蔣羽鵬
摘 要:增強(qiáng)電力系統(tǒng)運(yùn)行的安全性與穩(wěn)定性,能夠有效防止重大電力安全事故的發(fā)生,保障用戶用電質(zhì)量的同時(shí),提升電力企業(yè)的經(jīng)濟(jì)效益。由于受到多種外界因素的影響,電力系統(tǒng)在運(yùn)行中會(huì)出現(xiàn)不同類型的故障,只有對(duì)其進(jìn)行及時(shí)診斷與處理,才能消除其運(yùn)行中的安全隱患,避免對(duì)人們的生命財(cái)產(chǎn)安全造成威脅。隨著人工智能技術(shù)的發(fā)展,在故障診斷中得到廣泛應(yīng)用,能夠促進(jìn)工作效率與質(zhì)量的提升。本文將通過分析人工智能技術(shù)的基本概念與種類,探索人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用措施。
關(guān)鍵詞:人工智能技術(shù);電力系統(tǒng);故障診斷;應(yīng)用
中圖分類號(hào):M76 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1671-2064(2020)02-0147-02
隨著社會(huì)生產(chǎn)生活水平的提升,對(duì)于電力資源的需求也在逐年增大,這也給電力系統(tǒng)的運(yùn)行帶來了新的挑戰(zhàn)。自然環(huán)境因素、人為因素和技術(shù)因素等等,都會(huì)干擾系統(tǒng)的正常運(yùn)行,導(dǎo)致故障問題的產(chǎn)生,降低了系統(tǒng)運(yùn)行的可靠性。故障診斷應(yīng)該保障及時(shí)性與精確性,防止對(duì)社會(huì)用電造成嚴(yán)重的影響。隨著智能電網(wǎng)建設(shè)的逐步開展,人工智能技術(shù)與電力系統(tǒng)的融合度明顯提高,有利于促進(jìn)電力行業(yè)朝著智能化與自動(dòng)化方向發(fā)展。尤其是在當(dāng)前電力市場(chǎng)競(jìng)爭(zhēng)逐漸加劇的趨勢(shì)下,只有保障供電的連續(xù)性與安全性,才能增強(qiáng)電力企業(yè)競(jìng)爭(zhēng)實(shí)力。在電力系統(tǒng)中應(yīng)用人工智能技術(shù)時(shí),應(yīng)該明確該技術(shù)的基本原理,根據(jù)當(dāng)前系統(tǒng)運(yùn)行特點(diǎn)制定針對(duì)性技術(shù)應(yīng)用方案。
1人工智能技術(shù)概述
人工智能技術(shù)是集神經(jīng)學(xué)、腦科學(xué)和信息技術(shù)為一體的先進(jìn)技術(shù),在社會(huì)各個(gè)領(lǐng)域當(dāng)中得到廣泛應(yīng)用,是當(dāng)前科技領(lǐng)域的研究重點(diǎn)。人工智能技術(shù)模仿了人腦的工作原理與行為方式,以自動(dòng)化機(jī)器為基礎(chǔ)對(duì)問題進(jìn)行識(shí)別、分析和解決。在電力企業(yè)的運(yùn)營(yíng)生產(chǎn)當(dāng)中,人工智能技術(shù)逐漸得到應(yīng)用,能夠減輕人力負(fù)擔(dān),實(shí)現(xiàn)各項(xiàng)資源的優(yōu)化配置。故障樣本被大量采集后,能夠增強(qiáng)設(shè)備對(duì)故障的反應(yīng)速度,以便工作人員及時(shí)對(duì)其進(jìn)行處理[1]。人工神經(jīng)網(wǎng)絡(luò)、智能模糊邏輯、遺傳算法和混合邏輯等等,是當(dāng)前人工智能技術(shù)的主要類型。不同技術(shù)類型與原理存在較大的差異性,在應(yīng)用于故障診斷時(shí)需要結(jié)合技術(shù)特點(diǎn)加以合理選擇。
2人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用
2.1故障診斷中ES的應(yīng)用
專家系統(tǒng)(ES)在電力系統(tǒng)故障診斷中的應(yīng)用已經(jīng)十分廣泛,屬于AI領(lǐng)域的重點(diǎn)組成部分,在知識(shí)工程研究中發(fā)揮著關(guān)鍵作用。運(yùn)用ES原理時(shí),需要以知識(shí)處理與知識(shí)運(yùn)用的相關(guān)理論為基礎(chǔ)。除了能夠?qū)ο嚓P(guān)定性問題進(jìn)行處理外,在解決問題的過程中能夠?qū)<医?jīng)驗(yàn)與知識(shí)進(jìn)行總結(jié)。因此,消除了傳統(tǒng)解析方法的局限性,縮小了求解問題的知識(shí)搜索范圍,促進(jìn)問題解決效率的提升。在解釋推理所用知識(shí)、過程以及結(jié)論時(shí),主要借助于專家系統(tǒng)的解釋模塊。將ES應(yīng)用于電力系統(tǒng)的故障診斷當(dāng)中,由于在推理結(jié)構(gòu)和表達(dá)方式上存在差異,因此也呈現(xiàn)出不同的特點(diǎn)[2]?;谥R(shí)模型表示法、基于謂詞邏輯表示法、基于面向?qū)ο蟊硎痉ā⒒诳蚣苁奖硎痉ê突诋a(chǎn)生式規(guī)則表示法等,是ES在電力系統(tǒng)故障診斷中常用的知識(shí)表達(dá)方式。
在知識(shí)描述過程中,謂詞邏輯法的應(yīng)用較為普遍,知識(shí)庫的構(gòu)造主要通過保護(hù)和斷路器信息實(shí)現(xiàn)。該知識(shí)庫能夠?qū)崿F(xiàn)對(duì)保護(hù)和斷路器動(dòng)作關(guān)系、電力系統(tǒng)結(jié)構(gòu)以及斷路器狀態(tài)的描述,同時(shí)對(duì)保護(hù)原理、故障位置規(guī)則與啟發(fā)性知識(shí)等加以描述,多重故障、保護(hù)和斷路器誤動(dòng)、拒動(dòng)診斷功能得以實(shí)現(xiàn)。但是在實(shí)際應(yīng)用中也存在診斷效率與靈活性不高的問題[3]。診斷規(guī)則知識(shí)庫既能夠合理評(píng)價(jià)保護(hù)和斷路器,也能夠有效診斷變壓器、輸電線和母線等,這是產(chǎn)生式規(guī)則的主要特征。在對(duì)故障進(jìn)行分析時(shí),通過對(duì)比規(guī)則庫和故障信息就可以快速實(shí)現(xiàn),在因果關(guān)系分析中的應(yīng)用較多,但是在系統(tǒng)結(jié)構(gòu)描述中卻呈現(xiàn)出一定的局限性。
2.2故障診斷中ANN的應(yīng)用
與ES相比較而言,ANN省去了專業(yè)知識(shí)與專家啟發(fā)性知識(shí)轉(zhuǎn)化、知識(shí)庫構(gòu)造等環(huán)節(jié),因此能夠大大提升故障診斷的效率。對(duì)專家的提供的故障實(shí)例進(jìn)行采集,完成故障診斷ANN模型訓(xùn)練樣本集的構(gòu)造,并開展針對(duì)性訓(xùn)練。ANN在監(jiān)督訓(xùn)練當(dāng)中,能夠完成相應(yīng)知識(shí)的自我組織與自我學(xué)習(xí),其知識(shí)表達(dá)方式屬于隱形表達(dá),聯(lián)想能力與泛化能力更強(qiáng)。ANN權(quán)值當(dāng)中蘊(yùn)含著問題的求解,其隱式推理大大提升了計(jì)算的速度。規(guī)模大小并不會(huì)對(duì)其推理速度產(chǎn)生影響,而且其魯棒性、自我學(xué)習(xí)能力和自我組織能力等較強(qiáng),在故障診斷、故障定位和故障類型識(shí)別當(dāng)中呈現(xiàn)出巨大的優(yōu)勢(shì)。
在構(gòu)建FNN模型時(shí)以BP算法為基礎(chǔ),對(duì)其動(dòng)量因子取值進(jìn)行優(yōu)化,能夠解決訓(xùn)練速度慢的弊端。同時(shí),也可以運(yùn)用局部逼近的徑向基函數(shù),對(duì)RBF-NN、BP-FNN以及自適應(yīng)RBF-NN模型進(jìn)行構(gòu)造,其輸入和輸出分別為保護(hù)和斷路器狀態(tài)、故障位置。其具有較快的學(xué)習(xí)收斂速度與泛化能力[4]。NN組合模型的構(gòu)建,能夠使基于ANN的FD-PS容錯(cuò)性得到改善。在故障診斷中也可以采用Boltzmann機(jī)和BP-NN模型,在Boltzmann機(jī)中存儲(chǔ)報(bào)警模式,能夠保障糾錯(cuò)處理的實(shí)時(shí)性,結(jié)合BP-NN模型完成故障的診斷,使診斷容錯(cuò)性得到大大提升。
2.3故障診斷中FST的應(yīng)用
FST的核心是模糊集合理論,對(duì)于不確定事件的描述引入了迷糊隸屬的概念,加上近似推理與語言變量模糊邏輯的應(yīng)用,能夠?qū)崿F(xiàn)對(duì)專家經(jīng)驗(yàn)的有效表述。將FST應(yīng)用于電力系統(tǒng)的故障診斷當(dāng)中,能夠促進(jìn)系統(tǒng)容錯(cuò)性的增強(qiáng),在實(shí)踐應(yīng)用中通常與ANN、ES和GA等結(jié)合使用。在電力系統(tǒng)故障診斷中雖然具有明確的信息,但是動(dòng)作保護(hù)器與斷路器狀態(tài)的關(guān)聯(lián)關(guān)系不夠明確,在對(duì)其進(jìn)行描述時(shí)就可以應(yīng)用模糊隸屬度。診斷結(jié)果模糊輸出中通常會(huì)結(jié)合ANN和ES使用,以動(dòng)作保護(hù)、斷路器狀態(tài)賦予報(bào)警信息的可信度為基礎(chǔ),模糊化處理診斷模型的輸入信息,其輸出的解釋則由反模糊系統(tǒng)完成,其結(jié)論更具語言化特征。當(dāng)存在不明確的關(guān)聯(lián)關(guān)系時(shí),對(duì)其進(jìn)行描述時(shí)運(yùn)用模糊數(shù)學(xué)。以可能的故障為基礎(chǔ),對(duì)故障點(diǎn)對(duì)報(bào)警信息的可能通路進(jìn)行尋找,明確故障點(diǎn)與保護(hù)裝置、保護(hù)裝置與斷路器關(guān)聯(lián)關(guān)系的總模糊度,進(jìn)而實(shí)現(xiàn)對(duì)故障診斷位置可能性的描述。隸屬函數(shù)在對(duì)不確定性問題進(jìn)行描述時(shí),隸屬函數(shù)類型成了該工作實(shí)施的關(guān)鍵問題,同時(shí)需要也應(yīng)該考慮到故障診斷中的不確定性因素、實(shí)時(shí)信息的可信度因素等等。
2.4故障診斷中GA的應(yīng)用
以Mendel遺傳學(xué)說和Darwin自然選擇學(xué)說為基礎(chǔ),GA逐漸發(fā)展起來,在解決復(fù)雜性問題時(shí)對(duì)生物遺傳和進(jìn)化進(jìn)程加以模仿。優(yōu)化問題的可行解以人工染色體表示,初始解群的構(gòu)建采用隨機(jī)方式,以自然選擇為基礎(chǔ),提升局部或者全局最優(yōu)解的概率[5]。GA的優(yōu)點(diǎn)在于省去了繁雜的數(shù)學(xué)過程,無需選擇處理訓(xùn)練樣本。在電力系統(tǒng)故障診斷中應(yīng)用GA時(shí),以0-1整數(shù)規(guī)劃問題替代故障診斷問題,明確斷路器動(dòng)作的時(shí)序信息,通過故障診斷適應(yīng)度函數(shù)模型的構(gòu)建,解決了復(fù)雜故障問題的診斷難題。故障信息也可以應(yīng)用無源信息加以識(shí)別,故障診斷系統(tǒng)的構(gòu)建需要依賴于模擬退火法、Boltzmann機(jī)法和簡(jiǎn)單GA與高級(jí)GA等,全局最優(yōu)解的獲取更加高效而準(zhǔn)確。在電力系統(tǒng)故障診斷中應(yīng)用GA,即使診斷信息缺乏完整性,也能夠得到局部最優(yōu)或者全局最優(yōu)的診斷結(jié)果。但是,在實(shí)踐應(yīng)用中會(huì)受到信息畸變和故障模式復(fù)雜性的影響,導(dǎo)致結(jié)果可靠性降低。在后續(xù)研究工作當(dāng)中,應(yīng)該以被診斷對(duì)象特征為依據(jù),對(duì)故障診斷適應(yīng)度函數(shù)的容錯(cuò)性加以改進(jìn),明確迭代操作結(jié)束的準(zhǔn)則,同時(shí)確保最終結(jié)果為近似最優(yōu)解或者最優(yōu)解。
2.5故障診斷中Petri的應(yīng)用
以構(gòu)造有向圖的組合模型為基礎(chǔ),Petri網(wǎng)絡(luò)能夠運(yùn)用矩形運(yùn)算描述嚴(yán)格定義的數(shù)學(xué)對(duì)象。無論是在靜態(tài)結(jié)構(gòu)分析還是在動(dòng)態(tài)行為分析當(dāng)中,Petri網(wǎng)分析法都呈現(xiàn)出較大的優(yōu)勢(shì)。在對(duì)系統(tǒng)組織結(jié)構(gòu)與動(dòng)態(tài)行為進(jìn)行研究時(shí),能夠定性、定量分析系統(tǒng)同時(shí)循環(huán)發(fā)生、同時(shí)發(fā)生和次序發(fā)生的活動(dòng)過程。在離散事件動(dòng)態(tài)系統(tǒng)建模與分析中,Petri網(wǎng)絡(luò)得到廣泛應(yīng)用。電力系統(tǒng)故障就具有動(dòng)態(tài)性和離散性的特點(diǎn),故障反映在保護(hù)動(dòng)作和系統(tǒng)電壓當(dāng)中,事件活動(dòng)有故障切除的過程構(gòu)成。繼電保護(hù)、斷路器和自動(dòng)裝置等實(shí)體活動(dòng)和控制指令發(fā)送、信號(hào)傳遞、監(jiān)測(cè)信號(hào)流等信息流活動(dòng)等,是其中的動(dòng)態(tài)事件。因此能夠有效描述電力系統(tǒng)的故障動(dòng)態(tài)過程,診斷模型的構(gòu)建則可以通過Petri網(wǎng)實(shí)現(xiàn)。故障切除過程的Petri網(wǎng)絡(luò)模型構(gòu)建使,以電力設(shè)備為基本單位,并對(duì)該網(wǎng)絡(luò)模型求解。不僅能夠獲得清晰的系統(tǒng)物理概念,而且在診斷中提升了數(shù)學(xué)求解的速度,能夠保障診斷的實(shí)時(shí)性。Petri網(wǎng)絡(luò)模型會(huì)受到斷路器不正確動(dòng)作的影響,應(yīng)該設(shè)置相應(yīng)的模塊對(duì)其進(jìn)行識(shí)別。在Petri網(wǎng)絡(luò)模型的未來發(fā)展中,也需要對(duì)保護(hù)多重性配置、時(shí)間差異等進(jìn)行深入研究。嵌入冗余Petri網(wǎng)的方法也得到應(yīng)用,錯(cuò)誤伴隨式矩陣在Petri網(wǎng)中的加入,能夠?qū)κ录蛄泻托畔⒘鞑徽r(shí)的故障診斷進(jìn)行控制,以差錯(cuò)控指編碼技術(shù)為基礎(chǔ)獲取并分析故障診斷信息。
2.6故障診斷中DM的應(yīng)用
數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)庫知識(shí)發(fā)現(xiàn)的關(guān)鍵技術(shù),實(shí)現(xiàn)了數(shù)據(jù)庫技術(shù)與人工智能技術(shù)的有機(jī)融合[6]。尤其是在當(dāng)前大數(shù)據(jù)時(shí)代,信息數(shù)據(jù)呈現(xiàn)出海量化的特征,應(yīng)用數(shù)據(jù)挖掘技術(shù)能夠?qū)崿F(xiàn)對(duì)有效信息的快速提取,同時(shí)明確數(shù)據(jù)之間的內(nèi)在規(guī)律。在增強(qiáng)數(shù)據(jù)庫存儲(chǔ)功能的同時(shí),明確過去數(shù)據(jù)的內(nèi)在聯(lián)系,對(duì)其背后隱藏的重要信息進(jìn)行挖掘。該類信心能夠?qū)?shù)據(jù)整體特征加以描述,同時(shí)預(yù)估其發(fā)展趨勢(shì),為決策制定奠定基礎(chǔ)。因此,應(yīng)用DM能夠大大降低主觀因素對(duì)分析判斷的影響,在社會(huì)各領(lǐng)域當(dāng)中得到廣泛應(yīng)用。在傳統(tǒng)模式下,電力系統(tǒng)故障的診斷需要借助于專家向調(diào)度中心傳遞動(dòng)作信息,調(diào)度員再對(duì)其進(jìn)行全面化分析以對(duì)故障原因與位置進(jìn)行判斷,不僅效率低下,而且難以保障問題解決的實(shí)效性。數(shù)據(jù)挖掘技術(shù)的應(yīng)用,則大大減輕了工作人員的負(fù)擔(dān),有效適應(yīng)當(dāng)前大數(shù)據(jù)時(shí)代下故障診斷的工作要求。
3結(jié)語
在電力系統(tǒng)故障診斷中應(yīng)用人工智能技術(shù),能夠消除人為因素對(duì)故障診斷精確性造成的影響,大大提升了系統(tǒng)的運(yùn)行可靠性,是促進(jìn)電力行業(yè)可持續(xù)發(fā)展的關(guān)鍵。在實(shí)踐應(yīng)用當(dāng)中,應(yīng)該明確ES、ANN、FST、GA、Petri和DM等各項(xiàng)技術(shù)的基本特點(diǎn)及其在故障診斷中的具體應(yīng)用方式,并在未來發(fā)展中對(duì)其進(jìn)行逐步優(yōu)化與改進(jìn)。
參考文獻(xiàn)
[1] 閆國(guó)珍.對(duì)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(guó)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] 林允.人工智能技術(shù)在電力系統(tǒng)故障診斷中應(yīng)用[J].中國(guó)戰(zhàn)略新興產(chǎn)業(yè),2017(36):140-141.
[5] 趙啟純.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].電腦知識(shí)與技術(shù),2017,13(02):183-185.
[6] 郭步陽.試論人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用[J].科技創(chuàng)新與應(yīng)用,2015(34):206.