人工智能在電力系統(tǒng)故障診斷中的應(yīng)用探索

摘要：近年來，隨著社會和經(jīng)濟(jì)快速發(fā)展，移動儲能設(shè)施、分布式光伏、虛擬電廠等技術(shù)蓬勃發(fā)展，在能源電力系統(tǒng)中應(yīng)用十分普遍。當(dāng)前，電力系統(tǒng)規(guī)模愈發(fā)龐雜，同時電動汽車、屋頂光伏、電采暖等新設(shè)備的大規(guī)模接入也為電力企業(yè)做好供電保障工作帶來巨大的壓力和難度。為適應(yīng)各類新技術(shù)、新設(shè)備以及多元負(fù)荷的大規(guī)模接入，滿足人們生產(chǎn)和生活的需要，構(gòu)建智能電網(wǎng)，確保電網(wǎng)安全穩(wěn)定運(yùn)行， 研究探索人工智能在電力系統(tǒng)故障診斷中的應(yīng)用將具有十分重要的意義。本文主要探討人工智能技術(shù)在電力系統(tǒng)故障診斷領(lǐng)域的應(yīng)用發(fā)展情況，分析比較幾種不同智能診斷技術(shù)方案的特點(diǎn)和優(yōu)勢，并對電力系統(tǒng)故障智能診斷與處理技術(shù)的發(fā)展做出了展望。

關(guān)鍵詞：人工智能；電力系統(tǒng)；故障診斷

一、人工智能技術(shù)電力系統(tǒng)故障診斷中的應(yīng)用現(xiàn)狀

現(xiàn)階段，將人工智能和電力系統(tǒng)融合，把人工智能運(yùn)用于電力系統(tǒng)故障診斷，其主要的方法有兩種：專家系統(tǒng)方法和神經(jīng)網(wǎng)絡(luò)方法。專家系統(tǒng)法的優(yōu)點(diǎn)是能夠處理不確定信息、知識和推理問題，具有一定的理論基礎(chǔ)和知識水平，但其應(yīng)用范圍小、不穩(wěn)定，只適用于簡單系統(tǒng)。而神經(jīng)網(wǎng)絡(luò)方法有強(qiáng)大的學(xué)習(xí)功能，可對不確定信息進(jìn)行識別、分類、預(yù)測和處理。

電力系統(tǒng)故障診斷專家系統(tǒng)就是用人工智能方法對電力系統(tǒng)的運(yùn)行狀況進(jìn)行分析，建立數(shù)學(xué)模型并計算出故障發(fā)生的可能性大小及相應(yīng)的故障等級，并根據(jù)已有的知識和經(jīng)驗(yàn)作出故障判斷，從而達(dá)到解決或處理實(shí)際問題的目的。電力系統(tǒng)故障診斷專家系統(tǒng)的結(jié)構(gòu)主要由以下五個部分組成：

（1）故障信息的采集，主要由能夠獲得各種參數(shù)的測量儀器（如繼電保護(hù)、自動化裝置、高壓直流輸電、微機(jī)保護(hù)和監(jiān)控裝置等）完成。

（2）建立數(shù)學(xué)模型，包括：故障區(qū)域定位、故障元件識別、故障類型和程度識別、設(shè)備參數(shù)變化趨勢分析等模型。

（3）根據(jù)已經(jīng)獲取的數(shù)據(jù)或信息進(jìn)行分析與推理，根據(jù)推理結(jié)果及專家的知識作出故障診斷。

（4）對診斷結(jié)果進(jìn)行解釋，并記錄診斷過程。

（5）知識庫管理。

目前，專家系統(tǒng)在電力系統(tǒng)故障診斷中的應(yīng)用已相當(dāng)成熟，其特點(diǎn)主要表現(xiàn)在以下八個方面：

（1）故障診斷的智能化，在診斷過程中采用人工智能技術(shù)，具有很強(qiáng)的分析能力。

（2）對診斷結(jié)果的解釋和推理過程具有較強(qiáng)的保密性。

（3）能處理復(fù)雜的故障情況，其診斷結(jié)果可能是不準(zhǔn)確或錯誤。

（4）具有故障自動識別功能，可以自動判斷故障發(fā)生區(qū)域，并能準(zhǔn)確定位故障元件。

（5）可提高系統(tǒng)運(yùn)行維護(hù)水平和工作效率。

（6）能實(shí)時監(jiān)控電力系統(tǒng)的運(yùn)行狀況，并可根據(jù)出現(xiàn)的異常情況及時做出相應(yīng)處理措施，減少故障給電力系統(tǒng)帶來的損失。

（7）具有良好的人機(jī)界面，友好，便于對用戶進(jìn)行培訓(xùn)和使用。

（8）具有知識數(shù)據(jù)庫管理功能，可存儲各種專家經(jīng)驗(yàn)知識等數(shù)據(jù)信息。

二、基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷

模糊神經(jīng)網(wǎng)絡(luò)是一種全新的智能故障診斷方法，其將模糊數(shù)學(xué)、神經(jīng)網(wǎng)絡(luò)技術(shù)、遺傳算法和計算機(jī)科學(xué)結(jié)合在一起，在沒有足夠?qū)＜抑R的情況下，僅憑借專家知識對系統(tǒng)進(jìn)行建模，利用計算機(jī)強(qiáng)大的計算能力來實(shí)現(xiàn)智能診斷。它具有模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)各自的優(yōu)點(diǎn)，尤其是模糊神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的學(xué)習(xí)能力。

以專家系統(tǒng)為基礎(chǔ)的模糊神經(jīng)網(wǎng)絡(luò)在診斷過程中，并不需要得到被控設(shè)備的精確機(jī)理模型，只需要利用被控設(shè)備所提供的大量參數(shù)和運(yùn)行記錄信息就可以對被控設(shè)備進(jìn)行模糊化處理，從而建立模糊規(guī)則。在此過程中，并不需要事先知道被控對象的機(jī)理模型，只需對大量的樣本數(shù)據(jù)進(jìn)行分析處理。目前，基于專家系統(tǒng)和模糊神經(jīng)網(wǎng)絡(luò)的診斷方法已經(jīng)成為故障診斷的主流，大多數(shù)方法都是結(jié)合兩種方法的優(yōu)點(diǎn)對其進(jìn)行改進(jìn)。

模糊神經(jīng)網(wǎng)絡(luò)技術(shù)通過利用多個隸屬度函數(shù)對輸入變量進(jìn)行分類，通過訓(xùn)練建立網(wǎng)絡(luò)的連接權(quán)值矩陣，并利用神經(jīng)網(wǎng)絡(luò)所具有的并行處理功能和記憶能力進(jìn)行多變量數(shù)據(jù)預(yù)測。

三、基于證據(jù)理論的電力系統(tǒng)故障綜合診斷

基于證據(jù)理論的電力系統(tǒng)故障綜合診斷方法，是基于證據(jù)理論的人工智能技術(shù)和電力系統(tǒng)故障診斷技術(shù)相結(jié)合而產(chǎn)生的一種新型智能診斷方法。該方法利用證據(jù)理論對不同數(shù)據(jù)進(jìn)行分析處理，提出了相應(yīng)的改進(jìn)算法，從而可有效解決目前傳統(tǒng)方法存在的問題。 證據(jù)理論是一種處理不確定信息和不精確信息的新技術(shù)，它利用不同特征量之間相互依賴關(guān)系或沖突性來表示一個知識和它的某些屬性之間是否存在某種對應(yīng)關(guān)系。這種知識可以通過觀察、推理或試驗(yàn)獲得，因此，能克服傳統(tǒng)基于統(tǒng)計方法、模糊理論等方法只能對單值問題進(jìn)行處理以及因果關(guān)系難以確定等缺點(diǎn)。

（一）基本概率分配函數(shù)的構(gòu)造

在基于證據(jù)理論的電力系統(tǒng)故障綜合診斷中，基本概率分配函數(shù)的構(gòu)造是整個診斷過程中關(guān)鍵的一步。證據(jù)理論將產(chǎn)生式規(guī)則作為基本概率分配函數(shù)（public-distribution function， PDF）的基本公式，該公式包含不確定性信息的處理，其本質(zhì)是一種概率計算公式， PDF包括四個基本要素、信源、證據(jù)、表示不確定性的概率值和各個證據(jù)之間相互支持度的計算公式。

證據(jù)間的相互支持度是一種包含兩個信息的函數(shù)，它表達(dá)了各信源所提供的證據(jù)在組合中所占比例，其中每個證據(jù)所占比例都可以用信源數(shù)據(jù)或信源位置來表示。

信源數(shù)據(jù)和信源位置所占比例可以通過計算得到，而所提供的每一種信息在組合中所占比例則可以通過概率計算公式得到。

1.合成規(guī)則的生成

合成規(guī)則的生成方法有多種，其中基于證據(jù)理論的合成規(guī)則生成方法是基于基本概率分配函數(shù)的，其中得到?jīng)Q策函數(shù)的主要步驟如下：

（1）選取基礎(chǔ)信息中最具代表性的特征屬性值作為決策函數(shù)元素。

（2）對數(shù)據(jù)樣本進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化后的數(shù)據(jù)，作為該決策函數(shù)元素。

（3）以各基本概率分配函數(shù)與標(biāo)準(zhǔn)化后數(shù)據(jù)相乘為基礎(chǔ)信息元素，對原始決策函數(shù)進(jìn)行修正并作為最終決策。

（4）按照以上步驟繼續(xù)合成其他基本概率分配函數(shù)。

由此得出三個決策函數(shù)：

D_b={b₁，b₂， b_m}; D_a={a₁，a₂， a_m}; D_b={a₁， a_m}

2.證據(jù)權(quán)重的確定

當(dāng)基于證據(jù)理論的電力系統(tǒng)故障綜合診斷方法應(yīng)用于電力系統(tǒng)運(yùn)行數(shù)據(jù)時，必須解決如何確定證據(jù)權(quán)重的問題。證據(jù)權(quán)重決定了被專家解釋的可信度，對專家解釋可信度的大小有很大影響。目前常用的方法有主觀賦權(quán)法、客觀賦權(quán)法和模糊數(shù)學(xué)方法，這幾種方法在一定程度上能減少不確定性并增強(qiáng)可信度，但對解決實(shí)際問題則往往存在一定缺陷。

主觀賦權(quán)法是利用被專家打分函數(shù)確定專家在所給特征間對該特征的重要性程度。客觀賦權(quán)法是指通過一些定量的手段來描述多個證據(jù)之間關(guān)系和權(quán)重分配，即用定量的數(shù)據(jù)來描述指標(biāo)之間的關(guān)系或權(quán)重分配問題，其優(yōu)點(diǎn)是可操作性較強(qiáng)，但缺點(diǎn)是缺乏說服力。

（二）基本可信度分配函數(shù)的計算及證據(jù)合成規(guī)則

基本可信度分配函數(shù)計算是基于證據(jù)理論的電力系統(tǒng)故障綜合診斷的核心，主要是針對不同故障類型，采用不同的計算方法獲得。本文采用基于概率論的積分函數(shù)法和基于統(tǒng)計理論的最小二乘法來進(jìn)行基本可信度分配函數(shù)的計算。積分函數(shù)法是一種利用證據(jù)之間差異程度來評價證據(jù)可信度的方法，它是一種通用的合成證據(jù)理論方法。該方法可以給出每一種故障類型對應(yīng)于相應(yīng)概率分配函數(shù)中不同證據(jù)的分布概率，在應(yīng)用時只需根據(jù)不同故障類型分別求出其對應(yīng)的概率分布，再將所有故障類型對應(yīng)于相應(yīng)概率分布中的基本概率分配函數(shù)進(jìn)行合成，最后根據(jù)合成結(jié)果判斷該故障類型所對應(yīng)的故障原因。

四、專家系統(tǒng)技術(shù)

專家系統(tǒng)技術(shù)是將某一領(lǐng)域的專家或具有豐富經(jīng)驗(yàn)的工程技術(shù)人員通過科學(xué)程序設(shè)計，用計算機(jī)來模擬這些專家進(jìn)行決策。這種軟件系統(tǒng)能以一定的形式表達(dá)知識，可利用人類專家解決問題的思維過程和經(jīng)驗(yàn)知識，在不需要大量試驗(yàn)或?qū)嵺`過程中就能進(jìn)行推理和決策。用人工智能技術(shù)開發(fā)專家系統(tǒng)有三種形式：用于解決復(fù)雜工程問題的系統(tǒng)，用于解決特定領(lǐng)域問題的專家系統(tǒng)，用于描述具體應(yīng)用領(lǐng)域（如天氣預(yù)報）的專用軟件系統(tǒng)。

（一）產(chǎn)生式

專家系統(tǒng)的產(chǎn)生式知識表示方法包括兩種。

1.自然語言表示法

自然語言表示法是基于專家經(jīng)驗(yàn)和知識的形式。在這種表示方法中，一個概念（或知識）用一個符號代替。例如：“治療”用一個“患”字代替，“大鼠”來代替，這樣就可以用一串符號代表一個概念，自然語言產(chǎn)生式就可以用一串符號來實(shí)現(xiàn)。例如：“治療大鼠”是說某一個概念或知識能解決有關(guān)大鼠的問題。另外一種表示方法是以規(guī)則庫來實(shí)現(xiàn)的，這種表示方法又分為兩種：基于規(guī)則的和基于產(chǎn)生式規(guī)則的。

2.模糊集與模糊矩陣表示法

模糊集與模糊矩陣表示法是指把問題中所有相關(guān)因素都視為由其概率函數(shù)決定的對象。這種表示方法用模糊集合來定義不確定性的水平，將其與矩陣相結(jié)合來建立專家系統(tǒng)產(chǎn)生式。

基于產(chǎn)生式規(guī)則的產(chǎn)生式知識表示方法是基于知識的產(chǎn)生式（knowledge based execution），它已有窮狀態(tài)自動機(jī)原理為基礎(chǔ)，充分利用了專家經(jīng)驗(yàn)和知識，這種方法比較容易掌握且學(xué)習(xí)速度快，因此它是專家系統(tǒng)最常用的知識表示方法。

基于模糊集與模糊矩陣的產(chǎn)生式表示方法是基于規(guī)則的產(chǎn)生式（knowledge based execution）。這種表示法包含兩種方法：模糊集合描述法和模糊矩陣描述法。

（1）過程式。過程式專家系統(tǒng)是用人類解決問題的思維過程來描述專家知識的，可以把它看作是一個以知識庫為基礎(chǔ)的、具有自頂向下逐級展開的推理系統(tǒng)。

過程是專家系統(tǒng)，包括三個步驟：

①建立知識庫（包括領(lǐng)域知識、經(jīng)驗(yàn)知識和事實(shí)知識）。

②根據(jù)需要確定問題并建立相應(yīng)的事實(shí)（背景），并且這一步還可以是一個或幾個求解步驟，一般都有若干個解法。因此，這種專家系統(tǒng)是一個以領(lǐng)域?yàn)橹行?，分層次的知識庫系統(tǒng)。

③在得到問題求解步驟后，將知識庫中的推理規(guī)則與問題求解步驟相結(jié)合來推理出問題最優(yōu)解，即過程式專家系統(tǒng)的結(jié)論。

（2）樹結(jié)構(gòu)。專家系統(tǒng)是一種自頂向下的結(jié)構(gòu)，即知識表示和推理決策過程都從上到下進(jìn)行。為專家系統(tǒng)各層之間的關(guān)系建立一個數(shù)據(jù)流，一般稱為事實(shí)數(shù)據(jù)。專家系統(tǒng)的每一層都有一個用戶界面，用戶可通過該界面對事實(shí)數(shù)據(jù)進(jìn)行查詢、修改、更新，也可對整個專家系統(tǒng)進(jìn)行控制，以實(shí)現(xiàn)對事實(shí)數(shù)據(jù)的修改、控制以及對整個專家系統(tǒng)的控制。

當(dāng)用戶要求修改某一知識時，必須將該知識插入到相應(yīng)層次中；在插入知識時，必須按一定順序逐步進(jìn)行，否則會造成低級錯誤或復(fù)雜錯誤。

（二）框架

框架是用來表示知識的基本元素，包括事實(shí)、規(guī)則、實(shí)例和語言，它既是對數(shù)據(jù)、規(guī)則等的抽象，也是對概念和推理的抽象。框架為系統(tǒng)提供了一個表示知識的結(jié)構(gòu)，這種結(jié)構(gòu)可以被表達(dá)成一系列可以組合的運(yùn)算。這種運(yùn)算把數(shù)據(jù)轉(zhuǎn)換成概念間關(guān)系，使它能用來表達(dá)各種不同的事實(shí)及推理方法。

框架一般包括以下幾種基本元素：事實(shí)、規(guī)則和實(shí)例，它們是框架的核心。事實(shí)和規(guī)則可以通過編程來定義其類型；實(shí)例必須為對象實(shí)體或用戶自定義實(shí)體（如工廠設(shè)備），也可以是抽象對象；規(guī)則是一種函數(shù)，它可以用于執(zhí)行任何特定操作，比如工廠設(shè)備操作中對變量的取值。

五、結(jié)論

將人工智能應(yīng)用到電力系統(tǒng)故障診斷中，可以對設(shè)備進(jìn)行更加全面準(zhǔn)確的分析，這將會對電力系統(tǒng)的故障處理起到更加好的促進(jìn)作用。但是人工智能技術(shù)在實(shí)際應(yīng)用中還存在著很多問題，由于數(shù)據(jù)量小等因素?zé)o法準(zhǔn)確判斷故障，造成故障診斷結(jié)果不理想，仍需要對實(shí)際情況進(jìn)行深入研究和探索。

參考文獻(xiàn)：

[1]閆國珍.對目前人工智能在電力系統(tǒng)故障診斷中的應(yīng)用探討[J].中國新通信，2019，21（08）：98.

[2]張瑞強(qiáng).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].現(xiàn)代信息科技，2019，3（03）：29-31.

[3]鄭健生.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].科技與創(chuàng)新，2019，（02）：136，139.

[4]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(yīng)用[J].艦船科學(xué)技術(shù)，2018，40（16）：52-54.