試析智能化診斷方法在電力系統(tǒng)故障診斷中的運(yùn)用

韓寶國

摘 要：隨著現(xiàn)代社會對電力的需求量逐步加大，電網(wǎng)規(guī)模與電網(wǎng)結(jié)構(gòu)也呈現(xiàn)出日益擴(kuò)大的趨勢，這也導(dǎo)致了整個(gè)電力系統(tǒng)變得更加復(fù)雜化。而為了保障電力供應(yīng)的安全穩(wěn)定，加強(qiáng)關(guān)于智能化診斷方法在電力系統(tǒng)故障診斷中的運(yùn)用便顯示出其緊迫性作用。由此，本文從電力系統(tǒng)故障診斷的內(nèi)容概況出發(fā)，并提出具體的智能診斷辦法，以期為各位讀者提供參考。

關(guān)鍵詞：智能化；電力系統(tǒng)；故障診斷；方法運(yùn)用

中圖分類號：TP391.5 文獻(xiàn)標(biāo)識碼：A 文章編號：1671-2064（2017）22-0125-02

由于電力系統(tǒng)自身具有的復(fù)雜性特征，容易出現(xiàn)故障成因難以查明、故障解決困難等情況，當(dāng)電力系統(tǒng)欠缺科學(xué)合理的故障診斷方法時(shí)，不僅會對人們的日常生產(chǎn)生活帶來不利影響，嚴(yán)重時(shí)甚至?xí)斐删薮蟮陌踩[患。據(jù)此，將智能化的診斷方法納入到電力系統(tǒng)診斷實(shí)踐中，也便具有了較為深刻的現(xiàn)實(shí)意義。

1 電力系統(tǒng)故障診斷的相關(guān)概述

電力系統(tǒng)的故障診斷需要以綜合性的技術(shù)為支撐，其內(nèi)容包含了人工智能、信號處理、小波變換、模式識別、模糊邏輯、數(shù)理統(tǒng)計(jì)以及現(xiàn)代控制研究等多項(xiàng)理論，為了確保電力系統(tǒng)診斷的良好成效，關(guān)鍵還需從基于數(shù)學(xué)模型的系統(tǒng)與基于專家系統(tǒng)的模型出發(fā)進(jìn)行診斷，從而才能為確保診斷的智能化、有效化奠定良好的基礎(chǔ)。

針對電力系統(tǒng)的故障診斷需求是隨著電力行業(yè)壯大而發(fā)展起來的，當(dāng)故障產(chǎn)生時(shí)容易出現(xiàn)斷路器與其他保護(hù)裝置誤動(dòng)、拒動(dòng)；警報(bào)信息畸變、丟失；多個(gè)設(shè)備元件同時(shí)損壞等情形，這便使得智能化技術(shù)在電力系統(tǒng)診斷中得到更多的運(yùn)用。舉例來說，由于電網(wǎng)運(yùn)載電量的不斷加大，以往基于診斷網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)而建立起的模型基礎(chǔ)FD-PS無法適應(yīng)當(dāng)下區(qū)域運(yùn)行極限的性能需求，根據(jù)故障發(fā)生時(shí)其系統(tǒng)結(jié)構(gòu)與參數(shù)出現(xiàn)變化的情況，使得系統(tǒng)潮流也產(chǎn)生變化，因而以潮流計(jì)算出現(xiàn)的變化來對故障進(jìn)行判斷也無法滿足當(dāng)下的真實(shí)需求。從傳統(tǒng)的數(shù)學(xué)診斷方法來看，采用單一化的求解方式也會因電力系統(tǒng)巨大的規(guī)模性和復(fù)雜性而無形增加其診斷難度。將當(dāng)前的電力運(yùn)行結(jié)構(gòu)視作一個(gè)呈分布式的大系統(tǒng)，集中求解的方式顯然難以得到理想診斷效果，所以只有選用智能化的辦法，才能對電力系統(tǒng)中的故障診斷予以更快更好的解答。

2 智能化診斷方法在電力系統(tǒng)中的運(yùn)用

2.1 基于ES基礎(chǔ)的故障診斷方法

ES又被稱作專家系統(tǒng)，是開發(fā)較早、較為成熟的一種新型人工智能技術(shù)，例如，ES中的解釋模塊可以實(shí)現(xiàn)對知識的推理、應(yīng)用以及解釋結(jié)論，ES作為復(fù)雜的程序系統(tǒng)，其內(nèi)容存儲了豐富的專業(yè)知識與經(jīng)驗(yàn)內(nèi)容，該系統(tǒng)通過對專家決策過程進(jìn)行模擬，從而利用已經(jīng)掌握的專家經(jīng)驗(yàn)知識對復(fù)雜問題予以解決。在專家系統(tǒng)中，由于囊括了眾多的知識表達(dá)方式與不同的研究領(lǐng)域，所以在專業(yè)的技能運(yùn)用方面借助書本理論的融合便可以完成對各種問題的處理定性，與此同時(shí)新的解決手段也被記錄在系統(tǒng)中，從而為知識經(jīng)驗(yàn)的歸納積累創(chuàng)造了有利的條件。ES中的知識表達(dá)形式主要可以分為基于謂詞邏輯、生產(chǎn)規(guī)則、知識模型、框架模式、面對對象等表示法。ES在電力系統(tǒng)故障診斷中的應(yīng)用主要是建立在生產(chǎn)規(guī)則基礎(chǔ)之上的，通過將短路器、保護(hù)設(shè)置的動(dòng)作邏輯與診斷經(jīng)驗(yàn)運(yùn)用邏輯規(guī)則的形式展示出來，再經(jīng)所構(gòu)建起的知識庫對警示信息進(jìn)行推理，并最終得出診斷結(jié)論。

一般來說，在輸電網(wǎng)絡(luò)之中的動(dòng)作邏輯與斷路保護(hù)之間的關(guān)系是較為直觀的，所展示的模塊規(guī)則內(nèi)容等也能夠隨著ES內(nèi)規(guī)則的增加、刪減而變化，由此可見，在不斷修改規(guī)則的背景下，專家系統(tǒng)中的規(guī)則往往可以具備優(yōu)良的時(shí)效性與準(zhǔn)確性，對于一些不能及時(shí)予以處理的故障，也能夠?qū)Ω鶕?jù)符合人類習(xí)慣的結(jié)論對其進(jìn)行解釋。ES常見的推理方法可以分為正向、反向與正反向混合三種方式。其中，正向推理是以原始數(shù)據(jù)為出發(fā)點(diǎn)，并按照專家知識策略對結(jié)論予以推導(dǎo)，例如，當(dāng)電力系統(tǒng)中發(fā)生故障時(shí)通過輸入動(dòng)作保護(hù)與跳閘斷路等信息，從而得出相關(guān)的空間規(guī)則，據(jù)此搜索出故障診斷的結(jié)果，再將匹配規(guī)則歸入到候選的隊(duì)列之中，利用沖突消解來獲取最后的診斷結(jié)果。反向推理則是由假設(shè)出發(fā)尋找出可以支持該理論的證據(jù)，利用目標(biāo)驅(qū)動(dòng)來獲取事實(shí)數(shù)據(jù)。而混合使推論顧名思義即將正向與反向推導(dǎo)相互結(jié)合，從而構(gòu)建出正反混合的診斷模式。因而ES也能夠使得電力系統(tǒng)的診斷與表達(dá)能夠具備更好的層次性、結(jié)構(gòu)性與繼承性。

2.2 建立在ANN及ES基礎(chǔ)上的故障診斷方法

人工神經(jīng)網(wǎng)絡(luò)簡稱為ANN，指的是通過對人類的神經(jīng)系統(tǒng)進(jìn)行模擬，從而實(shí)現(xiàn)數(shù)據(jù)傳輸、信息處理過程的智能技術(shù)。ANN原理同專家系統(tǒng)相比較而言具有明顯不同，首先，人工神經(jīng)網(wǎng)絡(luò)主要通過連接神經(jīng)元間的有向權(quán)重來對電力系統(tǒng)中的隱含問題進(jìn)行處理，而ES專家系統(tǒng)在問題推論上的建立基礎(chǔ)存在著顯著差異。其次，ANN與ES相比在學(xué)習(xí)能力、性能目標(biāo)方面也有著較大區(qū)分，舉例來說，人工神經(jīng)網(wǎng)絡(luò)具備的學(xué)習(xí)能力包含了基本結(jié)構(gòu)、算法學(xué)習(xí)、樣本訓(xùn)練、組織知識等內(nèi)容，ANN具備的泛化能力能夠滿足多樣化的學(xué)習(xí)要求，同時(shí)ANN的自我容錯(cuò)能力也較為突出，即使在輸入帶有干擾噪聲信號的前提下，ANN仍然能夠得出科學(xué)的結(jié)果，同時(shí)，由于神經(jīng)元所具有的獨(dú)立性，也使得ANN在執(zhí)行命令進(jìn)行故障診斷的過程中也能達(dá)到更快的速度?？偨Y(jié)來說，從診斷過程來說，ES為推論過程，ANN為學(xué)習(xí)過程；從數(shù)據(jù)信息的輸入來看，ES為輸入知識，ANN為輸入模式；從運(yùn)算方法來看，ES為啟發(fā)式，運(yùn)用邏輯量或符號，ANN為統(tǒng)計(jì)式，利用數(shù)字量；從數(shù)據(jù)的處理方式來看，ES為串行，ANN為并行；從輸出結(jié)果來看，ES為推論式，ANN為歸納式。

ANN的運(yùn)用并不是無懈可擊的，在對電力系統(tǒng)中的故障進(jìn)行診斷時(shí)人工神經(jīng)網(wǎng)絡(luò)也存在一些問題亟待完善，例如，ANN缺乏電網(wǎng)拓?fù)浣Y(jié)構(gòu)的表達(dá)能力，所以智能化功能的發(fā)揮通常被限定在較小規(guī)模的電網(wǎng)之中，而要制作出能夠滿足更大要求的大型故障診斷處理智能網(wǎng)絡(luò)，則還需要向ANN提供大量具有代表性特征的樣本以供學(xué)習(xí)。再如，ANN在對啟發(fā)性知識進(jìn)行處理的過程中往往能力有所欠缺，缺乏解釋能力也讓ANN的算法速度控制、診斷結(jié)果顯示方面產(chǎn)生瑕疵，對于工作人員來說ANN的診斷過程是“黑箱”，因而也不利于從業(yè)者理解診斷的結(jié)果。endprint

2.3 其他的智能化診斷方法

智能化的診斷方法作為新興領(lǐng)域，現(xiàn)正處于如火如荼的發(fā)展之中，當(dāng)前關(guān)于電力系統(tǒng)故障診斷的智能化辦法還包括了如下內(nèi)容：

（1）petri網(wǎng)絡(luò)。該網(wǎng)絡(luò)的應(yīng)用是基于數(shù)學(xué)模式建立而成的，通過對系統(tǒng)中各個(gè)元件間的關(guān)系架構(gòu)為基礎(chǔ)，從而對系統(tǒng)中同時(shí)、循環(huán)或按次序發(fā)生的活動(dòng)運(yùn)用網(wǎng)絡(luò)予以表示。在輸電網(wǎng)絡(luò)運(yùn)行過程中，當(dāng)各類、各級系統(tǒng)出現(xiàn)故障時(shí)，petri網(wǎng)絡(luò)能夠?qū)收宵c(diǎn)進(jìn)行切除并加以描述，將petri作為工具結(jié)合概率信息加權(quán)表示，從而為建模與診斷提供行之有效的決策辦法，此種方法既滿足快速、簡便的使用效果，同時(shí)也保障了故障概率的信息值形式能夠?yàn)楣ぷ魅藛T帶來具有啟發(fā)式的信息內(nèi)容。

（2）小波分析。該種診斷分析是近年興起的一種時(shí)頻分析辦法，小波分析（如下圖1所示）是在Fourier分析基礎(chǔ)上發(fā)展而來的，對時(shí)頻的局部變化具備良好的適應(yīng)性，并且對信號適應(yīng)也能達(dá)到多尺度“變焦”的分析效果，可以對非平穩(wěn)的信號進(jìn)行良好的處理。小波分析能夠滿足多重分辨的能力，對刻畫信號的局部特性予以清晰辨識，所以利用該類時(shí)頻分析法能夠符合信號探測的需求，也能對瞬態(tài)反常的現(xiàn)象予以展示。將小波分析運(yùn)用在RTU子診斷模塊之中，便可以有效避免因信號干擾而造成的誤診情形，從而大幅提高了故障診斷的準(zhǔn)確程度。

（3）模糊理論。通過將經(jīng)典的集合理論予以模糊化，并引入至近似推理與語言變量的模糊邏輯中，從而構(gòu)建出完整的推理體系，這種理論的建立也更加接近于人們的表達(dá)習(xí)慣。由于電力系統(tǒng)中爆發(fā)的故障問題通常具有分散性特點(diǎn)，因而運(yùn)用模糊理論對電力系統(tǒng)信息進(jìn)行推理，也能更好的解決分布式的故障問題。為了使工作人員便于操作，當(dāng)前已開發(fā)了模糊知識與圖形建模的學(xué)習(xí)平臺與故障信息的專門管理系統(tǒng)，

（4）遺傳算法。對自然界的生物進(jìn)化情況進(jìn)行模擬，從而得出優(yōu)化計(jì)算模型，也能為人們解答復(fù)雜問題提高新的思路。遺傳算法能夠?qū)π畔嬰s、概率較大的問題運(yùn)用最少時(shí)間求出最優(yōu)解，經(jīng)過大量的實(shí)踐測試表明，將此種合理的計(jì)算方法運(yùn)用到電力系統(tǒng)的故障診斷中，也能夠切實(shí)提高診斷的有效性與準(zhǔn)確性。

3 結(jié)語

由于受到氣候環(huán)境、人為干擾等主客觀原因的影響，電力系統(tǒng)中出現(xiàn)故障也是難以徹底避免的，所以做好故障診斷策略研究，尤其是及早查找出故障原因、切斷故障點(diǎn)并恢復(fù)整個(gè)電力系統(tǒng)的正常運(yùn)行也成為從業(yè)人員日益關(guān)注的話題。因此，只有不斷強(qiáng)化智能化診斷方法研究，并將這些有益經(jīng)驗(yàn)積極運(yùn)用到實(shí)踐中去，才能提高電力系統(tǒng)的穩(wěn)定性，進(jìn)而促進(jìn)電力行業(yè)迎來更好的發(fā)展。

參考文獻(xiàn)

[1]曹榮，劉翠娜.淺談電力系統(tǒng)故障診斷中的智能化方法與應(yīng)用[J].信息通信，2013，（09）：133-134.

[2]郭步陽.試論人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用[J].科技創(chuàng)新與應(yīng)用，2015，（34）：206.

[3]趙啟純.人工智能技術(shù)在電力系統(tǒng)故障診斷中的運(yùn)用分析[J].電腦知識與技術(shù)，2017，13（02）：183-185.

[4]饒瑤.電力系統(tǒng)故障診斷的研究現(xiàn)狀與發(fā)展趨勢[J].中國新技術(shù)新產(chǎn)品，2014，（06）：29.endprint