人工智能技術在電力設備運維檢修中的應用探究

錢陳鋒

摘要：本文圍繞人工智能技術在電力設備運維檢修中的應用議題進行了探討，通過對電力設備相關數(shù)據(jù)分析，以及人工智能技術的發(fā)展現(xiàn)狀闡述，論述了人工智能技術在電力設備運維檢修中的應用，供相關人士參考。

關鍵詞：電力運維;人工智能;技術應用

1引言

電力系統(tǒng)中包括多種類型的設備，這些設備運行工況是否良好時刻影響到電力系統(tǒng)運行的安全穩(wěn)定。隨著人工智能技術的發(fā)展，電力設備運維檢修中對人工智能技術的應用也越來越多，為用戶提供可靠的電力供應創(chuàng)建良好基礎。

2電力設備相關數(shù)據(jù)分析

隨著電力設備的更新升級，尤其是在傳感器、監(jiān)測設備的支持下，電力設備數(shù)據(jù)無論在數(shù)量上、頻率上、質量上的范圍都在擴大。一方面，必須要保障數(shù)據(jù)質量。對數(shù)據(jù)采集、數(shù)據(jù)傳輸以及數(shù)據(jù)存儲等環(huán)節(jié)中可能出現(xiàn)的數(shù)據(jù)丟失、數(shù)據(jù)不標準、數(shù)據(jù)重復等數(shù)據(jù)異常的問題進行解決。另一方面，要使電力設備數(shù)據(jù)得到更好地開發(fā)和利用還要解決數(shù)據(jù)均衡性問題。尤其是電力設備故障等極端數(shù)據(jù)，如果沒有多維度較為均衡的數(shù)據(jù)，難以更好全面地分析電力設備故障原因，并做好電力設備故障防控。此外，電力數(shù)據(jù)的融合程度較弱也是電力設備運維檢修過程中的問題。由于設備的業(yè)務系統(tǒng)不同，導致設備之間的初始數(shù)據(jù)存在匹配性差的現(xiàn)象，繼而導致數(shù)據(jù)之間的融合性差，不能更好地發(fā)揮出數(shù)據(jù)的潛能。

3人工智能關鍵技術

啟發(fā)式智能算法：該技術是一種較為成熟的全局優(yōu)化算法，主要包括群體算法和進化算法兩類。群體算法的代表技術包括人工蜂群算法、粒子群算法，是通過個體的協(xié)作和組織來找出群體智能行為特征。進化算法包括進化策略、遺傳算法，其本質是進化理論。在電力設備運維檢修中，啟發(fā)式智能算法適用于優(yōu)化性能分類模型，還可以用來求解最優(yōu)問題，幫助找到電力設備檢修的最優(yōu)策略。

人工智能推理：該技術是根據(jù)經(jīng)驗和理論來進行邏輯性推理，主要包括專家系統(tǒng)、模糊理論等技術。專家系統(tǒng)是將采集到的信息經(jīng)過專家經(jīng)驗進行推理。模糊理論是根據(jù)規(guī)則庫建立推理模型進行模糊推理。在電力設備運維檢修中，人工智能推理適用于分析設備故障與征兆之間的關系，適用于設備故障證據(jù)分析，幫助電力設備運維人員快速找到最可能的故障。

計算機視覺：在深度學習理論的支持下，卷積神經(jīng)網(wǎng)絡技術成為計算機視覺技術的典型代表。卷積神經(jīng)網(wǎng)絡包括輸入層、卷積層、池化層、全連接層，通過卷積核自動提取圖象特征，減少網(wǎng)絡參數(shù)，避免參數(shù)過多造成的擬合問題。電力設備運維檢修中，計算機視覺技術適用于設備外觀缺陷識別，提高電力設備目標缺陷識別或檢測的精準度，同時也減少人員高危作業(yè)頻次，提高電力設備運維檢測效率。

自然語言處理：該技術是通過智能化的方式來對信息進行分析，從中提取出有效信息，自然語言處理技術可以在專業(yè)軟件的支持下管理非常大塊的電力運維數(shù)據(jù)，同時可以自動化的方式來執(zhí)行任務。在電力設備的運維檢修中，由于電力設備的缺陷、故障以及檢修記錄及報告中含有很多的數(shù)據(jù)信息，這些非結構化的數(shù)據(jù)中存在內在的關聯(lián)和規(guī)律特征，通過自然語言處理技術可以從這些數(shù)據(jù)中挖掘出更多的語義信息，找到深層因果關系，從而為電力設備狀態(tài)檢測及評價提供參考。

多模態(tài)機器學習：該技術是通過機器學習的方法對來源廣泛、類型各異的數(shù)據(jù)進行綜合分析，通過多模態(tài)信息的融合，更好地對信息進行特征提取和規(guī)律識別。與單模態(tài)學習相比，多模態(tài)機器學習具有多個模態(tài)之間的互補性，具有更好地學習效果。多模態(tài)學習中的典型方式是遷移學習，該方式是使用一個資源豐富的模態(tài)信息來輔助另一個資源貧瘠的模態(tài)進行學習，具有較好的發(fā)展前景。在電力設備運維檢修中，由于設備、技術等方面因素的制約，采集的數(shù)據(jù)資源是不同的，有些狀態(tài)信息較豐富，而另一些狀態(tài)信息較貧瘠，此時可以通過多模態(tài)機器學習技術來實現(xiàn)模態(tài)互補，從多個維度對設備狀態(tài)進行綜合分析，提高設備故障診斷的準確度。

4人工智能技術在電力設備運維檢修中的應用

對電力設備狀態(tài)進行評估：借助人工智能技術對電力設備運行狀態(tài)進行科學診斷和評估。比如對電力變壓器的狀態(tài)進行評估可采用以下方式：一種是建立數(shù)學模型，客觀計算評價指標的權重。通過對電力變壓器運行狀態(tài)量的指標和變壓器狀態(tài)之間的關系進行分析，確定所有指標中對電力變壓器運行狀態(tài)帶來關鍵性影響的指標，設置更高的評價權重，大大提高電力變壓器狀態(tài)評價的準確性。另一種是采用機器學習算法建立電力變壓器狀態(tài)量和變壓器狀態(tài)之間的評估模型。由于電力設備運行狀態(tài)評價是典型的異常狀態(tài)數(shù)據(jù)引起的非均衡樣本和小樣本問題，因此，對于機器學習算法來說歷史案例樣本數(shù)量稀缺，容易在模型訓練的過程中出現(xiàn)過擬合問題，這也預示著必須進一步發(fā)展非均衡樣本學習方法，以提高電力變壓器狀態(tài)評價的準確度。

對電力設備故障進行診斷：比如將歷史電力設備數(shù)據(jù)進行整理，結合電力設備家族性缺陷數(shù)據(jù)、電力設備運行數(shù)據(jù)、外界環(huán)境數(shù)據(jù)等信息，利用樣本合成方法、生產對抗網(wǎng)絡方法進行數(shù)據(jù)增值，更好地平衡電力設備正負樣本的比例。通過數(shù)據(jù)的時序記錄完整性情況對不同的數(shù)據(jù)進行分類、預測，并引入設備運行檢修的經(jīng)驗進行機器學習引導，從而對電力設備的缺陷進行分類，并判斷缺陷所在的部位，根據(jù)缺陷概率排序做出相應的故障警報提示。另外，采用計算機視覺技術可以對電力設備進行巡檢影像的人工智能分析。在無人機、巡檢機器人等裝備采集來的電力設備巡檢視頻及圖象的基礎上，對電力設備的外觀進行缺陷識別，能夠更好地應對復雜多變的巡檢環(huán)境，提高電力設備巡檢效率。

對電力設備檢修策略進行優(yōu)化：面對電力系統(tǒng)越來越復雜的情況，電力設備檢修策略必須更加科學高效，才能滿足電力設備運維需求。通過人工智能技術，如采用啟發(fā)式智能算法為電力運維人員推薦更加科學的設備檢修時間、檢修頻率、檢修方式，優(yōu)化電力設備檢修策略，提高電力設備檢修的安全性、經(jīng)濟性和時效性。

5結語

只有將人工智能技術與電力設備的運維檢修工作緊密融合起來，才能更好地發(fā)揮出智能技術的潛在效能，才能更好地突破傳統(tǒng)運維檢修瓶頸，推動電力系統(tǒng)運行越來越安全、經(jīng)濟、高效。

參考文獻

[1]王佳興.人工智能技術在電力系統(tǒng)機電保護中的應用[J].電子樂園，2019（32）：0003-0003