后门攻击与防御训练数据过滤提高模型鲁棒性纠正模型偏见重训练后面检测与缓解模型剪技快速梯度攻击深度欺骗攻击雅克比映射法访问攻击对抗攻击与防御模型窃取与防御对抗训练梯度掩蔽输入变换防御添加附加层模型水印进检测防御训练阶段推理阶段算法模型安全风险模型安全数据安全与隐私保护数据采集安全风险过度采集数据数据采集与用户授权不一致个人敏感信息采集合规性数据质量问题用户选择推出权难以保障数据使用安全风险匿名化数据被重识别问题数据标注安全风险数据合规性其他安全风险数据存储安全风险数据共享安全风险数据传输安全风险电力生产、营销、管理数据，是电力人工智能的基础资源，机器学习需要数量大、种类多、质量高的数据进行训练，围绕电力人工智能系统的数据生命周期数据安全和隐私保护风险主要包括数据采集风险、数据使用风险、数据存储风险、数据共享风险、数据传输风险。《数据安全法》和《个人信息保护法》的实施将进一步加大数据安全与隐私保护的合规要求。0406050307电力人工智能系统安全风险传统软硬件安全风险系统复杂度和不确定性风险传统行为难以预测人机交互安全风险AI系统安全风险电力人工智能系统安全性问题也就是基础设施的安全性问题。硬件设备安全风险，

主要包括智能芯片、智能服务器、边缘端侧设备、智能传感器、存储媒介等；系统与软件安全风险，主要承载技术的操作系统、软件框架、第三方库、算法调用接口等。供应链安全，主要包括基础设施中软硬件供应链的安全性问题（可信、可控、可靠）开源安全风险 软件框架安全风险01 02供应链安全风险算法对具体场景依赖性较高，泛化能力与迁移能力不足；算法可解释性低，部分模型存在较多误报或漏报，需要大量人工复核；当前模型大多集中在图像识别、语音处理、自然语言处理等技术领域，与电力领域知识结合少，机理分析不足，难以参与核心业务决策。海量数据样本，样本质量参差不齐，样本扩充效率低。各专业普遍存在样本失衡，缺陷故障样本稀少。人工智能电力应用安全风险电力行业高度重视人工智能技术研发与应用，涉及电力系统发、输、变、配、用全环节。在强化人工智能技术统筹布局与应用推广的同时，关注人工智能技术在应用中的安全风险，防患未然。数据样本问题算法模型问题各单位算力资源缺少统一部署，异构计算支撑能力不足，智能终端往往不能支撑复杂模型运行，平台侧和现场侧的技术协同有待提升，硬件支撑问题各业务场景存在点状扩展、场景单一、应用分散、重复建设问题，缺少业务专业的顶层应用统筹设计。应用统筹问题电力人工智能安全风险应对建议在实施人工智能系统之前，应推动适合性测试，以评估相关的安全风险。这种测试将由参与开发和/或部署项目的所有利益相关者进行，应衡量价值、攻击的难易程度、损害、机会成本和替代方案。公司应在人工智能系统实施后解决人工智能攻击的风险。人工智能安全性也可以通过建立检测机制来加强。人工智能系统应遵循安全的开发生命周期，从构思到部署，包括运行监控和部署后控制和审计。