郭步陽

摘 要：由于近年來人們生產(chǎn)生活的發(fā)展對電力資源的依賴程度逐漸提升，電網(wǎng)供電的可靠性、穩(wěn)定性和安全性問題越來越受到關(guān)注，如何在現(xiàn)有電網(wǎng)規(guī)模的基礎(chǔ)上提升電力系統(tǒng)故障診斷的能力成為電力企業(yè)急需解決的問題，而近年來人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用效果表明其對提升其故障診斷水平具有明顯的推動(dòng)作用，所以文章結(jié)合以推理、不確定性理論、優(yōu)化技術(shù)和多種方法融合為基礎(chǔ)的人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用展開分析，為提升我國電力系統(tǒng)的可靠性作出努力。

關(guān)鍵詞：人工智能技術(shù)；電力系統(tǒng)；故障診斷；應(yīng)用

前言

電力系統(tǒng)的自身特點(diǎn)和實(shí)際作用決定，當(dāng)其發(fā)生故障卻得不到快速準(zhǔn)確判斷、處理時(shí)將會(huì)直接對人類的生產(chǎn)生活甚至社會(huì)穩(wěn)定構(gòu)成威脅，而又名為機(jī)器智能或智能模擬的人工智能，其是結(jié)合電子技術(shù)成果、仿生學(xué)方法等現(xiàn)代技術(shù)通過機(jī)械和電子裝置實(shí)現(xiàn)對人類某些智能的模擬和代替的技術(shù)，其善于對人類處理問題的過程和經(jīng)驗(yàn)進(jìn)行模擬，學(xué)習(xí)能力突出，將其應(yīng)用于電力系統(tǒng)故障診斷過程中具有重大的作用。

1 以推理為基礎(chǔ)的人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用分析

以推理為基礎(chǔ)的人工智能技術(shù)其模擬人的思維過程，強(qiáng)調(diào)以故障信息為基礎(chǔ)，按照已有規(guī)則對導(dǎo)致故障產(chǎn)生的原因進(jìn)行逐步的邏輯推理，其中通過人為診斷行為模擬和計(jì)算機(jī)實(shí)現(xiàn)診斷的稱之為顯型推理，如專家系統(tǒng)，而利用數(shù)字化、抽象化等邏輯思維完成故障診斷的稱之為隱型推理，如人工神經(jīng)網(wǎng)絡(luò)、Petri網(wǎng)等[1]。專家系統(tǒng)是通過對相關(guān)領(lǐng)域內(nèi)專家決策過程的模擬，利用其知識和經(jīng)驗(yàn)進(jìn)行推理判斷，以完成對復(fù)雜問題的正確決策，將保護(hù)和斷路器的專業(yè)知識和長時(shí)間積累的實(shí)踐經(jīng)驗(yàn)用規(guī)則的形式表示并形成專家系統(tǒng)知識庫，當(dāng)電力系統(tǒng)發(fā)生故障時(shí)，將故障信息引入數(shù)據(jù)庫并結(jié)合數(shù)據(jù)庫的邏輯性獲得故障原因是專家系統(tǒng)在電力系統(tǒng)故障診斷中應(yīng)用的具體表現(xiàn)，而正向啟發(fā)式專家系統(tǒng)推理和正反混合推理都可以在實(shí)際應(yīng)用中使用，但考慮到其雖對故障的解釋性較強(qiáng)，可由于建設(shè)知識和經(jīng)驗(yàn)完備的專家知識庫的難度較大，在診斷的過程中誤判、漏判的可能性不容忽視，所以現(xiàn)階段應(yīng)用范圍只限定在中小型的電力系統(tǒng)故障診斷中[2]。人工神經(jīng)網(wǎng)絡(luò)是對人類神經(jīng)系統(tǒng)的信息傳輸和處理過程的模擬，其通過對人類神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)，以故障特定報(bào)警模式為樣本組成樣本庫，具有較突出的非線性映射和泛化能力，而且容錯(cuò)性能較理想，其是以特定故障報(bào)警模式做樣本建立樣本庫并結(jié)合神經(jīng)網(wǎng)絡(luò)訓(xùn)練，將數(shù)據(jù)庫知識以網(wǎng)絡(luò)的形勢在連接權(quán)中存儲(chǔ)，在計(jì)算的基礎(chǔ)上獲取故障診斷結(jié)果，其雖應(yīng)用范圍較廣，但實(shí)際算法收斂速度、解釋能力等方面存在的缺陷不容忽視；Petri網(wǎng)利用網(wǎng)絡(luò)表示電力系統(tǒng)各元件之間同時(shí)、次序或循環(huán)發(fā)生的關(guān)系，其可對故障發(fā)生時(shí)的靜態(tài)和動(dòng)態(tài)關(guān)系進(jìn)行描述，特別是繼電保護(hù)裝置對故障的反應(yīng)和切除行為的描述獲取故障診斷結(jié)果，而且將概率理論應(yīng)用于Petri網(wǎng)對其對不確定因素的處理缺陷有明顯的彌補(bǔ)作用，但實(shí)際電力系統(tǒng)故障診斷中受其對大量先驗(yàn)知識的依賴性較強(qiáng)的影響，狀態(tài)空間爆炸的可能性較大，而且容錯(cuò)能力較不理想，對錯(cuò)誤的報(bào)警信息的識別能力和對多重性裝置與保護(hù)裝置的動(dòng)作時(shí)間差別等處理難度較大，相關(guān)研究仍處于探索階段等因素的影響，其應(yīng)用范圍并不廣泛，通常情況下需要結(jié)合其他人工智能技術(shù)使用[3]。

2 以不確定性理論為基礎(chǔ)的人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用分析

不確定理論的引入是建立在故障信息受諸多因素影響自身通常帶有不確定色彩的基礎(chǔ)上，現(xiàn)階段以其為基礎(chǔ)的人工智能技術(shù)主要包括模糊理論、概率理論、粗糙集理論等，模糊理論是相對于專家系統(tǒng)而言，但其容錯(cuò)能力得到了明顯的提升，實(shí)踐中通常會(huì)結(jié)合其它方法使用，例如在輸入信息模糊化后結(jié)合專家系統(tǒng)完成故障診斷，在完成不確定性傳遞計(jì)算中結(jié)合Petri網(wǎng)使用等，其雖具有一定的效果但在實(shí)際應(yīng)用中受知識校核維護(hù)等難度大，學(xué)習(xí)性能和隸屬函數(shù)確定修改等相關(guān)問題仍處于研究階段等因素影響，應(yīng)用范圍仍受到限制。而概率理論又分為貝葉斯理論、可信度理論等，其將電力系統(tǒng)中的故障信息表示為先驗(yàn)概率或可信度值，并結(jié)合保護(hù)信息生成產(chǎn)生式規(guī)則，在此基礎(chǔ)上進(jìn)行不確定傳遞計(jì)算，獲取各部件的故障發(fā)生概率，在現(xiàn)實(shí)應(yīng)用中可將概率論法與Petri網(wǎng)法結(jié)合使用，效果明顯，但考慮到其對大量先驗(yàn)信息的依賴性，使用公式對事件獨(dú)立性的高標(biāo)準(zhǔn)要求、誤差的不可控，在實(shí)際應(yīng)用中應(yīng)結(jié)合實(shí)際情況；粗糙集理論將電力系統(tǒng)中的保護(hù)裝置和斷路器視為分類屬性集，并結(jié)合有可能發(fā)生的故障建立決策表，在粗糙集約簡算法作用下使原有信息等價(jià)約簡，獲取最小約簡和決策原則的基礎(chǔ)上對集合內(nèi)的冗余性進(jìn)行揭示，但受到實(shí)際故障診斷時(shí)通常為多重故障共發(fā)情況，決策表形成的實(shí)際難度較大的影響，其現(xiàn)階段實(shí)際應(yīng)用效果并不理想[4]。

3 以優(yōu)化技術(shù)為基礎(chǔ)的人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用分析

以優(yōu)化技術(shù)為基礎(chǔ)的人工智能技術(shù)建立在計(jì)算機(jī)技術(shù)和計(jì)算科學(xué)不斷發(fā)展的基礎(chǔ)上，其將電力系統(tǒng)故障診斷問題等同于無約束的0至1整數(shù)規(guī)劃問題，并利用全局優(yōu)化算法實(shí)現(xiàn)求解，由于其有數(shù)學(xué)理論作支撐，所以理論性和實(shí)用性都較理想，例如在電力系統(tǒng)故障診斷中判定故障發(fā)生元件和保護(hù)開關(guān)動(dòng)作關(guān)系分析中，可在將故障診斷視為整數(shù)規(guī)劃問題的基礎(chǔ)上利用遺傳算法或進(jìn)行退火算法的模擬實(shí)現(xiàn)求解；在求解的過程中可結(jié)合系統(tǒng)故障發(fā)生前后網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)發(fā)生的變化建立故障區(qū)域數(shù)據(jù)模型，實(shí)現(xiàn)求解規(guī)模的有效縮小，當(dāng)多解現(xiàn)象發(fā)生時(shí)，要構(gòu)建結(jié)合二次配置特點(diǎn)和故障信息特征的新診斷模型仿真，但在實(shí)際應(yīng)用中受建立合理故障診斷模型難度較大，且存在諸多隨機(jī)因素等因素的影響，目前在電力系統(tǒng)故障診斷中的應(yīng)用并不廣泛。

4 以多種方法融合為基礎(chǔ)的人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用分析

多種方法融合是建立在電力系統(tǒng)故障的發(fā)生較為復(fù)雜，單種診斷方法的全面性較差的思路基礎(chǔ)上，例如將神經(jīng)網(wǎng)絡(luò)和模糊邏輯方法相結(jié)合，其實(shí)際的通用性能得到明顯的提升，將在此基礎(chǔ)上融合Petri網(wǎng)方法，使電力系統(tǒng)對不確定信息的自學(xué)處理能力得到大幅度提升，將神經(jīng)算法與遺傳算法和專家系統(tǒng)相融合，可以提升電力系統(tǒng)故障診斷的速度，而且明顯提升其抗干擾性能等，由此可見以多種方法融合為基礎(chǔ)的人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用是其未來發(fā)展的主要方向之一。

5 結(jié)束語

通過上述分析可以發(fā)現(xiàn)，將人工智能技術(shù)應(yīng)用到電力系統(tǒng)故障診斷中是人工智能技術(shù)自身特點(diǎn)和電力系統(tǒng)故障診斷的重要意義決定的，是我國電力系統(tǒng)發(fā)展的必然選擇，而人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用有其各自的優(yōu)缺點(diǎn)，在具體應(yīng)用的過程中應(yīng)結(jié)合實(shí)際情況，做到具體問題具體分析，以實(shí)現(xiàn)準(zhǔn)確快速診斷故障為直接目的。

參考文獻(xiàn)

[1]占才亮.人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用[J].廣東電力，2011，9：87-92.

[2]王磊.電網(wǎng)故障診斷方法及其系統(tǒng)架構(gòu)研究[D].山東大學(xué)，2013.

[3]吳欣.基于改進(jìn)貝葉斯網(wǎng)絡(luò)方法的電力系統(tǒng)故障診斷研究[D].浙江大學(xué)，2005.

[4]朱麗娟，方倩.智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用研究[J].城市地理，2014，18：198.