- 相關(guān)推薦
基于人工智能技術(shù)的配電網(wǎng)故障診斷研究論文
本文簡(jiǎn)述了配電網(wǎng)故障的分類(lèi)和研究意義，介紹了配電網(wǎng)故障診斷的傳統方法和以人工智能為基礎的幾種現代診斷技術(shù)。
我國國民經(jīng)濟迅猛發(fā)展，人民生活水平不斷提髙，電力在人民物質(zhì)文化生活中扮演的角色也愈發(fā)關(guān)鍵，用戶(hù)對電能的質(zhì)量要求也越來(lái)越高，一些特殊的用戶(hù)如醫院、煉鋼廠(chǎng)等等要求必須實(shí)現無(wú)間斷供電，否則將出現重大事故。拒不完全統計，電網(wǎng)停電中有相當一部分是配電網(wǎng)故障導致的。配電網(wǎng)直接與用戶(hù)相連，發(fā)生故障后只能夠先停運，檢修排除故障后才能恢復供電，這段時(shí)間的停電毫無(wú)疑問(wèn)會(huì )導致工廠(chǎng)停產(chǎn)，人民生活受限，更有可能引發(fā)為深層次的社會(huì )危機。在如何減少配電網(wǎng)故障停電時(shí)間的問(wèn)題上，國內外的學(xué)者一直致力于配電網(wǎng)故障恢復系統的研究。我國配電網(wǎng)基本結構形式是樹(shù)狀結構，一般設置一些開(kāi)關(guān)支路提供聯(lián)絡(luò )作用以提高可靠性，形成配電網(wǎng)環(huán)狀結構。配電網(wǎng)也隨著(zhù)電網(wǎng)的發(fā)展，線(xiàn)路更加復雜，用戶(hù)節點(diǎn)增多，發(fā)生故障的可能性也越來(lái)越大。配電網(wǎng)故障受各種因素制約，很難完全避免， 當故障發(fā)生時(shí)，應立即對故障區段進(jìn)行隔離，盡快恢復非故障區段供電，最大限度減小停電波及范圍，縮減停電造成的經(jīng)濟損失，另一方面，故障恢復中也應盡量減少供電損耗。
配電網(wǎng)故障診斷
故障發(fā)生后，快速診斷和恢復供電是縮短供電中斷時(shí)間和增強供電可靠性的必要條件。高效的故障診斷方法作為事故恢復的第一步，作為快速、準確定位故障并確定隔離區段的基礎，配電網(wǎng)故障診斷技術(shù)在現代科學(xué)技術(shù)進(jìn)步的大力促進(jìn)下得到了長(cháng)足的發(fā)展，隨著(zhù)理論研究的不斷深入，對該問(wèn)題的不同數學(xué)描述和解決方法也不斷涌現出來(lái)。傳統的方法大多基于圖論的知識，而當前的人工智能技術(shù)的廣泛應用提供了一條新的思路，各種診斷方法都有各自的優(yōu)勢和局限性。
1、傳統的診斷方法
傳統的方法是一種矩陣算法，這種算法以網(wǎng)絡(luò )的節點(diǎn)導納矩陣和故障表征矩陣為基礎對開(kāi)關(guān)故障狀態(tài)信息進(jìn)行異或計算并進(jìn)行數字化，以此確定故障所在的位置區間。這種算法缺點(diǎn)比較明顯，耗費內存多并且計算量巨大。
2、目前常用的方法
近幾年，人工智能技術(shù)的智能化優(yōu)點(diǎn)逐漸體現，模擬人類(lèi)思維來(lái)處理問(wèn)題、人機交流方便并具有一定學(xué)習能力，這種思路正在一步步并被引入電網(wǎng)故障診斷的研究中，并得到了廣泛的應用。目前的算法中能夠嵌入人工智能技術(shù)的，主要有以下幾個(gè)：專(zhuān)家系統、模糊數學(xué)、遺傳算法、人工神經(jīng)網(wǎng)絡(luò )等。
(1)專(zhuān)家系統
專(zhuān)家系統是指基于知識的智能系統，當研究的對象的數學(xué)模型不能夠準確描述或定義時(shí)，可以考慮使用這種方式進(jìn)行合理化推測進(jìn)行解決。專(zhuān)家系統利用一些框架和邏輯詞語(yǔ)，來(lái)形象表述模型，具有靈活性、高效性和其發(fā)行等特征，容易引起人們的進(jìn)一步思考。目前配電網(wǎng)中所使用的故障定位專(zhuān)家系統，利用產(chǎn)生式規則形式，在實(shí)際應用中，這種系統能夠依據開(kāi)關(guān)提供的信息來(lái)推斷故障的位置，實(shí)現準確定位，實(shí)用性高。但也存在一些問(wèn)題，最明顯的就是過(guò)于機械化，容錯性能差，不能夠靠信息識別故障類(lèi)型，很容易引起在保護裝置誤動(dòng)或者拒動(dòng)時(shí)發(fā)生判斷失誤。
(2)人工神經(jīng)網(wǎng)絡(luò )
人工神經(jīng)網(wǎng)絡(luò )是人工智能技術(shù)的一種，主要是模仿人進(jìn)行的多信息處理能力，這種能力在機器中很難實(shí)現，需要借助有權連接來(lái)建立單元與單元之間的聯(lián)系，這也是其最大特點(diǎn)，故而自我學(xué)習能力好，并且容錯性能非常髙，具備自我修復的功能，另外單元與單元之間獨立，便于信息并行處理。
人工神經(jīng)網(wǎng)絡(luò )故障診斷系統的輸入量為所有保護和斷路器狀態(tài)，輸出量為所有可能的故障位置或元件，采用二進(jìn)制中的0和1，來(lái)代表輸入和輸出向量的情況，形成計算機能夠處理的網(wǎng)絡(luò )，然后可進(jìn)行有效的故障診斷。這種方法存在的最嚴重問(wèn)題是變通性差。一次的計算時(shí)間很長(cháng)，如果網(wǎng)絡(luò )結構變化，神經(jīng)網(wǎng)絡(luò )必須對應重新訓練十分浪費資源。
(3)模糊理論
模糊理論是模糊經(jīng)典集合理論的簡(jiǎn)稱(chēng)，原理是將語(yǔ)言變量和邏輯推理進(jìn)行模糊處理引入理論，形成一套解決不確定性問(wèn)題的方案的技術(shù)。在模糊理論的發(fā)展過(guò)程中，它的一些優(yōu)點(diǎn)逐漸顯露，深受研究者的青睞，例如，模糊理論適用于難以把握的不確定性問(wèn)題;其專(zhuān)家經(jīng)驗由語(yǔ)言變量表示，更接近人類(lèi)表達習慣，使用更方便;模糊理論的結果不是單一的，可能是多個(gè)可能的解決方案，但這些方案是由優(yōu)先級的，一般按照模糊度的高低對方案進(jìn)行排序，便于選擇。但是模糊理論本身也有不可忽略的缺陷，例如自主學(xué)習能力差(近似沒(méi)有)，數據庫的維護復雜，這些問(wèn)題容易引起模糊系統的誤判，造成斷路器拒動(dòng)或者誤動(dòng)，嚴重時(shí)會(huì )誘發(fā)后續多重故障。
(4)遺傳算法
遺傳算法出現于60年代后期，是通過(guò)模擬生物的遺傳與進(jìn)化過(guò)程求解復雜問(wèn)題的全局或者局部最優(yōu)解的一種優(yōu)化技術(shù)。遺傳算法相對于傳統的優(yōu)化技術(shù)有顯著(zhù)的優(yōu)點(diǎn)，它對于幾乎適用于求解所有類(lèi)型的問(wèn)題，不涉及常規的最優(yōu)化問(wèn)題所必需的的復雜的數學(xué)計算過(guò)程，并且還有很強的全局尋優(yōu)能力。在過(guò)去的幾年時(shí)間里，遺傳算法得到了充分的發(fā)展與應用，并且在工業(yè)工程領(lǐng)域取得了一系列研究成果。遺傳算法進(jìn)行故障診斷，首先要建立數學(xué)模型，將故障網(wǎng)絡(luò )進(jìn)行數字化，利用遺傳算法的步驟進(jìn)行求解。
遺傳算法故障診斷系統以全局優(yōu)化為出發(fā)點(diǎn)，在多重故障或保護裝置、斷路器存在誤動(dòng)的情況等復雜情況下表現優(yōu)異，結果包含全局最優(yōu)或局部最優(yōu)的多個(gè)可能的診斷結果，而且容錯能力較高。但同時(shí)，遺傳算法本身存在的問(wèn)題也很明顯，例如如何建立合理的配電網(wǎng)結構、如何建立合理的故障診斷數學(xué)模型、如何確定最優(yōu)的交叉和變異算子以及相應的參數，這些問(wèn)題都有待于進(jìn)一步研究。
【基于人工智能技術(shù)的配電網(wǎng)故障診斷研究論文】相關(guān)文章：
機械故障診斷論文07-04
人工智能技術(shù)在電氣自動(dòng)化中的應用論文07-04
談電氣自動(dòng)化人工智能技術(shù)的應用論文07-04
人工智能技術(shù)對電氣自動(dòng)化控制的應用論文07-04
基于素質(zhì)銀行的高校輔導員職業(yè)能力模型創(chuàng )新研究論文07-03
人工智能技術(shù)對電氣自動(dòng)化控制的重要性論文07-04
基于現代物流實(shí)訓室管理的物流管理專(zhuān)業(yè)實(shí)踐教學(xué)改革研究論文07-04
冶金機械設備安裝故障診斷方法論文07-04
基于網(wǎng)絡(luò )的證券與期貨專(zhuān)業(yè)開(kāi)放式綜合實(shí)訓平臺建設研究分析論文07-03