人工智能電網(wǎng)故障診斷技術(shù)研究論文

　　【摘要】

　　電力系統(tǒng)是國(guó)民經(jīng)濟(jì)的基礎(chǔ)，而電網(wǎng)則是整個(gè)電力系統(tǒng)中極為重要的一部分，它承擔(dān)著輸送、配電以及改變電壓的任務(wù)。然而，隨著近年來(lái)人民日益用電需求的增長(zhǎng)，電網(wǎng)結(jié)構(gòu)以及運(yùn)行方式也變得日漸復(fù)雜，它的故障率也呈現(xiàn)成倍的增長(zhǎng)。因此一個(gè)可靠和準(zhǔn)確的電網(wǎng)故障診斷系統(tǒng)對(duì)整個(gè)電力系統(tǒng)有著十分重要的意義。本文綜述了目前現(xiàn)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(duì)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(dǎo)。

　　【關(guān)鍵詞】

　　電網(wǎng)；故障診斷；人工智能

　　眾所周知，我國(guó)承載著13億人口的用電需求，隨著我國(guó)綜合國(guó)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(shè)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(duì)我國(guó)整個(gè)電力系統(tǒng)都是一場(chǎng)嚴(yán)峻的考驗(yàn)。這也使得我國(guó)的電網(wǎng)結(jié)構(gòu)以及運(yùn)行方式變得日漸復(fù)雜[1]。電力是一個(gè)國(guó)家的發(fā)展基礎(chǔ)，如果發(fā)生嚴(yán)重的斷電事故或者電網(wǎng)系統(tǒng)故障的頻發(fā)，不僅對(duì)人民的生活有著嚴(yán)重的影響，同時(shí)對(duì)企業(yè)乃至對(duì)整個(gè)國(guó)民經(jīng)濟(jì)造成不可挽回的損失。因此一個(gè)可靠準(zhǔn)確的電網(wǎng)故障診斷系統(tǒng)對(duì)發(fā)現(xiàn)故障設(shè)備、診斷故障原因、及時(shí)排除故障有著非常重要的意義。電網(wǎng)有著覆蓋范圍廣，運(yùn)轉(zhuǎn)設(shè)備繁多，故障位置難以發(fā)掘等特點(diǎn)。傳統(tǒng)依靠人為的排查電網(wǎng)故障，不僅耗費(fèi)人力極大，而且可靠性和準(zhǔn)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(xiàn)故障位置。據(jù)統(tǒng)計(jì)，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。隨著近年來(lái)人工智能的興起，它逐漸被應(yīng)用于電網(wǎng)的故障診斷。人工智能（AI）是以計(jì)算機(jī)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(xiàn)狀

　　監(jiān)控系統(tǒng)和數(shù)據(jù)采集系統(tǒng)早已在電網(wǎng)早期的發(fā)展當(dāng)中得以應(yīng)用，它可以通過(guò)監(jiān)控設(shè)備，將電網(wǎng)中各個(gè)節(jié)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(xù)如果電網(wǎng)發(fā)生故障，給工程師們?cè)陔娋W(wǎng)故障診斷時(shí)提供了數(shù)據(jù)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(tǒng)。常用的診斷方法有，專(zhuān)家系統(tǒng)、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(tǒng)：是以計(jì)算機(jī)技術(shù)為基礎(chǔ)，再結(jié)合專(zhuān)家的經(jīng)驗(yàn)知識(shí)，建立專(zhuān)家知識(shí)庫(kù)，根據(jù)知識(shí)庫(kù)來(lái)模擬專(zhuān)家的推理過(guò)程，它在電網(wǎng)故障診斷當(dāng)中發(fā)展比較早，相對(duì)來(lái)說(shuō)成熟。它的診斷結(jié)果與故障原因有著直接的聯(lián)系，直觀有效的反應(yīng)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(tǒng)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(hù)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(dāng)合適的樣本訓(xùn)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(shí)，因此它的容錯(cuò)能力要優(yōu)于專(zhuān)家系統(tǒng)，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(xí)能力強(qiáng)，具有自適應(yīng)性。

　�。�3）貝葉斯網(wǎng)絡(luò)：它是以貝葉斯公式為基礎(chǔ)發(fā)展起來(lái)的一種推理的數(shù)學(xué)模型。它可以根據(jù)復(fù)雜設(shè)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(jù)故障特征尋找出發(fā)生故障概率最大的設(shè)備。

　　（4）模糊推理：它是以模糊集為理論基礎(chǔ)，根據(jù)常見(jiàn)的故障源以及故障原因，建立知識(shí)數(shù)據(jù)庫(kù)，根據(jù)模糊的數(shù)學(xué)模型，加以結(jié)合經(jīng)驗(yàn)，利用模糊隸屬度來(lái)描述對(duì)象的精確性，最終從數(shù)據(jù)庫(kù)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(qiáng)的容錯(cuò)能力。

　　2研究難點(diǎn)及可能的解決方案

　　電網(wǎng)是一個(gè)結(jié)構(gòu)和運(yùn)行方式復(fù)雜的動(dòng)態(tài)系統(tǒng)，而故障原因更是多種多樣，有時(shí)故障信號(hào)與故障的原因并沒(méi)有直接的關(guān)系，這對(duì)在電網(wǎng)故障診斷時(shí)很難能發(fā)現(xiàn)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(cuò)等，但他們也存在各種各樣的缺點(diǎn)。對(duì)于人工神經(jīng)網(wǎng)絡(luò)，需要訓(xùn)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(duì)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(jì)算效率差，有時(shí)候會(huì)出現(xiàn)不收斂現(xiàn)象。專(zhuān)家系統(tǒng)嚴(yán)重依賴(lài)知識(shí)庫(kù)，但并不是所有的故障原因都能從知識(shí)庫(kù)中找到，完備的知識(shí)庫(kù)很難獲取；同時(shí)專(zhuān)家系統(tǒng)維護(hù)難，需要不斷地對(duì)知識(shí)庫(kù)進(jìn)行補(bǔ)充；其次是它的魯棒性差，當(dāng)電網(wǎng)故障相對(duì)復(fù)雜時(shí)，它極易出現(xiàn)組合爆炸，導(dǎo)致推理速度過(guò)于緩慢，無(wú)法進(jìn)行在線分析，無(wú)法診斷大型的電力系統(tǒng)。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(duì)于貝葉斯網(wǎng)絡(luò)，它同樣需要對(duì)模型進(jìn)行訓(xùn)練，且模型訓(xùn)練方式復(fù)雜，得到的結(jié)果也只是一個(gè)故障概率；同時(shí)也需要保障訓(xùn)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(shù)選擇沒(méi)有統(tǒng)一標(biāo)準(zhǔn)，不同的隸屬度函數(shù)所診斷結(jié)果也不盡相同。在電網(wǎng)結(jié)構(gòu)變化時(shí)，需要對(duì)知識(shí)庫(kù)立刻修改。因此，針對(duì)上述的缺點(diǎn)，各種可能的解決方案也被運(yùn)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(jié)合，縮短神經(jīng)網(wǎng)絡(luò)搜索最優(yōu)權(quán)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(jì)算效率；對(duì)于專(zhuān)家系統(tǒng)和模糊推理，在可以建立共享知識(shí)庫(kù)，對(duì)現(xiàn)有的知識(shí)庫(kù)進(jìn)行實(shí)時(shí)的補(bǔ)充；同時(shí)，可以用多方法結(jié)合的方式進(jìn)行電網(wǎng)故障診斷，對(duì)電網(wǎng)故障進(jìn)行綜合性評(píng)價(jià)和比較。

　　3未來(lái)的發(fā)展趨勢(shì)

　　未來(lái)是人工智能的時(shí)代，而電力系統(tǒng)的可靠穩(wěn)定則是未來(lái)中國(guó)發(fā)展道路上所要面臨的嚴(yán)峻考驗(yàn)，電網(wǎng)的故障診斷則是該考驗(yàn)的關(guān)鍵環(huán)節(jié)，目前我國(guó)電網(wǎng)故障診斷技術(shù)還不成熟，還存在著許多的不足，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手：

　�、俣喾N診斷方法相結(jié)合，取長(zhǎng)補(bǔ)短。

　�、谔岣咧悄芩惴ǖ倪\(yùn)行效率，讓其更能高效準(zhǔn)確地診斷故障原因及故障位置。

　　③同時(shí)可以發(fā)展電網(wǎng)故障預(yù)報(bào)技術(shù)，即在電網(wǎng)故障即將出現(xiàn)之前處于亞正常狀態(tài)下，根據(jù)電網(wǎng)采集到的相關(guān)數(shù)據(jù)信息進(jìn)行合理的分析并預(yù)報(bào)。調(diào)整電網(wǎng)電氣量來(lái)防止設(shè)備的進(jìn)一步損壞或者避免故障的發(fā)生。

　�、茈S著傳感器技術(shù)的發(fā)展，在設(shè)備監(jiān)測(cè)過(guò)程以及電網(wǎng)出現(xiàn)故障階段，我們可以采集到全面的故障信息，對(duì)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(xiàn)

　　[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(yīng)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(tǒng)保護(hù)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(guó)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.