陳翰峰

（國網(wǎng)寧東供電公司，寧夏 靈武 750411）

一、人工智能技術的內(nèi)涵

通過分析人工智能技術的基本原理可以明確得出，該技術是在計算機技術的輔助下通過對人類大腦的延伸與模擬，最終來解決人類社會生活中的一系列復雜性問題。人工智能技術擁有人類同等的智商、思維與理念，在我國目前的許多行業(yè)中得到廣泛應用。人工智能技術也作為一種智能化和自動化的機器體系，在近年來企業(yè)的生產(chǎn)、經(jīng)營、管理中得到廣泛應用，不僅可以為企業(yè)節(jié)約人力資源，而且可以充分提高企業(yè)的電力設備工作效率，確保電力工作的安全性與可靠性。

二、人工智能技術在電力設備運維檢修中的應用分析

（一）設備健康狀態(tài)評估

為了解決傳統(tǒng)的依賴導則與專家經(jīng)驗開展業(yè)務評價工作的弊端，學術界基于多源設備狀態(tài)數(shù)據(jù)，應用數(shù)學分析方法與機器學習算法開展了設備狀態(tài)評價模型研究工作，期望能夠全面準確地反映電力變壓器的真實狀態(tài)。這些模型主要分為兩類：第一，利用數(shù)學模型客觀化計算評價權重，通過分析各種狀態(tài)量指標與變壓器狀態(tài)之間的關系，確定其中密切相關的關鍵特征指標、相對重要性以及評價權重，再對變壓器狀態(tài)進行評價，目前常用的數(shù)學分析方法包括層次分析法、熵權法等；第二，基于訓練樣本，利用機器學習算法直接構建狀態(tài)量與變壓器狀態(tài)評價之間的預測模型，目前常用的機器學習算法包括人工神經(jīng)網(wǎng)絡、貝葉斯概率、聚類分析等。需要注意的是，設備健康狀態(tài)評估是由典型的正樣本絕對數(shù)量稀缺引起的非均衡樣本與小樣本問題，越是造價高昂、作用關鍵的設備，如大型電力變壓器，電力企業(yè)在日常運維過程中越是注重其健康狀態(tài)，為了保證供電可靠甚至會采取提早退役、高頻更新設備的策略。

（二）設備運行狀態(tài)預測

設備狀態(tài)預測是從設備狀態(tài)監(jiān)測和狀態(tài)評價上進一步發(fā)展而來的，它能夠從設備的歷史和實時狀態(tài)數(shù)據(jù)出發(fā)，同時結合與設備相關聯(lián)的電網(wǎng)運行數(shù)據(jù)和外部環(huán)境信息，發(fā)現(xiàn)設備運行指標或關鍵參數(shù)的變化規(guī)律，從而預測設備未來的運行情況?？紤]到輸變電設備運行工況復雜、指標參數(shù)眾多，目前設備狀態(tài)預測通常是以某些關鍵指標為預測目標，借助人工智能在處理高度非線性和多重關聯(lián)性問題中的技術優(yōu)勢，可以建立時序或關聯(lián)預測模型，常見的方法包括支持向量機、深度信念網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡等。根據(jù)預測目標不同，目前基于人工智能的輸變電設備狀態(tài)預測研究對象包括繞組狀態(tài)、絕緣油色譜、油溫等。負荷電流預測能夠預知設備負荷水平，設備負荷水平又直接影響到電能的穩(wěn)定安全輸送，對于降低輸送的成本也具有重要參考價值。

（三）缺陷識別與故障診斷

輸變電設備故障案例多記錄設備信息、故障缺陷等異常信息與數(shù)據(jù)，然后按照故障部位、類型等進行合理分類。大量研究利用人工智能技術對電力設備進行故障診斷，包括電力變壓器、高壓電纜、高壓斷路器、繼電保護等設備。首先需要基于當前輸變電設備案例數(shù)據(jù)，結合設備家族性缺陷、運行數(shù)據(jù)、氣象數(shù)據(jù)等多源信息，采用生成對抗網(wǎng)絡、樣本合成等方法進行數(shù)據(jù)增殖，以平衡正負樣本的比例；之后按照數(shù)據(jù)是否有標注、時序記錄是否完整等情況，嘗試分類、聚類、預測等算法，并引入運檢知識庫中的相關經(jīng)驗規(guī)則進行學習引導。最終給出缺陷的分級識別與診斷，第1級主要判斷設備缺陷類別，第2級主要判斷設備缺陷部位，根據(jù)疑似缺陷的概率排序進行故障預警。

（四）電力巡視檢查

基于人工智能技術，研發(fā)出類似人眼的分布式智能協(xié)同作業(yè)機械器，應用于電力系統(tǒng)巡視檢查實踐中，能夠?qū)崿F(xiàn)作業(yè)的全景化和精益化以及無人化。此類機器人的功能實現(xiàn)，應用了圖像識別技術和相關人工智能技術，應用中具有靈活移動性和末端定位精度高等優(yōu)勢，發(fā)揮著積極的作用。對長距離電力線路進行巡視檢查，發(fā)揮智能機器人的功能優(yōu)勢，例如自主定位導航，能夠多角度高精度進行圖像的采集和高效分析，進而實施監(jiān)測以及識別電力線路的運行狀態(tài)，分析設備運行故障，實現(xiàn)協(xié)同檢修。通過遷徙學習，強化電力線路巡視檢查的泛化學習能力，改善了傳統(tǒng)機器人的不足和缺陷。從配電站值守方面來說，應用多個智能化機器人，同時負責某個特定區(qū)域的值守，進行多源數(shù)據(jù)信息的綜合分析，能夠精準識別設備運行的異常，能夠?qū)Χ鄠€配電房開關和刀閘的聯(lián)合協(xié)調(diào)操作，同時可以進行配電網(wǎng)開關故障的分析。

（五）設備壽命評估

基于人工智能技術下的壽命評估研究仍然處在初始階段，因影響設備壽命因素很多，所以未來機器學習模型仍然需要融入設備全壽命周期數(shù)據(jù)中來，如此方能對其健康情況和壽命情況進行合理預測，便于有效制訂輸電變設備更換方案。

三、結語

總之，智能化變電運行不僅可以將電力企業(yè)的工作與日常的維護變得科學簡便，還能為信息網(wǎng)絡、自動技術提供專業(yè)科學的保證。但是，智能化運行技術在目前的實際操作的過程中還是有著一些不可忽視的問題，只有不斷提升工作人員的專業(yè)技能和科學規(guī)范操作方法，及時解決工作過程中出現(xiàn)的問題，才能夠提升電網(wǎng)的運行質(zhì)量。