智能化技術(shù)在電力系統(tǒng)電氣工程自動化中的應(yīng)用研究

鞏冬梅，馬 源，張祎瑋

（1.國網(wǎng)冀北電力有限公司營銷服務(wù)中心，北京 100000；2.國網(wǎng)北京海淀供電公司，北京 100086；3.國網(wǎng)北京海淀供電公司配電站，北京 100086）

1 智能化技術(shù)在電力系統(tǒng)監(jiān)控自動化中的應(yīng)用需求

電力系統(tǒng)智能監(jiān)控主要是指通過實時監(jiān)控電力系統(tǒng)電氣工程設(shè)備的運行狀態(tài)，對電力系統(tǒng)進行全方位、全過程的監(jiān)控，從而實現(xiàn)預(yù)測和防范電力系統(tǒng)潛在的故障風(fēng)險，有效提高電力系統(tǒng)的可靠性和安全性[1]。

1.1 電力系統(tǒng)監(jiān)控體系的智能化需求

從電力系統(tǒng)監(jiān)控內(nèi)容上來看，其既包括了各項設(shè)備的運行指標，也包括了圖像、音頻、視頻，還包括了巡檢人員的巡查反饋。其中，設(shè)備監(jiān)控是對電力系統(tǒng)設(shè)備的運行狀態(tài)、運行參數(shù)等進行實時監(jiān)測和控制，保證電力設(shè)備的安全穩(wěn)定運行；環(huán)境監(jiān)控是對電力系統(tǒng)設(shè)備所在的環(huán)境進行監(jiān)測，包括溫度、濕度、灰塵、輻射等方面的環(huán)境參數(shù)，以保證電力設(shè)備運行環(huán)境的穩(wěn)定[2]。

1.2 電力系統(tǒng)智能監(jiān)控體系的功能需求

人工智能神經(jīng)網(wǎng)絡(luò)智能技術(shù)在監(jiān)控體系中的應(yīng)用，至少需要實現(xiàn)如下五方面功能。

1） 數(shù)據(jù)采集與處理功能。監(jiān)控系統(tǒng)需要采集電力設(shè)備的運行數(shù)據(jù)，包括電壓、電流、功率、溫度等各項參數(shù)。在采集數(shù)據(jù)的基礎(chǔ)上，利用神經(jīng)網(wǎng)絡(luò)技術(shù)對數(shù)據(jù)進行分析和處理，從數(shù)據(jù)中提取出電力設(shè)備的故障特征和運行模式，并對其進行分類和識別。

2） 異常檢測與故障診斷功能。監(jiān)控系統(tǒng)需要對電力設(shè)備的異常情況進行檢測，利用神經(jīng)網(wǎng)絡(luò)技術(shù)對異常數(shù)據(jù)進行分類和識別，通過檢測判斷電力設(shè)備是否出現(xiàn)故障。如果電力設(shè)備出現(xiàn)故障，可以利用神經(jīng)網(wǎng)絡(luò)技術(shù)進行故障診斷，確定故障類型和故障位置。

3） 實時監(jiān)控與遠程控制功能。監(jiān)控系統(tǒng)需要對電力設(shè)備的運行狀態(tài)進行實時監(jiān)控，利用神經(jīng)網(wǎng)絡(luò)技術(shù)對電力設(shè)備的運行狀態(tài)進行分析和預(yù)測，提前發(fā)現(xiàn)電力設(shè)備可能存在的問題。

4） 智能化決策與優(yōu)化調(diào)度功能。監(jiān)控系統(tǒng)需要對電力設(shè)備進行優(yōu)化調(diào)度和智能化決策。利用神經(jīng)網(wǎng)絡(luò)技術(shù)對設(shè)備的運行數(shù)據(jù)進行分析和建模，制定最優(yōu)的調(diào)度方案和決策方案，實現(xiàn)電力系統(tǒng)的智能化和自動化控制。

5） 自動報警與安全防護功能。監(jiān)控系統(tǒng)需要對電力設(shè)備進行自動報警和安全防護。利用神經(jīng)網(wǎng)絡(luò)技術(shù)對電力設(shè)備的運行數(shù)據(jù)進行實時監(jiān)測和分析，當電力設(shè)備出現(xiàn)異常或故障時，及時發(fā)出報警信號，并采取相應(yīng)的安全防護措施，保證電力設(shè)備的安全穩(wěn)定運行。

1.3 智能監(jiān)控體系主要功能的實現(xiàn)方式

本文重點探討的是電力系統(tǒng)智能監(jiān)控體系異常檢測與故障診斷功能，以及智能化決策與優(yōu)化調(diào)度系統(tǒng)的實現(xiàn)。異常檢測與故障診斷神經(jīng)網(wǎng)絡(luò)及智能化決策與優(yōu)化均可在神經(jīng)網(wǎng)絡(luò)的總體規(guī)劃下得以實現(xiàn)，其中的區(qū)別在于異常檢測與決策優(yōu)化分屬不同的多元模型體系，二者的構(gòu)建、訓(xùn)練及測試數(shù)據(jù)存在一定的差異，輸出結(jié)果也不同[3]。在具體的主要功能實現(xiàn)過程中，可以使用多種神經(jīng)網(wǎng)絡(luò)模型，如多層感知器（Multi-Layer Perceptron，MLP）、卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，RNN） 等，根據(jù)具體任務(wù)需求選擇合適的模型。其中，卷積神經(jīng)網(wǎng)絡(luò)較為常見。圖1 為卷積神經(jīng)網(wǎng)絡(luò)一般模型示意圖。

圖1 卷積神經(jīng)網(wǎng)絡(luò)一般模型示意圖

由圖1 可知，卷積神經(jīng)網(wǎng)絡(luò)模型具體結(jié)構(gòu)有如下5 個方面。

1） 輸入層。主要完成模型的輸入，通常是一個圖像或一組固定參數(shù)。每個參數(shù)被表示為一個矩陣，其中每個元素表示像素值或者參數(shù)的特征值。

2） 卷積層。主要完成模型的主要計算。每個卷積層由多個不同的卷積核（也稱為過濾器） 組成，每個卷積核都是一個小的矩陣，通常為3×3 或5×5 的大小。卷積層將輸入圖像與卷積核進行卷積操作，得到一個特征圖（Feature Map）。卷積操作可以捕捉到圖像中的局部特征，例如邊緣、角點和紋理等。

3） 池化層。池化層對特征圖進行下采樣（Pooling），減少特征圖的尺寸，降低模型的計算量和參數(shù)數(shù)量。最常用的池化方式是最大池化（maxpooling），它取特征圖中每個子區(qū)域的最大值作為該子區(qū)域的輸出，池化可以防止過擬合并，提高模型的泛化能力。

4） 全連接層。池化層之后通常是一個或多個全連接層，它們將池化后的特征圖作為輸入，輸出模型的預(yù)測結(jié)果。全連接層中的神經(jīng)元與輸入圖像的尺寸無關(guān)，因此可以處理任意大小的圖像。

5） 輸出層。這是模型的最終輸出，通常是一個Softmax 函數(shù)，將全連接層的輸出轉(zhuǎn)換為概率分布，表示模型對不同類別的預(yù)測結(jié)果。

2 智能化技術(shù)在電力系統(tǒng)控制自動化中的應(yīng)用優(yōu)勢

智能化技術(shù)在電力系統(tǒng)控制自動化中的應(yīng)用是指通過智能化技術(shù)實現(xiàn)對電力系統(tǒng)電氣工程設(shè)備的自動控制和調(diào)節(jié)，包括電力系統(tǒng)的電壓、頻率、功率因數(shù)等參數(shù)。通過智能化技術(shù)在電力系統(tǒng)控制自動化中的應(yīng)用提高電力系統(tǒng)的穩(wěn)定性和效率，降低操作人員的勞動強度和誤操作的風(fēng)險。

2.1 智能化技術(shù)專家系統(tǒng)在電力控制中的優(yōu)勢

專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計算機程序系統(tǒng)。智能化技術(shù)專家系統(tǒng)內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗，能夠應(yīng)用人工智能技術(shù)和計算機技術(shù)，根據(jù)系統(tǒng)中的知識與經(jīng)驗進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復(fù)雜問題[4]。

專家系統(tǒng)用于電力控制具有以下3 個優(yōu)勢。

1） 專家系統(tǒng)能夠?qū)⒐潭ǖ闹R放入系統(tǒng)中，以便系統(tǒng)遇到問題時可以隨時獲得該專門領(lǐng)域的知識；專家系統(tǒng)允許通過數(shù)據(jù)庫的方式解決相關(guān)數(shù)據(jù)的問題，推理中間信息過程，通過推理求解問題，得到數(shù)據(jù)表達的組織形式需要與知識庫的組織形式相兼容。

2） 成熟的專家系統(tǒng)模型能夠構(gòu)建出有效的推理機用于決策或輔助決策。推理機是用來控制和協(xié)調(diào)專家系統(tǒng)的運行程序，可以通過知識庫的知識和數(shù)據(jù)庫的數(shù)據(jù)按相應(yīng)的程序去推理，解決需要解決的問題[5]。

3） 專家系統(tǒng)允許獲得外部數(shù)據(jù)。專家系統(tǒng)既可以從人類專家那里獲取知識，也可以通過互聯(lián)網(wǎng)或其他方式進行自行檢索，并將檢索到的知識整理和組織成系統(tǒng)的知識庫。

2.2 專家系統(tǒng)的實現(xiàn)與應(yīng)用

專家系統(tǒng)的構(gòu)建主要包括以下7 個步驟。

1） 知識獲取。從專家那里獲取知識，整理和組織成系統(tǒng)的知識庫。

2） 知識表示。將獲取的知識表示為規(guī)則、決策樹、框架、語義網(wǎng)絡(luò)等形式。

3） 推理機?；谥R表示，進行推理并生成結(jié)論。

4） 知識驗證。驗證專家系統(tǒng)生成的結(jié)論是否正確。

5） 知識維護。對專家系統(tǒng)中的知識進行維護和更新。

6） 用戶接口。專家系統(tǒng)與用戶進行交互的接口，方便用戶輸入和獲取結(jié)果。

7） 解釋器。解釋專家系統(tǒng)的推理過程和結(jié)果，幫助用戶更好地理解系統(tǒng)的工作原理。圖2 為專家系統(tǒng)設(shè)計示意圖。

圖2 專家系統(tǒng)設(shè)計示意圖

由圖2 可知，知識的獲取是以人工設(shè)計（專家）、知識解釋（用戶） 為主，在知識驗證、維護及用戶接口的基礎(chǔ)上進行人機交互，為智能化技術(shù)在電力自動化控制系統(tǒng)中的應(yīng)用提供基礎(chǔ)保障；在具體的功能實現(xiàn)中，知識庫一般采用決策樹形式對其進行表征，將整個決策樹表示為一個結(jié)構(gòu)體或類，其中包括了每個節(jié)點的條件、決策、子節(jié)點等信息，通過遍歷這個結(jié)構(gòu)體或類，可以實現(xiàn)決策樹的推理過程。

知識庫具體包括以下4 點。

1） 節(jié)點初始化。創(chuàng)建一個根節(jié)點，并將數(shù)據(jù)集中的所有樣本放入該節(jié)點。

2） 節(jié)點分裂。對于每個非葉子節(jié)點，找到一個最佳的劃分屬性，將該節(jié)點分裂成多個子節(jié)點，使得每個子節(jié)點中的樣本屬于同一類別。

3） 葉子節(jié)點分類。對于每個非葉子節(jié)點，將該節(jié)點中的樣本分配到其子節(jié)點中，并根據(jù)子節(jié)點的類別進行分類。

4） 剪枝處理。為避免過擬合，對決策樹進行剪枝處理，移除一些不必要的節(jié)點和分支。在決策階段則利用式（1） 和式（2） 分別對模型的召回率和F1得分進行計算，并利用統(tǒng)計學(xué)標準對其進行篩選。

式中：P為精確率；TP 為真正例；FP 為假正例；R為召回率；FN 為假反例。

3 智能化技術(shù)在電力系統(tǒng)診斷自動化中的應(yīng)用實現(xiàn)

在電力系統(tǒng)電氣工程設(shè)備診斷系統(tǒng)中引入智能化技術(shù)，不僅能夠?qū)崿F(xiàn)對電力設(shè)備的故障診斷和維修指導(dǎo)，快速定位電力系統(tǒng)故障位置并解決故障問題，還可以減少維修時間和維修成本，提高電力系統(tǒng)的運行效率和質(zhì)量。

3.1 電力系統(tǒng)故障定位的常見方法

針對電力系統(tǒng)故障的定位主要有如下3 種常見方法。

1） 測量法。通過對故障線路周圍各個點之間的電壓、電流、電阻等參數(shù)進行測量，確定故障位置。測量法有非常高的精度和可靠性，但是需要特殊的儀器和技術(shù)，維修成本較高。

2） 統(tǒng)計法。通過對歷史故障數(shù)據(jù)進行統(tǒng)計和分析，推導(dǎo)出故障線路的可能位置。統(tǒng)計法不需要特殊的儀器和技術(shù)，且具有一定的普適性，但是其預(yù)測的故障位置也需要通過實際檢查來驗證。

3） 人工干預(yù)法。通過對電力系統(tǒng)的直覺和經(jīng)驗進行判斷，確定故障線路的位置。人工干預(yù)法具有較高的靈活性和實用性，但是其主觀性較強，容易受到外界因素的影響，精度和可靠性有待提高。

3.2 基于智能技術(shù)的反演法應(yīng)用與實現(xiàn)

在上述分析中不難發(fā)現(xiàn)，引入智能化技術(shù)可以通過反演法的方式在大量數(shù)據(jù)計算碰撞的基礎(chǔ)上對故障點位進行較為精準的預(yù)測（反演法是一種應(yīng)用于數(shù)學(xué)和計算機科學(xué)的技術(shù)，用于隨機過程模擬）。首先，反演法是通過研究的系統(tǒng)模型，將每個部件的信息流方向反轉(zhuǎn)，即將輸入與輸出互換，并反轉(zhuǎn)時間的方向來得到原始系統(tǒng)的伴隨系統(tǒng)（或共軛系統(tǒng)、對偶系統(tǒng)）；其次，用伴隨系統(tǒng)代替原始系統(tǒng)后，可以用模擬計算機一次性求得系統(tǒng)的均方誤差，反演法在某些情況下有一定的局限性，如僅適用于線性系統(tǒng)且每次模擬只能對固定的時刻求解；最后，電力系統(tǒng)故障定位反演模型的實現(xiàn)通常采用基于牛頓-拉夫森（Newton-Raphson） 方法的迭代反演算法。該模型的基本原理是通過測量故障時刻的電壓、電流等參數(shù)，反演計算出故障位置[6]。

具體來說，電力系統(tǒng)故障定位反演模型采用以下步驟進行故障定位。

1） 建立配電線路的數(shù)學(xué)模型。通常采用分布參數(shù)模型，表示為

2） 測量故障時刻的電壓、電流等參數(shù)，得到故障邊界條件為

3） 通過牛頓-拉夫森方法進行迭代反演計算，求解故障位置x*，使得

4） 根據(jù)求解的故障位置x*，判斷故障類型和位置，并進行相應(yīng)的維修處理。

綜上，電力系統(tǒng)故障定位反演模型的構(gòu)建具有較高的精度和可靠性，能夠快速定位電力系統(tǒng)故障，提高電力系統(tǒng)的穩(wěn)定性和可靠性。

4 結(jié)束語

智能化技術(shù)在電力系統(tǒng)電氣工程自動化中的應(yīng)用具有較大的潛力和價值。隨著智能化技術(shù)的引入和發(fā)展，將為電力系統(tǒng)運行效率和供電質(zhì)量的提升、輸配電成本和安全風(fēng)險的降低做出更大的貢獻。因此，人們需要進一步加強智能化技術(shù)的研究和開發(fā)，推動其在電力系統(tǒng)電氣工程自動化中的廣泛應(yīng)用。