人工智能技術(shù)在電力系統(tǒng)故障診斷中的運用分析

鄭健生

?

人工智能技術(shù)在電力系統(tǒng)故障診斷中的運用分析

鄭健生

（廣東電網(wǎng)責任有限公司惠州供電局，廣東 惠州 516000）

人工智能技術(shù)的發(fā)展使其在很多領域得到了成功應用，特別是故障診斷方面。電力系統(tǒng)是保障人民和企業(yè)生產(chǎn)生活正常運行的重要組成部分。由于電力系統(tǒng)需要適應各種工作環(huán)境，因而電力系統(tǒng)一旦出現(xiàn)故障將會產(chǎn)生嚴重的后果。傳統(tǒng)人工對于電力系統(tǒng)故障檢測既費時又費力。因此，主要介紹了人工智能技術(shù)，然后闡述智能算法模型等主要人工智能技術(shù)在電力系統(tǒng)故障診斷中的應用。

人工智能技術(shù)；電力系統(tǒng)；故障診斷；智能化發(fā)展

信息技術(shù)的發(fā)展推動人民的生活以及企業(yè)的生產(chǎn)制造走向智能化。隨著國家智能電網(wǎng)的全面推進，現(xiàn)代電力系統(tǒng)正在向信息化、智能化發(fā)展，而這其中，人工智能技術(shù)的應用對現(xiàn)代電力系統(tǒng)智能化建設起到了重要的支撐作用。

由于電網(wǎng)與電力系統(tǒng)自身的特點，在運行過程中遇到故障無法及時診斷、恢復電力系統(tǒng)，就會造成不必要的損失。如2006年的歐洲大停電，2008年我國南方的雪災導致的停電以及2011巴西大停電事件。因此，依托日益成熟的人工智能技術(shù)進行快速、可靠的電力系統(tǒng)故障診斷，對及時排除故障、提高供電可靠性、確保電力系統(tǒng)的安全運行具有重要意義。

1 人工智能技術(shù)

人工智能的含義：人工智能是以計算機等硬件設備為依托，通過算法或者編程等計算機語言來讓計算機等設備來模擬人類的思維或者行為。人工智能將涉及的學科很廣，包括計算機編程、計算機數(shù)學、心理學和語言學等。

目前，我國政府對于人工智能的發(fā)展日益重視，例如，2015年國務院頒布了《“互聯(lián)網(wǎng)+”行動指導意見》，其中指出人工智能對于生產(chǎn)生活以及制造業(yè)的重要性，鼓勵企業(yè)和個人努力發(fā)展人工智能技術(shù)，并且加大對人工智能技術(shù)的投入與研發(fā)；2016年國家發(fā)改委等聯(lián)合多個部門發(fā)布了人工智能技術(shù)的發(fā)展策略，充分肯定了人工智能技術(shù)在智能制造的作用與優(yōu)勢，積極引導企業(yè)開展人工智能技術(shù)研究，在全球范圍內(nèi)搶占人工智能的制高點，且鼓勵領頭企業(yè)起到示范和引導的作用。

依托現(xiàn)代化的計算機技術(shù)以及電子技術(shù)而形成的人工智能技術(shù)在電力系統(tǒng)故障診斷中，通過依靠其已有的數(shù)據(jù)庫信息或者構(gòu)建的知識系統(tǒng)庫對電力系統(tǒng)進行故障診斷，同時，通過不斷地學習可以將之前出現(xiàn)的故障記錄下來，進而不斷加強其學習能力和故障的診斷能力，使得人工智能技術(shù)不斷地為提升電力系統(tǒng)的診斷效率服務。

2 人工智能技術(shù)的運用

目前，人工智能技術(shù)不是一項單一的技術(shù)，它是多種技術(shù)綜合或單一運用時的集合總稱?，F(xiàn)代電力系統(tǒng)中的人工智能檢測系統(tǒng)主要依托人工智能的專業(yè)理論知識以及相關(guān)的技術(shù)手段設備來對電力系統(tǒng)中的各種故障進行監(jiān)督、檢測和管理。在電力系統(tǒng)的故障診斷中，主要利用了遺傳算法、模糊理論、人工神經(jīng)網(wǎng)絡、邏輯學、專家系統(tǒng)、決策管理、深度學習等知識或者模型。由于電力系統(tǒng)涉及的人工智能技術(shù)較多，本文主要介紹遺傳算法、模糊理論和人工神經(jīng)網(wǎng)絡在電力系統(tǒng)故障診斷中的運用，這些人工智能技術(shù)可以幫助解決電力系統(tǒng)故障問題，保證電力資源的合理運用，節(jié)省人力、物力等。

2.1 遺傳算法的運用

遺傳算法（Genetic Algorithm）是一類借鑒生物界的進化規(guī)律（適者生存，優(yōu)勝劣汰遺傳機制）演化而來的隨機優(yōu)化搜索方法，其主要特點是直接對結(jié)構(gòu)對象進行操作，不存在求導和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱蔽性和更好的全局尋優(yōu)能力；對電力故障點采用概率化的尋優(yōu)方法，能自動采用故障檢測最優(yōu)方法和指導優(yōu)化空間搜索，自適應地調(diào)整搜索方向，不需要確定的規(guī)則。

基于遺傳算法的函數(shù)尋優(yōu)計算，針對適應度函數(shù)，能實現(xiàn)較快的收斂計算，尋優(yōu)結(jié)果較合理，魯棒性較好。GA是以電力系統(tǒng)的優(yōu)化檢測技術(shù)為基礎，有助于縮短故障檢測時間，提高效率。在基于GA的電力故障檢測優(yōu)化模型研究中，會有故障診斷結(jié)果存在多解的情況，目前，許多學者也根據(jù)GA算法提出了考慮故障信息特征的電網(wǎng)故障診斷模型。

2.2 模糊理論的運用

在以往對電力系統(tǒng)的故障診斷過程中，專家或工程師們難以有效鑒別故障征兆與故障排除間的關(guān)聯(lián)，在電力故障診斷結(jié)果中出現(xiàn)模糊不清的情況。隨著此種模糊理論的完善，能比較容易地將專家或工程師的控制經(jīng)驗融入到控制器中，制造了合理的模糊控制器。

目前，許多電力系統(tǒng)的模糊控制器采用了自適應模糊控制規(guī)則，一個自適應模糊控制器可以由一個單一的自適應模糊系統(tǒng)構(gòu)成，也可以由多個自適應模糊系統(tǒng)構(gòu)成。

與傳統(tǒng)的自適應控制相比，自適應模糊控制的優(yōu)越性在于它可以利用電力系統(tǒng)操作人員提供的語言模糊性信息，對電力系統(tǒng)中故障的高度不確定問題進行處理，這有利于提高故障檢測效率。

2.3 人工神經(jīng)網(wǎng)絡的運用

人工神經(jīng)網(wǎng)絡就是模擬人思維的方式，通過神經(jīng)元之間相互作用的動態(tài)過程來完成信息處理。這是一個非線性動力學系統(tǒng)，其特色在于對電力系統(tǒng)中各種信息的分布式存儲和并行協(xié)同處理，提高故障的排查效率。雖然單個神經(jīng)元的結(jié)構(gòu)極其簡單，功能有限，但大量神經(jīng)元構(gòu)成的網(wǎng)絡系統(tǒng)所能實現(xiàn)的行為卻是極其高效的。Hopfield神經(jīng)網(wǎng)絡模型是一種循環(huán)神經(jīng)網(wǎng)絡，從輸出到輸入有反饋連接。Hopfield神經(jīng)網(wǎng)絡需要判別反饋網(wǎng)絡的穩(wěn)定性，通過狀態(tài)變化實現(xiàn)系統(tǒng)的穩(wěn)定性收斂。Hopfield神經(jīng)網(wǎng)絡模型是一種循環(huán)神經(jīng)網(wǎng)絡，從輸出到輸入有反饋連接。

在輸入的激勵下，會產(chǎn)生狀態(tài)的不斷變化。Hopfield神經(jīng)網(wǎng)絡具有較強的容錯能力、學習能力以及大規(guī)模的處理能力，并且對于電力系統(tǒng)的網(wǎng)絡結(jié)構(gòu)多樣的特點，因此，適合應用到電力系統(tǒng)故障診斷中，主要包括離散或者連續(xù)的Hopfield網(wǎng)絡。其與電力系統(tǒng)專家構(gòu)建的故障檢測知識庫之間的數(shù)據(jù)可以實現(xiàn)雙向連接，在推理故障信息時，Hopfield神經(jīng)網(wǎng)絡從知識庫中獲取相類似的特征信息，對故障的情況進行排查，在排查完成后獲取新的特征的故障信息可以補充到知識庫中的故障信息中，以提高下一次故障排查的檢修效率。

3 結(jié)束語

國家的電網(wǎng)事業(yè)在不斷發(fā)展，電網(wǎng)工程也在不斷壯大，隨之居民和工廠、企業(yè)的用電量也在不斷增加，這對于國家電網(wǎng)事業(yè)是一項新的考驗，是利國利民的好事。通過介紹GA算法、模糊理論依據(jù)人工神經(jīng)網(wǎng)絡等人工智能技術(shù)在電力系統(tǒng)故障診斷中的運用，有助于利用人工智能技術(shù)有效提升電力系統(tǒng)故障診斷效率，并在人工智能領域中實現(xiàn)更大的價值。

［1］馮明佳，孫麗娜.創(chuàng)新創(chuàng)業(yè)背景下人工智能與新工科人才培養(yǎng)模式研究——以機械電子工程專業(yè)為例［J］.科技風，2018（34）：76.

［2］梁純，仇文寧.人工智能技術(shù)在船舶電力系統(tǒng)故障診斷中的應用［J］.艦船科學技術(shù)，2018，40（16）：52-54.

［3］董征宇.Petri網(wǎng)絡技術(shù)在船舶電力系統(tǒng)故障診斷中的應用研究［J］.艦船科學技術(shù)，2017，39（12）：168-170.

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

［5］劉延樂.基于自適應指紋識別的電力系統(tǒng)復雜原發(fā)故障診斷方法［D］.北京：華北電力大學，2014.

2095－6835（2019）02－0136－02

U672

A

10.15913/j.cnki.kjycx.2019.02.136

〔編輯：張思楠〕