人工智能電網(wǎng)故障診斷技術(shù)研究論文

人工智能電網(wǎng)故障診斷技術(shù)研究論文

　　【摘要】

　　電力系統是國民經(jīng)濟的基礎，而電網(wǎng)則是整個(gè)電力系統中極為重要的一部分，它承擔著(zhù)輸送、配電以及改變電壓的任務(wù)。然而，隨著(zhù)近年來(lái)人民日益用電需求的增長(cháng)，電網(wǎng)結構以及運行方式也變得日漸復雜，它的故障率也呈現成倍的增長(cháng)。因此一個(gè)可靠和準確的電網(wǎng)故障診斷系統對整個(gè)電力系統有著(zhù)十分重要的意義。本文綜述了目前現有的電網(wǎng)人工智能診斷方法，分析了他們各自的優(yōu)缺點(diǎn)，并提出了一些可能的解決方案，并對未來(lái)電網(wǎng)故障診斷技術(shù)進(jìn)行展望，為提高和完善電網(wǎng)故障診斷技術(shù)提供了可借鑒性的指導。

　　【關(guān)鍵詞】

　　電網(wǎng)；故障診斷；人工智能

　　眾所周知，我國承載著(zhù)13億人口的用電需求，隨著(zhù)我國綜合國力的迅速發(fā)展，人們的生活水平和生活質(zhì)量不斷地提高，而隨之帶來(lái)的是用電設備的迅速增加、用電需求的不斷地增加。無(wú)論是工業(yè)用電還是生活用電，對我國整個(gè)電力系統都是一場(chǎng)嚴峻的考驗。這也使得我國的電網(wǎng)結構以及運行方式變得日漸復雜[1]。電力是一個(gè)國家的發(fā)展基礎，如果發(fā)生嚴重的斷電事故或者電網(wǎng)系統故障的頻發(fā)，不僅對人民的生活有著(zhù)嚴重的影響，同時(shí)對企業(yè)乃至對整個(gè)國民經(jīng)濟造成不可挽回的損失。因此一個(gè)可靠準確的電網(wǎng)故障診斷系統對發(fā)現故障設備、診斷故障原因、及時(shí)排除故障有著(zhù)非常重要的意義。電網(wǎng)有著(zhù)覆蓋范圍廣，運轉設備繁多，故障位置難以發(fā)掘等特點(diǎn)。傳統依靠人為的排查電網(wǎng)故障，不僅耗費人力極大，而且可靠性和準確性無(wú)法保證，更重要的排查效率不高，無(wú)法及時(shí)發(fā)現故障位置。據統計，故障位置的定位要占到整個(gè)故障排查時(shí)間的1/3[2]，如果能將這一步驟縮短，將極大地提高排除電網(wǎng)故障的效率。隨著(zhù)近年來(lái)人工智能的興起，它逐漸被應用于電網(wǎng)的故障診斷。人工智能（AI）是以計算機為媒介，將人的思維方式賦予其上，讓其可以輔助或替代人類(lèi)完成某些工作的技術(shù)，它同樣為故障排查時(shí)間的縮短提供了可能[3]。

　　1電網(wǎng)故障診斷的研究現狀

　　監控系統和數據采集系統早已在電網(wǎng)早期的發(fā)展當中得以應用，它可以通過(guò)監控設備，將電網(wǎng)中各個(gè)節點(diǎn)的電壓或者電流變化等電氣量信息實(shí)時(shí)反饋，這也為后續如果電網(wǎng)發(fā)生故障，給工程師們在電網(wǎng)故障診斷時(shí)提供了數據保障。而人工智能技術(shù)將這些反饋信息加以利用，建立了基于人工智能方法的電網(wǎng)故障診斷系統。常用的診斷方法有，專(zhuān)家系統、人工神經(jīng)網(wǎng)絡(luò )、貝葉斯網(wǎng)絡(luò )以及模糊推理[4~5]。

　�。�1）專(zhuān)家系統：是以計算機技術(shù)為基礎，再結合專(zhuān)家的經(jīng)驗知識，建立專(zhuān)家知識庫，根據知識庫來(lái)模擬專(zhuān)家的推理過(guò)程，它在電網(wǎng)故障診斷當中發(fā)展比較早，相對來(lái)說(shuō)成熟。它的診斷結果與故障原因有著(zhù)直接的聯(lián)系，直觀(guān)有效的反應了故障特征，與人類(lèi)診斷思維相似。

　�。�2）人工神經(jīng)網(wǎng)絡(luò )：通過(guò)模擬人類(lèi)神經(jīng)系統來(lái)處理信息過(guò)程的一種人工智能技術(shù)，將電網(wǎng)保護和開(kāi)關(guān)信息量作為人工神經(jīng)網(wǎng)絡(luò )的輸入端，將故障狀態(tài)作為輸出端，選擇適當合適的樣本訓練模型。神經(jīng)網(wǎng)絡(luò )的診斷方法只有輸入和輸出，并不需要專(zhuān)業(yè)的知識，因此它的容錯能力要優(yōu)于專(zhuān)家系統，同時(shí)也兼顧了神經(jīng)網(wǎng)絡(luò )原有的優(yōu)點(diǎn)及學(xué)習能力強，具有自適應性。

　�。�3）貝葉斯網(wǎng)絡(luò )：它是以貝葉斯公式為基礎發(fā)展起來(lái)的一種推理的數學(xué)模型。它可以根據復雜設備的不確定性和關(guān)聯(lián)性進(jìn)行概率推理，其關(guān)鍵步驟是建立各個(gè)狀態(tài)之間的相關(guān)概率，然后根據故障特征尋找出發(fā)生故障概率最大的設備。

　�。�4）模糊推理：它是以模糊集為理論基礎，根據常見(jiàn)的故障源以及故障原因，建立知識數據庫，根據模糊的數學(xué)模型，加以結合經(jīng)驗，利用模糊隸屬度來(lái)描述對象的精確性，最終從數據庫中找出類(lèi)比概率最大的故障原因或者故障元器件，有較強的容錯能力。

　　2研究難點(diǎn)及可能的解決方案

　　電網(wǎng)是一個(gè)結構和運行方式復雜的動(dòng)態(tài)系統，而故障原因更是多種多樣，有時(shí)故障信號與故障的原因并沒(méi)有直接的關(guān)系，這對在電網(wǎng)故障診斷時(shí)很難能發(fā)現故障位置。目前，人工智能方法雖然可以在某種程度上解決電網(wǎng)故障診斷上的某些問(wèn)題，如診斷效率高、不容易出錯等，但他們也存在各種各樣的缺點(diǎn)。對于人工神經(jīng)網(wǎng)絡(luò )，需要訓練樣本，電網(wǎng)的故障還是小樣本，無(wú)法采集多樣的故障信息，無(wú)法建立相對完善的故障樣本；而且人工神經(jīng)網(wǎng)絡(luò )并不能尋找出故障特征和故障原因的直接聯(lián)系；同時(shí)計算效率差，有時(shí)候會(huì )出現不收斂現象。專(zhuān)家系統嚴重依賴(lài)知識庫，但并不是所有的故障原因都能從知識庫中找到，完備的知識庫很難獲��；同時(shí)專(zhuān)家系統維護難，需要不斷地對知識庫進(jìn)行補充；其次是它的魯棒性差，當電網(wǎng)故障相對復雜時(shí)，它極易出現組合爆炸，導致推理速度過(guò)于緩慢，無(wú)法進(jìn)行在線(xiàn)分析，無(wú)法診斷大型的電力系統。模糊推理和貝葉斯網(wǎng)絡(luò )，他們本質(zhì)上其實(shí)都是概率模型，對于貝葉斯網(wǎng)絡(luò )，它同樣需要對模型進(jìn)行訓練，且模型訓練方式復雜，得到的結果也只是一個(gè)故障概率；同時(shí)也需要保障訓練樣本的全面性和代表性。模糊推理中，在建立模糊集時(shí)隸屬度函數選擇沒(méi)有統一標準，不同的隸屬度函數所診斷結果也不盡相同。在電網(wǎng)結構變化時(shí)，需要對知識庫立刻修改。因此，針對上述的缺點(diǎn)，各種可能的解決方案也被運用于解決這些問(wèn)題，例如神經(jīng)網(wǎng)絡(luò )，可以將其與遺傳算法相結合，縮短神經(jīng)網(wǎng)絡(luò )搜索最優(yōu)權值和閾值的時(shí)間，提高神經(jīng)網(wǎng)絡(luò )在電網(wǎng)故障診斷中的計算效率；對于專(zhuān)家系統和模糊推理，在可以建立共享知識庫，對現有的知識庫進(jìn)行實(shí)時(shí)的補充；同時(shí)，可以用多方法結合的方式進(jìn)行電網(wǎng)故障診斷，對電網(wǎng)故障進(jìn)行綜合性評價(jià)和比較。

　　3未來(lái)的發(fā)展趨勢

　　未來(lái)是人工智能的時(shí)代，而電力系統的可靠穩定則是未來(lái)中國發(fā)展道路上所要面臨的嚴峻考驗，電網(wǎng)的故障診斷則是該考驗的關(guān)鍵環(huán)節，目前我國電網(wǎng)故障診斷技術(shù)還不成熟，還存在著(zhù)許多的不足，許多技術(shù)還僅限于理論階段，并沒(méi)有實(shí)用以及推廣。因此，未來(lái)的電網(wǎng)故障診斷科從以下幾方面著(zhù)手：

　�、俣喾N診斷方法相結合，取長(cháng)補短。

　�、谔岣咧悄芩惴ǖ倪\行效率，讓其更能高效準確地診斷故障原因及故障位置。

　�、弁瑫r(shí)可以發(fā)展電網(wǎng)故障預報技術(shù)，即在電網(wǎng)故障即將出現之前處于亞正常狀態(tài)下，根據電網(wǎng)采集到的相關(guān)數據信息進(jìn)行合理的分析并預報。調整電網(wǎng)電氣量來(lái)防止設備的進(jìn)一步損壞或者避免故障的發(fā)生。

　�、茈S著(zhù)傳感器技術(shù)的發(fā)展，在設備監測過(guò)程以及電網(wǎng)出現故障階段，我們可以采集到全面的故障信息，對采集的這些信息進(jìn)行融合和分析，更能有效地排查故障原因。

　　參考文獻

　　[1]郝艷妮.基于信息融合技術(shù)的電網(wǎng)故障診斷研究[D].西南交通大學(xué)，2012.

　　[2]劉京津.基于多智能體系的故障診斷技術(shù)在智能電網(wǎng)中的應用[J].電子與封裝，2013，13（12）：43~48.

　　[3]邊莉，邊晨源.電網(wǎng)故障診斷的智能方法綜述[J].電力系統保護與控制，2014，42（3）：146~153.

　　[4]陳玉林，陳允平，孫金莉，邱君瑪.電網(wǎng)故障診斷方法綜述[J].中國電力，2006，39（5）：27~31.

　　[5]張旭，魏娟，趙冬梅，張東英，劉燕華.電網(wǎng)故障診斷的研究歷程及展望[J].電網(wǎng)技術(shù)，2013，37（10）：2745~2753.