新一代人工智能在電力系統(tǒng)故障分析及定位中的研究綜述

常榮 黃漣漪 鄧益勇

摘 要：隨著我國(guó)科學(xué)技術(shù)與社會(huì)經(jīng)濟(jì)的日益發(fā)展，電力系統(tǒng)發(fā)展極為迅猛。與此同時(shí)，隨著電力系統(tǒng)功能越發(fā)全面，很多潛藏在電力系統(tǒng)中復(fù)雜性故障問題以及多樣化建模問題也逐漸凸顯。而在電力系統(tǒng)故障分析環(huán)節(jié)，人工智能技術(shù)具備得天獨(dú)厚的優(yōu)勢(shì)與作用?；诖?，本文深度分析在電力系統(tǒng)故障分析與故障定位環(huán)節(jié)引入人工智能技術(shù)的難點(diǎn)，并且提出相應(yīng)的優(yōu)化策略，供廣大相關(guān)從業(yè)人員參考。

關(guān)鍵詞：故障分析;故障定位;人工智能技術(shù);電力系統(tǒng)

引言：新時(shí)期背景下，智能電網(wǎng)技術(shù)逐漸走向成熟，電力系統(tǒng)功能越發(fā)全面。而隨著近些年人工智能技術(shù)以及數(shù)據(jù)驅(qū)動(dòng)技術(shù)的應(yīng)用與研究日漸深入，在數(shù)據(jù)驅(qū)動(dòng)應(yīng)用領(lǐng)域擁有廣泛的應(yīng)用空間，性能也有所提升。在電力系統(tǒng)故障分析與故障定位環(huán)節(jié)合理引入新一代人工智能技術(shù)，可以對(duì)故障問題展開有效識(shí)別、科學(xué)測(cè)距以及科學(xué)定位，并且結(jié)合系統(tǒng)實(shí)際需求，選擇各種優(yōu)質(zhì)應(yīng)對(duì)模式，從而取得良好的應(yīng)用成效。綜上所述，新時(shí)期背景下，新一代人工智能技術(shù)可以對(duì)電力系統(tǒng)故障展開科學(xué)分析、精準(zhǔn)定位與深度研究，顯著提升電力系統(tǒng)故障排查效率。

1在電力系統(tǒng)當(dāng)中應(yīng)用新一代人工智能技術(shù)的難點(diǎn)

新時(shí)期背景下，主要借助識(shí)別電力線方式、識(shí)別電力設(shè)備故障方式以及故障測(cè)距方式、故障定位方式對(duì)電力系統(tǒng)當(dāng)中的故障問題展開深度分析與科學(xué)定位。智能電網(wǎng)技術(shù)逐漸走向成熟，電力系統(tǒng)功能有越發(fā)全面，涉及范圍廣泛，內(nèi)部結(jié)構(gòu)相比以往更為復(fù)雜，電力系統(tǒng)也逐漸呈現(xiàn)電子化發(fā)展趨勢(shì)。在此形勢(shì)下，電力系統(tǒng)故障問題類型越發(fā)多元，對(duì)系統(tǒng)故障問題展開深度分析，需要涉及到多個(gè)領(lǐng)域、多個(gè)專業(yè)。首先，傳統(tǒng)電力系統(tǒng)主要以地方電網(wǎng)以及干路為主。而隨著直流鏈絡(luò)日漸引入，在網(wǎng)絡(luò)供電方面、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)方面發(fā)生不同程度轉(zhuǎn)變，在故障定位性能與故障分析性能方面，存在巨大差距。而新一代人工智能技術(shù)具備監(jiān)測(cè)學(xué)習(xí)功能，搭配概率理論等高效分析方法，可以科學(xué)處理、科學(xué)應(yīng)對(duì)各種復(fù)雜性問題以及不確定性問題，以更加精準(zhǔn)、更加高效的方式描述故障特點(diǎn)，從而起到顯著提升故障排查效率的目標(biāo)。其次，針對(duì)電力系統(tǒng)開展故障分析與故障定位，需要對(duì)故障類型展開精準(zhǔn)分類與科學(xué)判斷。由于電力系統(tǒng)結(jié)構(gòu)越發(fā)復(fù)雜，物理模型精度有所提升，在缺乏精準(zhǔn)模型的情況下，對(duì)算法模型開展故障診斷與故障分析，難度較大。在算法模式分析環(huán)節(jié)，需要滿足多重需求，導(dǎo)致鑒定結(jié)果精準(zhǔn)度不足，在此形勢(shì)下，科學(xué)引入、科學(xué)應(yīng)用新一代人工智能技術(shù)，可以顯著提升數(shù)據(jù)與信息的精準(zhǔn)性，有效規(guī)避人工設(shè)計(jì)所導(dǎo)致的誤差，有效解決類似方案問題，通常用于故障定位以及故障類型識(shí)別環(huán)節(jié)[1]。

2人工智能故障分析與故障定位分析

新一代人工智能技術(shù)設(shè)備主要有深度置信網(wǎng)絡(luò)以及堆棧自編碼器等構(gòu)成，在故障定位與故障分析環(huán)節(jié)，可以將研究性問題順利完成問題歸類與問題總結(jié)。構(gòu)建與之相應(yīng)模型故障預(yù)測(cè)，是指在故障發(fā)生后，可以精準(zhǔn)掌握故障信息找到故障具體位置，最大限度提升故障檢修效率，減少電力系統(tǒng)檢修時(shí)間，以此確保系統(tǒng)可以盡快恢復(fù)正常運(yùn)轉(zhuǎn)，構(gòu)建更加完善的系統(tǒng)回歸模式。發(fā)揮直流線特性優(yōu)勢(shì)，對(duì)故障展開深度探索，借助離散小波轉(zhuǎn)換得出設(shè)備內(nèi)部故障的精確位置。而隨著線路長(zhǎng)度的逐漸增長(zhǎng)，內(nèi)部結(jié)構(gòu)也越發(fā)復(fù)雜，配電網(wǎng)與輸電網(wǎng)的測(cè)距方式更加相似。而故障定位是指故障問題發(fā)生后，結(jié)合故障特性對(duì)故障具體位置展開科學(xué)判斷。例如：構(gòu)建遷移學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)，可以精準(zhǔn)判斷直流電系統(tǒng)故障具體位置。在配電電路當(dāng)中，經(jīng)?？梢越柚搪饭收贤瓿晒收戏治觯ㄟ^不同配電母線完成測(cè)量，從而顯著提升故障判斷精準(zhǔn)度，為故障排查工作提供精準(zhǔn)的數(shù)據(jù)與信息支持，這也是故障隱患排查工作的核心參考依據(jù)。

3在電力系統(tǒng)故障分析環(huán)節(jié)與故障定位環(huán)節(jié)引入新一代人工智能技術(shù)的實(shí)踐策略

近些年，隨著人工智能技術(shù)日益發(fā)展以及在數(shù)據(jù)驅(qū)動(dòng)、數(shù)據(jù)應(yīng)用領(lǐng)域的應(yīng)用，與數(shù)據(jù)驅(qū)動(dòng)以及數(shù)據(jù)應(yīng)用系統(tǒng)的性能契合度隨之提升。人工智能技術(shù)主要可以分為回歸方式與分類方式，對(duì)電力系統(tǒng)故障展開科學(xué)分析與精準(zhǔn)定位，發(fā)揮自身在數(shù)據(jù)分析與數(shù)據(jù)整合環(huán)節(jié)當(dāng)中優(yōu)勢(shì)與作用，與5G通信技術(shù)、物聯(lián)網(wǎng)技術(shù)、云計(jì)算技術(shù)、大數(shù)據(jù)技術(shù)有機(jī)融合，共同為電力系統(tǒng)故障分析工作、故障定位工作以及故障排查工作提供助力。需要注意的是，雖然人工智能技術(shù)在電力系統(tǒng)故障分析與故障定位環(huán)節(jié)具有先天優(yōu)勢(shì)，但目前在人工智能技術(shù)與電力系統(tǒng)故障分析工作與故障定位工作融合環(huán)節(jié)，仍然存在些許問題，有待改善。具體措施如下：

3.1科學(xué)解決小樣本問題

雖然新時(shí)期背景下，可應(yīng)用于電力系統(tǒng)故障分析與故障定位環(huán)節(jié)當(dāng)中的數(shù)據(jù)信息種類繁多，但多數(shù)數(shù)據(jù)處于正常運(yùn)轉(zhuǎn)狀態(tài)，真正有效的數(shù)據(jù)可謂是少之又少，模型訓(xùn)練樣本也略顯缺失。為有效改善定位樣品問題及故障分析問題，應(yīng)當(dāng)加強(qiáng)訓(xùn)練樣品規(guī)模以及模型遷移規(guī)模，構(gòu)建更加完善的數(shù)據(jù)挖掘模型，對(duì)各個(gè)關(guān)鍵節(jié)點(diǎn)的模型開展科學(xué)優(yōu)化與調(diào)整，從而顯著提升網(wǎng)絡(luò)培訓(xùn)工作效率以及故障數(shù)據(jù)利用率。除此之外，拓寬樣品收集范圍也是一種極為優(yōu)質(zhì)的解決措施，可以對(duì)與物理模型相近的故障樣品開展整合，有效拓寬樣本涉及范圍。結(jié)合機(jī)器學(xué)習(xí)模型，可以有效縮小食物與樣本之間的差距，從而起到良好的模型訓(xùn)練目標(biāo)，構(gòu)建更加完善的線路故障樣本，從而對(duì)線路故障問題開展科學(xué)預(yù)測(cè)、科學(xué)測(cè)距，顯著提升數(shù)據(jù)信息利用率。除此之外，隨著人工智能技術(shù)日益發(fā)展，人工智能技術(shù)逐漸朝向?qū)W習(xí)領(lǐng)域以及科技領(lǐng)域推進(jìn)，同時(shí)電力系統(tǒng)引入大數(shù)據(jù)技術(shù)，也為電力系統(tǒng)故障分析工作以及小樣本定位工作提供更加精準(zhǔn)的數(shù)據(jù)與信息[2]。

3.2顯著提升計(jì)算效率

機(jī)器學(xué)習(xí)模型主要可以分為兩大階段應(yīng)用流程，即訓(xùn)練模型與應(yīng)用模型。在模型訓(xùn)練環(huán)節(jié)，主要以標(biāo)注數(shù)據(jù)為基礎(chǔ)探索互聯(lián)網(wǎng)參數(shù)環(huán)節(jié)耗時(shí)更長(zhǎng)，而機(jī)器學(xué)習(xí)模型使用階段，只需對(duì)培訓(xùn)模型輸入定量信息展開科學(xué)計(jì)算，相較于訓(xùn)練階段而言，使用階段的用時(shí)更短、效率更高。與此同時(shí)，遷移學(xué)習(xí)的微調(diào)網(wǎng)也是一種極為優(yōu)質(zhì)、極為高效的計(jì)算方式。在網(wǎng)絡(luò)訓(xùn)練逐漸深入的背景下，結(jié)合故障分析情況以及具體定位情況，科學(xué)更新互聯(lián)網(wǎng)參數(shù)，從而實(shí)現(xiàn)對(duì)電力系統(tǒng)當(dāng)中的故障展開科學(xué)判斷與故障排查。無論采用以上哪種方式，縮短模型使用時(shí)間與培訓(xùn)時(shí)間都需要得到新一代人工智能技術(shù)助力與加持，方可顯著提升計(jì)算率，為電力系統(tǒng)故障分析工作與故障定位工作提供助力。

結(jié)語：

總而言之，新時(shí)期背景下，在電力系統(tǒng)故障分析與故障定位環(huán)節(jié)，通過科學(xué)解決小樣本問題、顯著提升計(jì)算效率等方式合理引入新一代人工智能技術(shù)?？梢燥@著提升故障分析效率、故障定位效率，對(duì)電力系統(tǒng)故障排查工作奠定堅(jiān)實(shí)而穩(wěn)固的基礎(chǔ)，因此需要得到相關(guān)從業(yè)人員的高度重視有廣泛關(guān)注。

參考文獻(xiàn)：

[1]杜慧珺，雷現(xiàn)惠，周佳，等. 基于互聯(lián)網(wǎng)技術(shù)的智能電力監(jiān)控系統(tǒng)研究——以泰山景區(qū)電力系統(tǒng)為例[J]. 信息記錄材料，2020，21（10）：185-186.

[2]陳熙. 能源互聯(lián)網(wǎng)背景下人工智能在電力通信網(wǎng)中的應(yīng)用探析[J]. 電力信息與通信技術(shù)，2021，19（9）：45-50.