關(guān)于人工智能在電力系統(tǒng)中的應用與實踐探討

清遠供電局信息中心 鐘業(yè)榮

隨著國內(nèi)經(jīng)濟的不斷發(fā)展以及科學技術(shù)的不斷進步，當前人工智能技術(shù)開始逐漸應用在電力系統(tǒng)運行過程中，改變了原有的生產(chǎn)模式。人工智能在電力系統(tǒng)中的應用，不僅能有效提升電力系統(tǒng)的工作效率，同時也能夠保證電力系統(tǒng)運行過程中的安全。為保證人工智能技術(shù)能夠發(fā)揮出應有的效果，完善當前電力系統(tǒng)運行過程中存在的不足，有必要對當前人工智能技術(shù)在電力系統(tǒng)中的應用情況進行分析，提升其與電力系統(tǒng)的融合效率。以此保證整個電力系統(tǒng)能夠?qū)崿F(xiàn)優(yōu)化，促使電力行業(yè)實現(xiàn)更好地發(fā)展。

1 人工智能技術(shù)在電力系統(tǒng)中應用的實際作用

能夠簡化電力系統(tǒng)的實際操作流程。人工智能技術(shù)能夠在很大程度上對整個電力系統(tǒng)的操作流程進行簡化，通過對傳統(tǒng)的設(shè)備進行升級和優(yōu)化，將設(shè)備與計算機連接在一起，操作指令通過計算機進行傳輸，能非常明顯的提升設(shè)備控制效率，保證所有的設(shè)備都能夠得到充分利用[1]。使用人工智能技術(shù)還可避免在生產(chǎn)過程中容易出現(xiàn)的各種不必要事件發(fā)生，如人工操作不符合規(guī)則、數(shù)據(jù)不正確等，不僅能夠降低生產(chǎn)風險，還可為系統(tǒng)更加智能化提供一定保障。

能夠智能化的對故障進行檢測。在傳統(tǒng)的故障檢測中一般需使用大量人工，對所有設(shè)備或是設(shè)備的所有零部件進行檢查，花費大量的成本同時也降低了工作的效率。同時，有一些內(nèi)部的構(gòu)造或是部件相對復雜、精密，人工檢查也未必能發(fā)現(xiàn)出現(xiàn)問題的原因，嚴重影響了電力系統(tǒng)的運行[2]。而人工智能的出現(xiàn)能非常有效地解決這些問題，應用人工智能技術(shù)能將設(shè)備在運行中的各項數(shù)據(jù)進行記錄、分析，并可實現(xiàn)與正常運行的數(shù)據(jù)進行對比，進而準確找到故障出現(xiàn)的原因和位置。通過應用人工智能技術(shù)，不僅能在設(shè)備發(fā)生故障時第一時間進行報警，同時也可實施針對性的檢測和維修，大大提升設(shè)備檢查、維修效率。

2 人工智能技術(shù)在電力系統(tǒng)中的具體應用

2.1 專家系統(tǒng)

是有著大量經(jīng)驗、規(guī)則、專業(yè)知識的一種程序系統(tǒng)，其主要是運用某個領(lǐng)域中各位專家提供的經(jīng)驗和知識對發(fā)生的事件進行推理和盤算，并對專家的判斷過程、決策等進行模擬，以此保證能解決相對比較復雜、需要專家進行決策的各種問題。專家系統(tǒng)經(jīng)常使用的規(guī)則就是產(chǎn)生式規(guī)則、也就是IFTHEN規(guī)則，在IF給出的條件或是事實滿足就會執(zhí)行THEN的操作或是結(jié)果。一般專家系統(tǒng)中的規(guī)則是需在已成立的事實基礎(chǔ)上建立而成，依據(jù)規(guī)則進行具體的操作，獲得最終的結(jié)果，并按獲得結(jié)果按照全新的事件情況重新建立起新的規(guī)則[3]。

一個具備良好實用性的專家系統(tǒng)需包括六部分：數(shù)據(jù)庫、知識庫、咨詢解釋、推理機、知識獲取、人機接口。專家系統(tǒng)在診斷輸電網(wǎng)絡(luò)故障中具體應用時，一般是基于產(chǎn)生式的規(guī)則，將保護、斷路器兩個動作及相關(guān)檢測人員的診斷經(jīng)驗通過規(guī)則體現(xiàn)出來，形成一個能夠診斷故障的專家知識庫，然后按照實際的報警內(nèi)容利用知識庫中的知識進行推理，進而獲得最終的故障診斷結(jié)果?；谶@種產(chǎn)生式的診斷故障，一般是按照產(chǎn)生式專家系統(tǒng)實際特點決定的，具體可分為：在輸電網(wǎng)絡(luò)中，保護動作中的邏輯一級保護、斷路器二者之間關(guān)系能用直觀形式和模塊形式的規(guī)則直接表現(xiàn)出來；專家系統(tǒng)可增加、修改或是刪除一些規(guī)則，保證診斷的實時性及有效性；可解決一些不確定的問題；可給出符合實際人類語言的一些結(jié)論，并具備對應的解釋能力[4]。

2.2 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)能夠靈活、有效的進行學習，是具有完全分布式特點的結(jié)構(gòu)，比較適用于一些大規(guī)模、并行的信息處理，對于一些非線性的系統(tǒng)，有著非常強的模式識別能力以及建模能力，可對一些復雜的狀態(tài)或是過程進行識別以及分類。按照具體情況的不同，當前已有很多種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和具體的訓練算法被應用在實際的電力系統(tǒng)中。如應用BP對電力系統(tǒng)的短期負荷情況進行預測，在保證擁有充足訓練樣本的情況下對預測的模型進行有效分類，創(chuàng)建出能適應不同季節(jié)的日預測和周預測模型，并能對輸入的變量進行準確選擇，尤其是在選擇溫度變量時[5]。

此外，應用人工神經(jīng)網(wǎng)絡(luò)以及對元件關(guān)聯(lián)進行分析能診斷電力系統(tǒng)的故障，制定出多種復雜的診斷方法。這種方式主要將電力系統(tǒng)中的元件分成母線、變壓器和線路三種，對每個種類的元件都有特定的ANN處理報警信息，對故障的具體位置進行確定。與ES診斷有著一定不同，ANN主要是通過對現(xiàn)場樣本進行學習和訓練，通過對ANN中的閾值和連接權(quán)進行調(diào)整，保證獲取的知識能通過隱式的方式分布在整個神經(jīng)網(wǎng)絡(luò)上，實現(xiàn)ANN的模式記憶。由此可見ANN具備非常強大的獲取知識能力，可有效對包含噪聲數(shù)據(jù)進行處理，有效彌補了ES中的不足之處。由于神經(jīng)網(wǎng)絡(luò)具備良好的快速處理并行信息能力和分類能力，因此被廣泛應用在電力系統(tǒng)中的監(jiān)測與診斷、實時控制、符合預測以及狀態(tài)評估等多個不同的領(lǐng)域。當前，基于神經(jīng)網(wǎng)絡(luò)的短期或是長期復合預測已成為人工智能在電力系統(tǒng)中作用最大的一種應用形式。

2.3 模糊理論

模糊邏輯可完成使用傳統(tǒng)數(shù)學方法難以達成的近似計算。近年來模糊理論已在電力系統(tǒng)中實現(xiàn)了非常廣泛的應用，并實現(xiàn)了快速發(fā)展，其中包括系統(tǒng)規(guī)劃、潮流計算以及模糊控制等各個方面。如針對負荷的不斷變化、電力生產(chǎn)的不確定性，就可通過模糊值對負荷在實際中的隸屬函數(shù)表示出來，以此保證能建立起電力系統(tǒng)中最優(yōu)潮流模型。在實際故障診斷中，由于故障和具體表現(xiàn)間一般沒有具體的關(guān)系、相對比較模糊，這種模糊特性就是由于問題、表現(xiàn)之間的一種不確定性，同時也來自問題、表現(xiàn)二者之間在概念上的不準確性，因此診斷出來的結(jié)果也必然是模糊的。想要真正解決這種模糊診斷的問題，傳統(tǒng)方式一般是按照專家的實際經(jīng)驗，在問題表現(xiàn)、問題原因之間建立模型關(guān)系矩陣。模糊理論中比較常用的方法就是將各個模糊推理實際規(guī)則產(chǎn)生的各種模糊關(guān)系進行組合或合并[6]。

隨著模糊理論的不斷發(fā)展和完善，模糊理論的優(yōu)勢也開始體現(xiàn)出來：能很好適應一些不確定性問題；模糊知識庫能使用語言變量對專家經(jīng)驗進行描述，更加接近人類的描述習慣；可以獲得一個問題的多個解決方案，并可按照這個不同方案模糊程度高低情況實施優(yōu)先程度的排序工作。當前該理論已被應用到輸配電網(wǎng)絡(luò)故障的診斷工作中，這種診斷擁有的不確定性是由于，對于一些嚴格匹配搜索的專家系統(tǒng)來說非常容易出現(xiàn)一些錯誤的結(jié)果，而在專家系統(tǒng)中融入模糊理論后，就會從精確的推理轉(zhuǎn)變成近似的推理，在一定程度上加大了專家系統(tǒng)自身的容錯性。近年模糊理論在電力系統(tǒng)中的應用獲得了非常好的發(fā)展，具體表現(xiàn)為：通過使用多目標的模糊決策具體方法，開展故障測距、故障類型的識別工作；應用模糊推理對系統(tǒng)負荷情況進行推理，對各類不同用戶根據(jù)不同因素的變化情況進行整理和歸納；構(gòu)建出變壓器的保護原理，對內(nèi)部故障和外部故障進行區(qū)分[7]。

2.4 遺傳算法

遺傳算法是在自然選擇、遺傳機制的基礎(chǔ)上，通過計算機模擬生物進化機制進行的一種尋優(yōu)搜索算法，能在復雜龐大的空間中自適應的進行搜索，找到最優(yōu)或是最準的解法，且算法相對簡單、適應性較強。遺傳算法對于具體求解的問題并沒有限制，也不會涉及到一些求解會涉及到的數(shù)學過程，可實現(xiàn)全局、局部的求解，這也是其較傳統(tǒng)技術(shù)更優(yōu)之處[8]。

遺傳算法能從最優(yōu)的角度對系統(tǒng)故障進行診斷，尤其是一些重復故障存在斷路器誤動作時，能給出基于全局或是局部的最優(yōu)診斷結(jié)果。當前應用遺傳算法出現(xiàn)了“瓶頸期”，主要體現(xiàn)在如何建立起合理的故障診斷模型方面，如能建立出合理有效的模型，不僅能使用遺傳算法將故障診斷問題進行解決，還可應用一些其他的啟發(fā)形式優(yōu)化算法對故障診斷的問題進行解決，如TABU搜索算法。

3 結(jié)語

人工智能技術(shù)在電力系統(tǒng)中的應用已經(jīng)獲得了比較好的發(fā)展，我國相應的研究還處于起步階段，需不斷進行完善。隨著我國電力系統(tǒng)的不斷發(fā)展及系統(tǒng)數(shù)據(jù)的不斷增加，在管理上的難度也在不斷提升，在這種情況下人工智能技術(shù)就擁有了更加廣泛的發(fā)展空間。因此，當前最重要的就是要加強人工智能在電力系統(tǒng)中應用效果，并制定出切實可行的應用策略，以此保證電力系統(tǒng)能更加穩(wěn)定、安全的運行，為電力系統(tǒng)的可持續(xù)發(fā)展提供一定支持。