人工智能在電力系統繼電保護中的應用研究

馬鵬

【摘 要】隨著電網規模的不斷擴大，電網元件受到各方面故障的的影響也越來越多。目前電網故障元件的診斷主要是通過繼電保護分析和斷路器的動作信息來進行故障元件的診斷。但是由于目前電網變得越來越復雜，故障的原因也變得復雜多樣，導致繼電保護和斷路器由于信號發生畸變而不能正常地診斷出故障元件。為了能夠比較快速和準確地診斷出電網的故障元件，通過制定電網故障頻率模糊等級表對訓練樣本進行模糊化處理，并用向量的形式表示出來，得到電網故障元件輸入向量集與電網故障元件的輸出向量集。綜合運用兩種人工智能技術，人工神經網絡、模糊邏輯理論構建模糊神經網絡并結合繼電保護動作原理來對復雜模糊的故障信息進行識別效果更佳。

【關鍵詞】人工神經網絡;模糊邏輯理論;人工智能技術

引言

繼電保護技術隨著電力系統的發展經歷了機電型、整流型、晶體管型和集成電路型繼電保護，以及目前的微機保護型。然而，隨著電力系統向著智能化方向發展以及人們對電力系統穩定性要求的提高，微機保護型繼電保護已經無法有效地實現其功能，人工智能技術順勢而生，開始在繼電保護中逐漸發揮作用。

人工智能系統可分為三大類：（1）專家系統。專家系統（ES）是人工智能領域的一個重要分支，其原理是通過對專家某個領域內的知識與經驗的統計分析，利用智能計算機程序來模擬人類對此領域問題的決策的過程，進而解決需要專家決定的復雜問題。比如故障專家系統能夠根據人工提供或觀察到的數據來推斷出某個對象發生故障的具體原因。繼電保護中的專家系統則是針對整個繼電系統的各種保護的工作原理，制定相對應的鑒別規則、整定規則、核查規則、校正規則等規則實現繼電保護設備的智能調整與維護。在繼電保護中，專家系統知識表達方式有基于謂詞邏輯的系統、基于過程式知識的系統、基于產生式規則的系統、基于框架式的系統，以及在這四種表達法基礎上發展起來的基于知識模型的系統和基于面向對象的系統。（2）人工神經網絡。人工神經網絡（ANN）是通過模擬人腦組織結構和人類認知過程的信息處理系統。神經網絡采取的是非線性映射的方法，可以有效地解決難以列出方程式或求解復雜的非線性問題。相比于繼電保護ES診斷方法，ANN算法可以通過對標準樣本的學習，調整自身的連接權，將獲得的知識分布在網絡上實現ANN的記憶模式，具有強大的知識獲取能力。（3）模糊理論。模糊理論突破了經典集合中用0和1表示非此即彼的清晰概念，引進語言變量和模糊邏輯，利用模糊隸屬度的概念來對不確定事件與現象進行描述。模糊識別可以通過對事物的特征進行分類和識別，解決了繼電保護中許多需要較長時間的復雜運算來進行故障診斷的問題，提高了繼電保護故障診斷的效率。

1繼電保護中人工智能技術的應用

人工神經網絡在繼電保護中多用于故障類型的判別、故障距離的測定、方向保護和主設備保護等方面。比如，對高壓輸電線的方向保護，利用BP模型作為方向保護的方向判別元件，該元件可以準確、快速的判別出故障的方向;對電流的保護上，利用人工神經網絡的學習和模式識別能力，可以有效地對電力系統中的故障情況做出識別，使電流對正方向的故障進行保護，對反方向故障采取閉鎖反應，實現了電流的自適應，提高了電流的靈敏度。另外，人工神經網絡還通常與專家系統結合使用來進行對電力系統故障的診斷。在ANN和ES結合運用中，建立的ANN模式可以對母線、線路和變壓器進行診斷，模型的核心是母件元件和線路，輸入量為元件周圍的保護信息和跳閘信息，輸出量是被診斷元件的狀態;同時，輸入量采用的是ES精煉過的被診斷元件周邊實時信息的幾個特征量，用故障樣本對ANN進行訓練，就可以讓ANN模型獲得故障診斷的知識。這種方式可以適用于電力系統所有元件的故障診斷，同時對電力系統故障診斷專家系統具有重要意義。模糊理論在繼電保護中主要應用于主變保護、線路保護和發電機保護等幾個方面。小波分析在繼電保護中的主要應用在與電流、電壓相關的故障診斷方面，通常需要與其他方法結合使用[1]。文獻[2]提出了一種基于模糊神經網絡的模糊控制器綜合優化設計方法。首先建立一個僅含四條模糊控制規則的通用模糊控制系統，以減少和避免對經驗的依賴;然后，針對通用控制系統提出相應的模糊神經網絡的構造方法，并在神經網絡的權值和閥值與模糊系統的主要調整參數間建立一一對應的關系;最后，利用單純形直接尋優法實現對隸屬函數、模糊控制規則、模糊邏輯運算和比例因子的綜合優化整定。該方法特點在于不僅實現了通用模糊控制系統和神經網絡之間的知識和信息轉換，并且使學習后模糊神經網絡內部權值和閥值的變化可以參照模糊系統來進行解釋，易于理解;此外此方法還具有很強的實時性，實現了對影響模糊控制器控制品質的諸因素的綜合調整，有效地提高了模糊控制器的控制品質。文獻[3]針對遺傳算法耗時過多的缺點，提出了在最優化過程中引進兩種模糊邏輯控制器以自動修改交叉與突變率，進而加速交叉與突變過程、提高算法的收斂速度的遺傳模糊算法（FCGA）。該算法不僅加快了傳統遺傳算法搜索過程的速度，而且提高了發送和負荷調度的精度，文獻[4]即為一例，其利用辯識的最小二乘法原理，采用模糊語義表示，將泄漏電流、電介質損耗、吸收比和絕緣電阻與歷年相比的變化率作為輸入，根據規則和相應的隸屬函數進行量化處理，形成輸入模糊矩陣x，同時將變壓器的絕緣狀況分為三種類型：合格、有問題、不合格，進行量化處理形成輸出模糊矩陣y;然后利用積累的經驗數據作為擴展的模糊輸入、輸出矩陣，再運用最小二乘法原理通過迭代的方法得到關系矩陣R，從而可以通過關系矩陣對新的試驗數據進行分析判斷。文獻[5]提出了一種基于模糊集理論的多判據算法，它將傳統的數字式繼電保護的各種判據通過模糊處理后分別賦予一隸屬度函數，再根據實際電參數的測量計算從而確定各種判據的隸屬度，經模糊運算后由模糊決策系統確定變壓器的運行工況并發出動作指令。

2結論與總結

當前各種電網的故障研宄層出不窮，對于電網故障的診斷技術也逐步完善。本文通過對電網故障元件診斷的研究，發現了目前想要單獨運用某種理論或者技術來對電網元件的故障進行診斷較為困難。在診斷復雜不確定的故障時，綜合運用人工神經網絡、模糊邏輯理論構建模糊神經網絡并結合繼電保護動作原理來對復雜模糊的故障信息進行識別效果更佳。

參考文獻：

[1]劉力豐，高中德等.電力系統繼電保護設計專家系統的模糊知識處理.電力系統自動化，2007，21（6）：34-38

[2]高峰，秦翼鴻.基于模糊神經網絡的模糊控制器綜合優化設計.電力系統自動化，1996，20（7）：9-12

[3]王平洋，王廣生等.加快遺傳模糊算法的搜索過程.電網技術，2000. 23（5）：3-7

[4]徐文，王大忠等 . 模糊辯識在電力設備故障診斷中的應用.電力系統自動化，1996，20（3）：45-49

[5]Wiszniewski A，Kasztenny B. A M ulti - crite ria Differential T ransfo rmer Relay Based - o n Fuzzy Log ic. IEEE Trans on Po wer Deliv ery，2005，10（4）：1786 -1792

[6]徐文等.結合遺傳算法的人工神經網絡在電力變壓器故障診斷中的應用.中國電機工程學報，2005，17（2）：109-111