人工智能技術在電力自動化的應用探討

【摘 要】本文從對專家系統、人工神經網絡、模糊集理論、啟發式搜索等人工智能技術的含義入手，從六大方面，詳細介紹了人工智能技術在電力自動化系統中的應用，以促進兩者的互相進步，共同發展。

【關鍵詞】人工智能；電力系統；應用

人工智能技術簡稱AI，是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學，與基因工程、納米技術并稱為21世紀三大尖端技術。由于它是利用計算機來模擬人類的智能活動，因此完全擺脫了傳統方法的束縛，能解決傳統方法難以解決甚至根本無法解決的問題，當前，隨著國家電網建設“堅強的智能電網”進程的不斷深入，電力系統規模不斷增加，數據量增多，管理上越發復雜，因此，將人工智能應用于電力自動化控制系統，能有效減少運行成本，提高工作效率，現就該問題進行粗淺探討，以供參考。

一、人工智能技術概述

人工智能技術自上世紀50年代發展至今，在理論研究方面已取得突破性進展，在具體應用方面，主要如下：（1）專家系統（ES）。所謂專家系統，即一個計算機程序集，該程序利用當前的輸入信息、知識庫及一系列推理規則來完成由某一領域專家才能完成的工作。專家系統的特點在于其符號表達、邏輯推理及漸進式搜索能力。家系統在電力系統運行控制中的應用領域包括報警信號處理、電壓控制、故障診斷、恢復控制、運行規劃等。（2）人工神經網絡（ANN）。人工神經網絡是模擬的生物激勵系統，由大量的神經元以一定的方式連接而成的，單個神經元的作用是實現輸入到輸出的一個非線性函數關系，它們之間廣泛的連接組合就使得整個神經網絡有了復雜的非線性特性，神經網絡將大量的信息隱含在其連接權值上，根據一定的學習算法調節權值，使神經網絡實現從m維空間到n維空間復雜的非線性映射。神經網絡具有良好的快速并行處理能力及分類能力，因此被廣泛地應用于電力系統的實時控制、檢測與診斷、短期和長期負荷預測、狀態評估等諸多領域。（3）模糊集理論（FL）。FL發展于上世紀60年代中期，它是多值邏輯的擴展，能夠完成傳統數學方法難以做到的近似推理。其具體應用為：應用多目標模糊決策方法，進行故障測距和故障類型識別；給出模糊集理論的配電系統潮流與狀態估計方法；采用模糊推理估計配電系統負荷水平，歸納各類用戶隨不同因素的變化；用模糊集方法構造變壓器保護原理，區別內部故障、涌流、過激以及電流互感器飽和情況下的外部故障；尋求維持電力系統安全運行和充分利用輸電容量之間的折衷解；運用于配電系統損耗模糊計算模型，提高計算精確度等。（4）啟發式搜索（HS）。啟發式搜索主要有遺傳算法（GA）和模擬退火（SA）算法兩種，啟發式搜索通過隨機產生新的解并保留其中較好的結果，并避免陷入局部最小，以求得全局最優解或近似最優解。以上兩種方法，都可用來求解任意目標函數和約束的優化問題。

二、人工智能技術的在電力自動化的應用

（1）在電源規劃中的應用。電源規劃是電力系統中電源布局的戰略規劃，當前，人們對高質量電能的需求越發突出，因此，加強電力建設，擴充新電源勢在必行。電源規劃問題之所以復雜，其中一個重要原因即是每個規劃時期備選機組狀態的數目龐大，而對于每個具體的規劃項目，這些狀態大多是不可行的，而利用專家系統，可以根據實際規劃工作時的具體約束條件對方案進行裁減，盡早刪除大量不可行的方案，從而減少優化計算的工作量，提高規劃效率。同時，利用遺傳算法，可以實現站址和站容的優化。（2）在電能質量分析中的應用。20世紀80年代末以來，隨著微電子技術和電力電子技術的發展，基電能質量越來越被人們所關注。為提高電能質量，建立電能質量檢測和分析識別系統，對其進行正確的檢測、評估和分類就顯得十分必要。傳統的電能質量檢測手段主要是以人工方式和便攜式電能質量測量儀器為主，對線路和變電站進行現場數據采集，工作量大，采集的數據不系統也不全面，時間延續性短，誤差較大，效率低。而采用人工智能技術能有效克服傳統方法的缺陷。如電力系統中諧波診斷的任務是對一組電流或電壓的采樣信號確定出各次諧波的含量或感興趣的諧波成分含量，采用人工神經網絡，可以在避免噪聲和間諧波的情況下分析諧波問題。又如，電力系統電源側電壓及負荷變化將引起用戶側電壓波動，長時間的電壓偏移將使得供電電壓質量得不到保證，因此，保持電壓偏移在允許范圍內是衡量電能質量標準的一項重要內容。而基于專家系統而設計的變電站無功控制裝置，能將已有的無功電壓控制經驗或知識用規則表示出來，形成專家系統的知識庫。并能像有經驗的調度員那樣，在面臨不同運行工況時，根據上述的規則由無功電壓實時變化值有效地作出合理的電壓調節決策。此外，人工智能技術在電能質量分析中的應用，還包括電能質量的擾動分析、電能質量的數據管理和數據挖掘，等等。（3）在故障診斷中的應用。電力系統可能出現的故障種類繁多，具有復雜性、不確定性及非線性等特點，從一次系統的故障看，可分為線路和元件故障兩大類；從二次系統的故障看，則可粗略地分為保護系統、信號系統、測量系統、控制系統及電源系統五類故障，若采用傳統的方法診斷效率低，準確率不高，而采用人工智能技術，能大大提高故障診斷的準確率。專家系統、神經網絡、模糊邏輯是人工智能技術用于故障診斷的方法，例如人工智能故障診斷技術運用于發電機及電動機進行的故障診斷時，將模糊理論與神經網絡相結合，不僅保留了故障診斷知識的模糊性，還結合了神經網絡學習能力強的優點，共同實現對電機故障的診斷，大大提高了故障診斷的準確率。（4）在電力系統無功優化中的應用。謂電力系統無功優化，就是指當電力系統的結構參數及負荷情況給定時，通過對某些控制變量的優化，在滿足所有指定約束條件的前提下，使系統的一個或多個性能指標達到最優的無功調節手段，它是保證電力系統安全，提高運行經濟性的手段之一。將人工智能技術應用于電力系統無功優化中，主要有如下幾方面：如，針對傳統方法在處理配電網無功優化時不能處理多元約束問題的缺陷，模糊優化法通過引入模糊集理論，能使一些不確定的問題得到解決，使用模糊優化法，可優化配電網的電容器投切，減少了配電網的網損并提高了其電壓質量。使用禁忌算法，能有效地處理不可微的目標函數，解決配電網補償電容器優化投切0-1組合優化問題，并可以處理補償電容器分檔投切的組合優化問題。而使用人工神經網絡，可以將網損最小作為優化目標，用人工神經網絡模型對多抽頭的配電網電容器進行實時控制，等等。（5）在電力系統繼電保護中的應用。通過專家系統，能把保護、斷路器的動作邏輯以及運行人員的診斷經驗用規則表示出來，形成故障診斷專家系統的知識庫，進而根據報警信息對知識庫進行推理，獲得故障診斷的結論。輸電網絡中保護的動作邏輯一級保護與斷路器之間的關系易于用直觀的、模塊化的規則表示出來能夠在一定程度上解決不確定性問題，能夠給出符合人類語言習慣的結論并具有相應的解釋能力等。此外框架法專家系統善于表達具有分類結構的知識，能夠比較清楚的表達事物之間的相關性，可以簡化繼承性知識的表述和存儲，在輸電網絡報警信息處理和故障診斷中也有少量應用。（6）在抑制電力系統低頻振蕩中的應用。大規模電網互聯易產生低頻振蕩，對電力系統的安全造成嚴重威脅。低頻振蕩產生的原因，源于系統缺乏阻尼，目前，低頻振蕩抑制措施中研究較多的是電力系統穩定器FACTS和PSS阻尼控制器，以上兩種辦法均存在一定缺陷，即存在魯棒性差的問題，而人工智能技術能模擬人類處理問題的過程、容易計及人的經驗和具有一定的學習能力，將神經網絡、模糊理論、GA等人工智能技術應用于FACTS控制器和自適PSS的研究，能解決阻尼控制器參數的魯棒最優整定，有效抑制電力系統低頻振蕩問題。

總之，隨著人工智能技術的不斷進步，新的方法將不斷涌現，其在電力系統中的應用也將越來越廣，如何綜合已有技術，揚長避短，并探索新的技術和理論方法，將其應用于解決未來電力系統的各種問題，是我們今后探索研究的主要方向。

參 考 文 獻

[1]蔡自興，徐光祐．人工智能技術及應用[M]．北京：清華大學出版社，2000

[2]劉曉強．淺議人工智能技術在電力自動化的應用[J]．中國科技縱橫．2012（5）：218

[3]徐志國．人工智能（AI）在電力系統中的應用[J]．現代電子技術．2006