人工智能在電力系統(tǒng)繼電保護(hù)中的應(yīng)用研究

馬鵬

【摘 要】隨著電網(wǎng)規(guī)模的不斷擴(kuò)大，電網(wǎng)元件受到各方面故障的的影響也越來越多。目前電網(wǎng)故障元件的診斷主要是通過繼電保護(hù)分析和斷路器的動作信息來進(jìn)行故障元件的診斷。但是由于目前電網(wǎng)變得越來越復(fù)雜，故障的原因也變得復(fù)雜多樣，導(dǎo)致繼電保護(hù)和斷路器由于信號發(fā)生畸變而不能正常地診斷出故障元件。為了能夠比較快速和準(zhǔn)確地診斷出電網(wǎng)的故障元件，通過制定電網(wǎng)故障頻率模糊等級表對訓(xùn)練樣本進(jìn)行模糊化處理，并用向量的形式表示出來，得到電網(wǎng)故障元件輸入向量集與電網(wǎng)故障元件的輸出向量集。綜合運用兩種人工智能技術(shù)，人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯理論構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)并結(jié)合繼電保護(hù)動作原理來對復(fù)雜模糊的故障信息進(jìn)行識別效果更佳。

【關(guān)鍵詞】人工神經(jīng)網(wǎng)絡(luò);模糊邏輯理論;人工智能技術(shù)

引言

繼電保護(hù)技術(shù)隨著電力系統(tǒng)的發(fā)展經(jīng)歷了機電型、整流型、晶體管型和集成電路型繼電保護(hù)，以及目前的微機保護(hù)型。然而，隨著電力系統(tǒng)向著智能化方向發(fā)展以及人們對電力系統(tǒng)穩(wěn)定性要求的提高，微機保護(hù)型繼電保護(hù)已經(jīng)無法有效地實現(xiàn)其功能，人工智能技術(shù)順勢而生，開始在繼電保護(hù)中逐漸發(fā)揮作用。

人工智能系統(tǒng)可分為三大類：（1）專家系統(tǒng)。專家系統(tǒng)（ES）是人工智能領(lǐng)域的一個重要分支，其原理是通過對專家某個領(lǐng)域內(nèi)的知識與經(jīng)驗的統(tǒng)計分析，利用智能計算機程序來模擬人類對此領(lǐng)域問題的決策的過程，進(jìn)而解決需要專家決定的復(fù)雜問題。比如故障專家系統(tǒng)能夠根據(jù)人工提供或觀察到的數(shù)據(jù)來推斷出某個對象發(fā)生故障的具體原因。繼電保護(hù)中的專家系統(tǒng)則是針對整個繼電系統(tǒng)的各種保護(hù)的工作原理，制定相對應(yīng)的鑒別規(guī)則、整定規(guī)則、核查規(guī)則、校正規(guī)則等規(guī)則實現(xiàn)繼電保護(hù)設(shè)備的智能調(diào)整與維護(hù)。在繼電保護(hù)中，專家系統(tǒng)知識表達(dá)方式有基于謂詞邏輯的系統(tǒng)、基于過程式知識的系統(tǒng)、基于產(chǎn)生式規(guī)則的系統(tǒng)、基于框架式的系統(tǒng)，以及在這四種表達(dá)法基礎(chǔ)上發(fā)展起來的基于知識模型的系統(tǒng)和基于面向?qū)ο蟮南到y(tǒng)。（2）人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)（ANN）是通過模擬人腦組織結(jié)構(gòu)和人類認(rèn)知過程的信息處理系統(tǒng)。神經(jīng)網(wǎng)絡(luò)采取的是非線性映射的方法，可以有效地解決難以列出方程式或求解復(fù)雜的非線性問題。相比于繼電保護(hù)ES診斷方法，ANN算法可以通過對標(biāo)準(zhǔn)樣本的學(xué)習(xí)，調(diào)整自身的連接權(quán)，將獲得的知識分布在網(wǎng)絡(luò)上實現(xiàn)ANN的記憶模式，具有強大的知識獲取能力。（3）模糊理論。模糊理論突破了經(jīng)典集合中用0和1表示非此即彼的清晰概念，引進(jìn)語言變量和模糊邏輯，利用模糊隸屬度的概念來對不確定事件與現(xiàn)象進(jìn)行描述。模糊識別可以通過對事物的特征進(jìn)行分類和識別，解決了繼電保護(hù)中許多需要較長時間的復(fù)雜運算來進(jìn)行故障診斷的問題，提高了繼電保護(hù)故障診斷的效率。

1繼電保護(hù)中人工智能技術(shù)的應(yīng)用

人工神經(jīng)網(wǎng)絡(luò)在繼電保護(hù)中多用于故障類型的判別、故障距離的測定、方向保護(hù)和主設(shè)備保護(hù)等方面。比如，對高壓輸電線的方向保護(hù)，利用BP模型作為方向保護(hù)的方向判別元件，該元件可以準(zhǔn)確、快速的判別出故障的方向;對電流的保護(hù)上，利用人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和模式識別能力，可以有效地對電力系統(tǒng)中的故障情況做出識別，使電流對正方向的故障進(jìn)行保護(hù)，對反方向故障采取閉鎖反應(yīng)，實現(xiàn)了電流的自適應(yīng)，提高了電流的靈敏度。另外，人工神經(jīng)網(wǎng)絡(luò)還通常與專家系統(tǒng)結(jié)合使用來進(jìn)行對電力系統(tǒng)故障的診斷。在ANN和ES結(jié)合運用中，建立的ANN模式可以對母線、線路和變壓器進(jìn)行診斷，模型的核心是母件元件和線路，輸入量為元件周圍的保護(hù)信息和跳閘信息，輸出量是被診斷元件的狀態(tài);同時，輸入量采用的是ES精煉過的被診斷元件周邊實時信息的幾個特征量，用故障樣本對ANN進(jìn)行訓(xùn)練，就可以讓ANN模型獲得故障診斷的知識。這種方式可以適用于電力系統(tǒng)所有元件的故障診斷，同時對電力系統(tǒng)故障診斷專家系統(tǒng)具有重要意義。模糊理論在繼電保護(hù)中主要應(yīng)用于主變保護(hù)、線路保護(hù)和發(fā)電機保護(hù)等幾個方面。小波分析在繼電保護(hù)中的主要應(yīng)用在與電流、電壓相關(guān)的故障診斷方面，通常需要與其他方法結(jié)合使用[1]。文獻(xiàn)[2]提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的模糊控制器綜合優(yōu)化設(shè)計方法。首先建立一個僅含四條模糊控制規(guī)則的通用模糊控制系統(tǒng)，以減少和避免對經(jīng)驗的依賴;然后，針對通用控制系統(tǒng)提出相應(yīng)的模糊神經(jīng)網(wǎng)絡(luò)的構(gòu)造方法，并在神經(jīng)網(wǎng)絡(luò)的權(quán)值和閥值與模糊系統(tǒng)的主要調(diào)整參數(shù)間建立一一對應(yīng)的關(guān)系;最后，利用單純形直接尋優(yōu)法實現(xiàn)對隸屬函數(shù)、模糊控制規(guī)則、模糊邏輯運算和比例因子的綜合優(yōu)化整定。該方法特點在于不僅實現(xiàn)了通用模糊控制系統(tǒng)和神經(jīng)網(wǎng)絡(luò)之間的知識和信息轉(zhuǎn)換，并且使學(xué)習(xí)后模糊神經(jīng)網(wǎng)絡(luò)內(nèi)部權(quán)值和閥值的變化可以參照模糊系統(tǒng)來進(jìn)行解釋，易于理解;此外此方法還具有很強的實時性，實現(xiàn)了對影響模糊控制器控制品質(zhì)的諸因素的綜合調(diào)整，有效地提高了模糊控制器的控制品質(zhì)。文獻(xiàn)[3]針對遺傳算法耗時過多的缺點，提出了在最優(yōu)化過程中引進(jìn)兩種模糊邏輯控制器以自動修改交叉與突變率，進(jìn)而加速交叉與突變過程、提高算法的收斂速度的遺傳模糊算法（FCGA）。該算法不僅加快了傳統(tǒng)遺傳算法搜索過程的速度，而且提高了發(fā)送和負(fù)荷調(diào)度的精度，文獻(xiàn)[4]即為一例，其利用辯識的最小二乘法原理，采用模糊語義表示，將泄漏電流、電介質(zhì)損耗、吸收比和絕緣電阻與歷年相比的變化率作為輸入，根據(jù)規(guī)則和相應(yīng)的隸屬函數(shù)進(jìn)行量化處理，形成輸入模糊矩陣x，同時將變壓器的絕緣狀況分為三種類型：合格、有問題、不合格，進(jìn)行量化處理形成輸出模糊矩陣y;然后利用積累的經(jīng)驗數(shù)據(jù)作為擴(kuò)展的模糊輸入、輸出矩陣，再運用最小二乘法原理通過迭代的方法得到關(guān)系矩陣R，從而可以通過關(guān)系矩陣對新的試驗數(shù)據(jù)進(jìn)行分析判斷。文獻(xiàn)[5]提出了一種基于模糊集理論的多判據(jù)算法，它將傳統(tǒng)的數(shù)字式繼電保護(hù)的各種判據(jù)通過模糊處理后分別賦予一隸屬度函數(shù)，再根據(jù)實際電參數(shù)的測量計算從而確定各種判據(jù)的隸屬度，經(jīng)模糊運算后由模糊決策系統(tǒng)確定變壓器的運行工況并發(fā)出動作指令。

2結(jié)論與總結(jié)

當(dāng)前各種電網(wǎng)的故障研宄層出不窮，對于電網(wǎng)故障的診斷技術(shù)也逐步完善。本文通過對電網(wǎng)故障元件診斷的研究，發(fā)現(xiàn)了目前想要單獨運用某種理論或者技術(shù)來對電網(wǎng)元件的故障進(jìn)行診斷較為困難。在診斷復(fù)雜不確定的故障時，綜合運用人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯理論構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)并結(jié)合繼電保護(hù)動作原理來對復(fù)雜模糊的故障信息進(jìn)行識別效果更佳。

參考文獻(xiàn)：

[1]劉力豐，高中德等.電力系統(tǒng)繼電保護(hù)設(shè)計專家系統(tǒng)的模糊知識處理.電力系統(tǒng)自動化，2007，21（6）：34-38

[2]高峰，秦翼鴻.基于模糊神經(jīng)網(wǎng)絡(luò)的模糊控制器綜合優(yōu)化設(shè)計.電力系統(tǒng)自動化，1996，20（7）：9-12

[3]王平洋，王廣生等.加快遺傳模糊算法的搜索過程.電網(wǎng)技術(shù)，2000. 23（5）：3-7

[4]徐文，王大忠等 . 模糊辯識在電力設(shè)備故障診斷中的應(yīng)用.電力系統(tǒng)自動化，1996，20（3）：45-49

[5]Wiszniewski A，Kasztenny B. A M ulti - crite ria Differential T ransfo rmer Relay Based - o n Fuzzy Log ic. IEEE Trans on Po wer Deliv ery，2005，10（4）：1786 -1792

[6]徐文等.結(jié)合遺傳算法的人工神經(jīng)網(wǎng)絡(luò)在電力變壓器故障診斷中的應(yīng)用.中國電機工程學(xué)報，2005，17（2）：109-111