台電月刊 - 打開電力新視野

AI大數據人才 展現智慧成果

687期

4935
0
3

台電為發展大數據分析、運用能力,達到供電智慧化的目標,積極培養AI大數據人才。民國108年首度舉辦「AI大數據人才發展營」,成果豐碩,更難能可貴的是,這些競賽成果並未隨著競賽結束而中止,不但實際運用在實務上,而且還在不斷進化……

供巨人/歷經大數據修煉奪冠,成功以動作時間達到斷路器預防維護,更進一步發展2.0版,造福更多用戶。

確保斷路器能正常跳脫,向來是供電處的重大課題。

這課題有多重要?供電處劉建勳副處長指出,供電處轄區從北到南共有1.6萬多具斷路器,其作用在於電力系統發生故障時迅速跳脫,隔離故障點。斷路器若動作太慢,未及時跳脫,會導致停電範圍擴大,造成公司及民眾的損失。於是「斷路器動作時間的大數據分析及預防保養」便毫無懸念地成為供電處參賽的主題。

供巨人團隊由供電處劉建勳副處長領軍,帶領2位熟悉斷路器的主管與專員及2位負責資訊技術的專員。

曾參加人工智慧學校培訓,熟稔AI運算作業的蕭仰哲專員指出,斷路器動作時間與操作機械結構有關,動作太慢最常見的原因是潤滑油乾澀、硬化,其次,控制系統不順暢,也會導致動作變慢。

雖然定期維護斷路器是供電處的例行工作,但故障仍難以避免。解決方法不外是更加頻繁密集的維護,但以目前人力配置難以達成;或者是設法在故障前,透過某些特徵發現它、並提早保養。「供巨人」團隊便是以動作時間作為斷路器健康的指標,要在斷路器故障前,先找出潛在弱點。

「我不確定能否做得出來,畢竟AI分析與電力領域差很大,AI分析也不是做了就一定會有結果。」抱著誠惶誠恐心情投入競賽的蕭專員說,其實已有許多前輩嘗試過以動作時間來預測斷路器健康狀況,但都沒有完善的成果,這次團隊嘗試將大數據及AI分析應用在斷路器健康管理上,看能否有所突破。

一場深刻的大數據修煉

過程宛如歷經一場既痛苦又深刻的「大數據修煉」。

團隊中最年輕成員簡兆麟專員說,前置期要收集資料,長期以來供電處累積很多人工手寫的資料,有些錯誤人工檢視沒問題,但電腦卻無法判讀。再加上供電處電力調度系統的數位紀錄,資料達30多萬筆!

「資料清洗的困難度最高。」劉奕均課長解釋,所謂的資料清洗,就是過濾資料、把有效益的留下來。難以想像短短6個月的競賽期間,光是資料清洗就占掉了7成時間。

供電處張庭碩專員負責寫程式過濾資料。「這需要不斷嘗試,看資料是否正確,是否朝你要的方向走。」張專員說,好在蕭專員有AI資料處理經驗,適時給予他建議與方向。

最難能可貴的是,供巨人團隊預留了一個月的時間做驗證。這一步不僅確認資料處理的方式正確無誤,AI分析模型可行,也是供巨人團隊勝出的關鍵。

團隊篩選出30筆判斷有異常的斷路器,請現場單位預留排程,停電檢查,結果其中9台真的有機械結構性異常(包括潤滑油硬化、運作不順暢),其餘的則是通訊等其他異常。「30筆中就找出9筆機械結構性異常,成果很令人滿意,」蕭仰哲興奮地說,「這在以前是做不到的。」

發展擴大應用的2.0版

斷路器動作時間的大數據分析十分接地氣,既符合現場單位的需求,又可避免無預警停電,影響用戶。這項成果,後續還要進一步擴大應用、邁入2.0版。

團隊中最資深的成員劉奕均課長表示,除了供電處,配電處和發電處也都有斷路器設備,現已邀請發、配電處加入團隊,並將資料納入,發展以自動化方式執行2.0版本。他指出,配電處線路主要為饋線,提供11kV、22kV電壓等級的民生用電,若能有效預防維護斷路器,可避免更多用戶無預警停電,「2.0版的效益會讓民眾更有感。」

「最重要的是,不打高空,」供電處劉建勳副處長強調大數據及AI分析就是要務實。「這套模型可以降低現場工作量,及時預防維護,改善設備弱點,降低事故率。接下來不但要往下深耕,還要水平展開,發、配電單位加入後,功能將更精進。」他說。

配電藍波ONE/分析變壓器故障情形及最佳維護時程推估,科學化降低變壓器故障率。

由配電處饒祐禎副研究員帶領的「配電藍波ONE」團隊,8位成員包括:103年曾獲得當年資訊月「傑出資訊人才獎」的蘇冠華課長;曾獲選進入人工智慧學校學習的張家榮專員;資訊高手謝惠菁專員;運轉維運人員蔡逸泰專員等。他們平均年齡才30多歲,比台電的平均年齡45歲還更低。

活潑的隊名來自這群年輕人的發想,意思是,配電設備眾多,變壓器資料分析只是一個起頭而已,希望未來其他設備亦能運用大數據分析方法,提高供電可靠度。

配電設備繁多,之所以從變壓器下手,是因為它每年要維修的量太大。饒副研究員指出,變壓器在電線桿上面、人行道、馬路邊、大樓地下室裡都有設置,全臺統計超過139萬具,是最接近家戶的供電設備。根據過去3年統計,每年約有900具變壓器故障,更換設備作業時間超過一小時,對用戶造成諸多不便。

變壓器週期性維護除每年現場巡檢作業外,每18年須再拆回檢修,性能正常才能再裝置現場,換言之,平均一年要拆修數量超過7萬具。但其實製造廠商不同,品質會不同;所處環境的差異及設備負載量大小,都會影響設備性能及壽命,僅依照時間週期進行拆修並不科學,得加入其他參數判斷。

從無到有的歷程

去年9月剛從美國史丹佛學AI創新課程回來的蘇冠華課長,剛好趕上參與這個團隊。「我的印象還很深刻,前幾次開會,大家坐在這裡都還不知道怎麼下手,整個過程就是一個無中生有的創新的過程。」饒副研究員也強調,配電藍波ONE團隊特別之處就在於從無到有,一切都是從頭做起。

團隊一開始對於要找哪些資料作為訓練參數討論很久,一直不斷嘗試,才終於敲定用變壓器履歷(含廠牌、型式、製造日期)及負載容量等資料來計算。蘇課長以負載容量預估為例,一開始先嘗試使用早期低壓1 萬戶AMI 資料,但實作後發現並無法完全估算出變壓器容量,因考量到只有短短6個月的時間,故只能先以電費單度數來預估。「從事大數據活動就是不斷地『試誤(Trial and Error)』,勇於嘗試,發現問題,再即時靈機應變。」蘇課長表示這個『試誤過程』可讓人快速學習、成長。

經過人工智慧學校4個月洗禮的張家榮專員也是團隊的靈魂之一,他表示,在人工智慧學校受訓時間很短,很難把一個專案從頭做到尾,結業後做這個題目才真正能學以致用,有機會重新檢視、反思過去學的東西。

原始139萬筆的樣本數,清理到剩下65萬筆,其過程辛苦又費時。團隊一步步嘗試,最後選用比較穩定的XGBoost機器學習模型,「它的優點是訓練時間快,準確度也高,跑資料只要半小時,如果用神經網路的模型跑都要以小時計。」張家榮說。

機器學習的「過適」問題也必須想辦法克服,他解釋,資料看太久,學太過頭,分析結果非常好,反而無法解決它未知的問題。必須找出過適的「甜蜜點」,在錯誤率要上升前,就停住不讓它繼續看資料。

蔡逸泰專員負責國外的文獻探討,美國佛羅里達電力公司的先例讓團隊信心倍增。「他們預測300多具變壓器性能不良,提早去更換,換回來剖開後驗證,確實有部分元件劣化情形。」蔡專員開心地說,團隊最後分析結果:年限和過載也很符合現場的實際狀況。

競賽結束了,配電藍波ONE團隊的工作還在持續進行,已擬定今年度精進發展的新計畫。

「延伸加入TTU和AMI的資料,讓預測更準確。」饒副研究員指出,已開始有計畫性的發展變壓器資訊末端設備(TTU)的監測系統,它是運用物聯網(IoT)的技術,將變壓器的電壓、電流與溫度等即時運轉狀態,傳回主站進行資料分析。

除此以外,今年預計布建超過100萬台的智慧電表,可以取得同時間每一家戶的實際負載資料,變壓器實際運轉情形就能更精準預知。經大數據分析結果屬高故障風險的,立即更換;中故障風險,密切注意及加強巡檢;低故障風險,維持每年現場巡檢作業即可。如此一來,可以減少運維人力成本及民怨,提升公司形象;對民眾而言,也減少臨時停電所造成的損失及不便。

靈活調度/只要1分鐘,解決調度員的痛!運用大數據分析,協助即時預測負載,穩定供電

下一刻全國負載是多少?要調度哪些機組因應?是電力調度員每天要面臨的大難題。

過去除了參考氣象預報與即時氣象資訊外,台電資深調度員會從資料庫中搜尋歷史情境最相似的一天,作為當天負載預測參考,這項工作往往耗掉資深調度員大把的時間,好在,現在有人工智慧來幫忙。

電力調度處組成的「靈活調度隊」,透過機器學習與人工智慧,成功發展「即時系統負載調度輔助工具」。這套模型可透過負載型態辨識、運轉資訊的整合分析及歷史回測等即時演算,產生型態相似且平均負載差距在可接受門檻以內之可參考日期負載型態,及提供該日期的相關運轉資訊。

「以前用人工去思考評估、回憶,歷史上哪一天負載跟今天相近,往往得花2、3小時,而且每個人的感覺並不一致,現在只要一指點下,1分鐘就跑出來。甚至每10分鐘會自己跑,若負載偏離,系統會自己修正,找一條更接近的負載曲線。」靈活調度隊長、高雄中央調度監李青霖既興奮又驕傲地說。

把複雜難題交給AI

因為發電必須即發即用,電力調度處每天都得預做隔天的負載預測圖,規劃出全臺灣2,300萬人用電習慣總和的曲線,根據這條負載預測曲線在各種限制及經濟成本的考量下排程發電機組,「要排得剛剛好,負載預測要準,發電才會準。」李調度監解釋。

但天有不測風雲,例如,午後雷陣雨雖然前一天有預測到,但沒想到降雨量太大,溫度陡降,負載意外下降。調度員面臨負載預測失準時得自己想辦法,迅速預測下一刻負載。

過去調度員只能憑有限的資訊和經驗找到歷史上最接近今天的負載,但這件事很複雜、要參考因素很多,再加上負載預測還涉及氣象資訊、是否為特殊節日(如投開票日、農曆春節)等,這複雜的難題很適合利用大數據或AI分析來解決。

在李調度監領軍下,靈活調度隊有5位成員,包括熟悉線上調度業務的資深人員、核心程式專員,以及處內思維活潑的年輕同仁。例如,值班主任吳首賢主要任務是提供經驗,包括和線上值班的資深調度員研究要用什麼規則去找出歷史上跟今天最相近的負載,並與程式撰寫人員進行溝通;熟悉程式演算的曾啟榮課長則負責帶領規劃程式的撰寫。

這個調度的大數據團隊至少一個月召開一次工作會議,甚至在遇到問題馬上集合討論,突破之後,再往下做,「有問題就要趕快討論,不能等模型或方向做歪了才改。」吳值班主任說。

後期當程式架構完成並發展到一定階段後,隊長李青霖調度監要求需要結合臺北及高雄中央調度中心的線上各值班人員,實際拿到線上驗證可行性並再據以進行微調,吳值班主任則負責擔任與調度員線上驗證的溝通橋樑。「在最後一個月,線上值班人員4班3輪、共24人分別在一天內不同的時間實際試用這套系統,藉由實際使用經驗回饋,調整相關推薦結果及演算法,提升實用性。」

李調度監表示,這次能順利建置「即時系統負載調度輔助工具」並充分應用在實務面,主要是因為是調度處的電能管理系統(EMS)已將過去數年每10分鐘逐筆負載等相關重要的系統資訊紀錄於存在資料庫,相當於是一座豐富的寶山,具備發展大數據之重要基礎。

精采待續

而今,由靈活調度隊發展的「即時系統負載調度輔助工具」,已經導入中央調度中心工作流程,並藉由視覺化整合介面,讓呈現的數據更直觀,且能快速即時更新。相較於人工作業,可使調度員縮短90%時間,快速找到與當天相近的歷史負載曲線,降低運轉成本與提高供電可靠性。

不過,隨著再生能源的大量建置,電力調度未來還有更重大挑戰。李調度監指出,為了要在能源轉型的綠電先行要求下安全運轉,臺灣總負載要扣掉再生能源發的電,才是台電和民營等傳統機組配合的排程。因此,再生能源何時出力?出多少力?必須要能先更精確的預測。「這是能源轉型的挑戰,所以,我們未來也希望能借助大數據及AI分析進行更準確的再生能源出力預測。」

「AI大數據人才發展營」競賽成果豐碩,8支台電大數據小虎隊,猶如台電發展大數據的尖兵,將台電一舉推向AI及大數據的浪頭上。接下來,還有一連串的精采待續。

相關文章

藝術之眼 與台電共創來電體驗

「來電」是台電公共藝術的核心精神,透過藝術家的慧眼及巧手,藝術電流才能施展魔法。藝術家與台電的相遇,......

藝術有形 價值無限 台電軟實力貼近人心

公共藝術作品要能完整呈現創作靈魂與生命力,有賴台電上下齊心,幕後功臣包括建構公共藝術核心單位營建處,......

大數據時代的電業藍圖

未來電力公司不只「賣電」,更要「賣數據」、「賣服務」。台電正大步邁向智慧電業的新未來,不需要從零開始......

全民一起來讀電!

在國發會政府開放資料平台上,台電公開與全民共享的資料計有138項。在這些已揭露的資訊中,哪些資訊最受......

大都會裡的小電廠

60多年的老電廠,位處城市中心。專注供電、致力環保之外,台電人真誠細心地與地區維持緊密和諧的關係,也......

鳳凰涅槃 環保與經濟平衡的秘密武器

環保和經濟往往很難取得平衡,南部發電廠機組升級,不但取得顯著的環保成果,還能增加發電效率,產生巨大的......