試析智能化診斷方法在電力系統故障診斷中的運用

韓寶國

摘 要：隨著現代社會對電力的需求量逐步加大，電網規模與電網結構也呈現出日益擴大的趨勢，這也導致了整個電力系統變得更加復雜化。而為了保障電力供應的安全穩定，加強關于智能化診斷方法在電力系統故障診斷中的運用便顯示出其緊迫性作用。由此，本文從電力系統故障診斷的內容概況出發，并提出具體的智能診斷辦法，以期為各位讀者提供參考。

關鍵詞：智能化；電力系統；故障診斷；方法運用

中圖分類號：TP391.5 文獻標識碼：A 文章編號：1671-2064（2017）22-0125-02

由于電力系統自身具有的復雜性特征，容易出現故障成因難以查明、故障解決困難等情況，當電力系統欠缺科學合理的故障診斷方法時，不僅會對人們的日常生產生活帶來不利影響，嚴重時甚至會造成巨大的安全隱患。據此，將智能化的診斷方法納入到電力系統診斷實踐中，也便具有了較為深刻的現實意義。

1 電力系統故障診斷的相關概述

電力系統的故障診斷需要以綜合性的技術為支撐，其內容包含了人工智能、信號處理、小波變換、模式識別、模糊邏輯、數理統計以及現代控制研究等多項理論，為了確保電力系統診斷的良好成效，關鍵還需從基于數學模型的系統與基于專家系統的模型出發進行診斷，從而才能為確保診斷的智能化、有效化奠定良好的基礎。

針對電力系統的故障診斷需求是隨著電力行業壯大而發展起來的，當故障產生時容易出現斷路器與其他保護裝置誤動、拒動；警報信息畸變、丟失；多個設備元件同時損壞等情形，這便使得智能化技術在電力系統診斷中得到更多的運用。舉例來說，由于電網運載電量的不斷加大，以往基于診斷網絡拓撲結構而建立起的模型基礎FD-PS無法適應當下區域運行極限的性能需求，根據故障發生時其系統結構與參數出現變化的情況，使得系統潮流也產生變化，因而以潮流計算出現的變化來對故障進行判斷也無法滿足當下的真實需求。從傳統的數學診斷方法來看，采用單一化的求解方式也會因電力系統巨大的規模性和復雜性而無形增加其診斷難度。將當前的電力運行結構視作一個呈分布式的大系統，集中求解的方式顯然難以得到理想診斷效果，所以只有選用智能化的辦法，才能對電力系統中的故障診斷予以更快更好的解答。

2 智能化診斷方法在電力系統中的運用

2.1 基于ES基礎的故障診斷方法

ES又被稱作專家系統，是開發較早、較為成熟的一種新型人工智能技術，例如，ES中的解釋模塊可以實現對知識的推理、應用以及解釋結論，ES作為復雜的程序系統，其內容存儲了豐富的專業知識與經驗內容，該系統通過對專家決策過程進行模擬，從而利用已經掌握的專家經驗知識對復雜問題予以解決。在專家系統中，由于囊括了眾多的知識表達方式與不同的研究領域，所以在專業的技能運用方面借助書本理論的融合便可以完成對各種問題的處理定性，與此同時新的解決手段也被記錄在系統中，從而為知識經驗的歸納積累創造了有利的條件。ES中的知識表達形式主要可以分為基于謂詞邏輯、生產規則、知識模型、框架模式、面對對象等表示法。ES在電力系統故障診斷中的應用主要是建立在生產規則基礎之上的，通過將短路器、保護設置的動作邏輯與診斷經驗運用邏輯規則的形式展示出來，再經所構建起的知識庫對警示信息進行推理，并最終得出診斷結論。

一般來說，在輸電網絡之中的動作邏輯與斷路保護之間的關系是較為直觀的，所展示的模塊規則內容等也能夠隨著ES內規則的增加、刪減而變化，由此可見，在不斷修改規則的背景下，專家系統中的規則往往可以具備優良的時效性與準確性，對于一些不能及時予以處理的故障，也能夠對根據符合人類習慣的結論對其進行解釋。ES常見的推理方法可以分為正向、反向與正反向混合三種方式。其中，正向推理是以原始數據為出發點，并按照專家知識策略對結論予以推導，例如，當電力系統中發生故障時通過輸入動作保護與跳閘斷路等信息，從而得出相關的空間規則，據此搜索出故障診斷的結果，再將匹配規則歸入到候選的隊列之中，利用沖突消解來獲取最后的診斷結果。反向推理則是由假設出發尋找出可以支持該理論的證據，利用目標驅動來獲取事實數據。而混合使推論顧名思義即將正向與反向推導相互結合，從而構建出正反混合的診斷模式。因而ES也能夠使得電力系統的診斷與表達能夠具備更好的層次性、結構性與繼承性。

2.2 建立在ANN及ES基礎上的故障診斷方法

人工神經網絡簡稱為ANN，指的是通過對人類的神經系統進行模擬，從而實現數據傳輸、信息處理過程的智能技術。ANN原理同專家系統相比較而言具有明顯不同，首先，人工神經網絡主要通過連接神經元間的有向權重來對電力系統中的隱含問題進行處理，而ES專家系統在問題推論上的建立基礎存在著顯著差異。其次，ANN與ES相比在學習能力、性能目標方面也有著較大區分，舉例來說，人工神經網絡具備的學習能力包含了基本結構、算法學習、樣本訓練、組織知識等內容，ANN具備的泛化能力能夠滿足多樣化的學習要求，同時ANN的自我容錯能力也較為突出，即使在輸入帶有干擾噪聲信號的前提下，ANN仍然能夠得出科學的結果，同時，由于神經元所具有的獨立性，也使得ANN在執行命令進行故障診斷的過程中也能達到更快的速度。總結來說，從診斷過程來說，ES為推論過程，ANN為學習過程；從數據信息的輸入來看，ES為輸入知識，ANN為輸入模式；從運算方法來看，ES為啟發式，運用邏輯量或符號，ANN為統計式，利用數字量；從數據的處理方式來看，ES為串行，ANN為并行；從輸出結果來看，ES為推論式，ANN為歸納式。

ANN的運用并不是無懈可擊的，在對電力系統中的故障進行診斷時人工神經網絡也存在一些問題亟待完善，例如，ANN缺乏電網拓撲結構的表達能力，所以智能化功能的發揮通常被限定在較小規模的電網之中，而要制作出能夠滿足更大要求的大型故障診斷處理智能網絡，則還需要向ANN提供大量具有代表性特征的樣本以供學習。再如，ANN在對啟發性知識進行處理的過程中往往能力有所欠缺，缺乏解釋能力也讓ANN的算法速度控制、診斷結果顯示方面產生瑕疵，對于工作人員來說ANN的診斷過程是“黑箱”，因而也不利于從業者理解診斷的結果。endprint

2.3 其他的智能化診斷方法

智能化的診斷方法作為新興領域，現正處于如火如荼的發展之中，當前關于電力系統故障診斷的智能化辦法還包括了如下內容：

（1）petri網絡。該網絡的應用是基于數學模式建立而成的，通過對系統中各個元件間的關系架構為基礎，從而對系統中同時、循環或按次序發生的活動運用網絡予以表示。在輸電網絡運行過程中，當各類、各級系統出現故障時，petri網絡能夠對故障點進行切除并加以描述，將petri作為工具結合概率信息加權表示，從而為建模與診斷提供行之有效的決策辦法，此種方法既滿足快速、簡便的使用效果，同時也保障了故障概率的信息值形式能夠為工作人員帶來具有啟發式的信息內容。

（2）小波分析。該種診斷分析是近年興起的一種時頻分析辦法，小波分析（如下圖1所示）是在Fourier分析基礎上發展而來的，對時頻的局部變化具備良好的適應性，并且對信號適應也能達到多尺度“變焦”的分析效果，可以對非平穩的信號進行良好的處理。小波分析能夠滿足多重分辨的能力，對刻畫信號的局部特性予以清晰辨識，所以利用該類時頻分析法能夠符合信號探測的需求，也能對瞬態反常的現象予以展示。將小波分析運用在RTU子診斷模塊之中，便可以有效避免因信號干擾而造成的誤診情形，從而大幅提高了故障診斷的準確程度。

（3）模糊理論。通過將經典的集合理論予以模糊化，并引入至近似推理與語言變量的模糊邏輯中，從而構建出完整的推理體系，這種理論的建立也更加接近于人們的表達習慣。由于電力系統中爆發的故障問題通常具有分散性特點，因而運用模糊理論對電力系統信息進行推理，也能更好的解決分布式的故障問題。為了使工作人員便于操作，當前已開發了模糊知識與圖形建模的學習平臺與故障信息的專門管理系統，

（4）遺傳算法。對自然界的生物進化情況進行模擬，從而得出優化計算模型，也能為人們解答復雜問題提高新的思路。遺傳算法能夠對信息龐雜、概率較大的問題運用最少時間求出最優解，經過大量的實踐測試表明，將此種合理的計算方法運用到電力系統的故障診斷中，也能夠切實提高診斷的有效性與準確性。

3 結語

由于受到氣候環境、人為干擾等主客觀原因的影響，電力系統中出現故障也是難以徹底避免的，所以做好故障診斷策略研究，尤其是及早查找出故障原因、切斷故障點并恢復整個電力系統的正常運行也成為從業人員日益關注的話題。因此，只有不斷強化智能化診斷方法研究，并將這些有益經驗積極運用到實踐中去，才能提高電力系統的穩定性，進而促進電力行業迎來更好的發展。

參考文獻

[1]曹榮，劉翠娜.淺談電力系統故障診斷中的智能化方法與應用[J].信息通信，2013，（09）：133-134.

[2]郭步陽.試論人工智能技術在電力系統故障診斷中的應用[J].科技創新與應用，2015，（34）：206.

[3]趙啟純.人工智能技術在電力系統故障診斷中的運用分析[J].電腦知識與技術，2017，13（02）：183-185.

[4]饒瑤.電力系統故障診斷的研究現狀與發展趨勢[J].中國新技術新產品，2014，（06）：29.endprint