人工智能技術在電氣工程自動化應用

浙江雷博人團資源開發有限公司 宋姍菲 國網衢州供電公司 李志翔

電氣工程管理是一項非常復雜的管理系統，如需進行電氣線路故障、電器設備故障分析，這種分析包括定位等信息。此外隨著國民經濟高速發展對用電需求不斷增加，采用傳統管理方式已無法滿足社會用電需求,如何解決用電需求與用電管理是當前急需解決的問題。自上世紀50年代人工智能出現，加上各種算法、硬件出現更新，人工智能技術得到前所未有突破，已被廣泛應用到醫療、航空等領域。由于電氣工程包含的領域比較廣，每個環節控制復雜，使用傳統的管理方式已難以應付復雜的環境。目前國內外有大量學者進行人工智能技術在電氣工程自動應用研究，并取得了階段性成果。

1 人工智能技術發展

人工智能起源于1956年達特茅思會議上圖靈學者以Snare、Logic Theorist 等算法為基礎提出的概念。關于人工智能觀念尚未形成統一的標準，目前主要以谷歌計算學者Peter 定義的能夠像人類一樣思考、學習的行為。人工智能發展經歷三個階段：人工智能定義→人工智能第一次浪潮→人工智能第二次→人工智能第三次，第一次與第二次之間出現人工智能低谷、第二次與第三次之間出現人工智能低谷，人工智能第三次后出現了深度學習、機器學習等先進技術。

人工智能是一門前言交叉學科，根據解決問題能力可將其劃分為強人工智能、弱人工智能及超強人工智能三個層次。目前人工智能技術架構是由應用層、技術層、算法層、基礎設施層組成，應用層主要包括金融、交通、游戲等領域應用；技術層包括圖像技術、語音處理技術、決策規劃技術、數據統計分析技術等；算法層主要包括機器學習、深度學習；基礎設施層主要包括硬件層、分布式架構設計等。

目前人工智能算法應用到電氣工程自動化算法有神經網絡算法、貝葉斯網絡算法、支持向量機機器學習，這些算法能處理非線性復雜計算問題，能提高管理準確率。

目前人工智能算法在處理電氣故障機理時存在學習效果不佳問題。為此提出新的人工智能算法，主要包括遷移學習、強化學習等多種機器學習算法。目前新的人工智能技術主要以深度學習為代表，在電氣工程中的應用主要表現為：現有的電氣工程管理系統已為人工智能提供了數據源，可通過深入分析海量數據為電氣工程管理提供更強的數據處理能力；現有電氣管理采用分布式管理，可進行設備故障診斷、數據采集，使用新的人工智能方法能提高故障診斷質量；傳統電氣工程物理模型較復雜，導致分析結果誤差大，使用新算法能提高算法準確率。

圖1 人工智能算法在電氣診斷管理中應用

2 人工智能技術在電氣工程自動化應用

2.1 人工智能技術在電力行業中應用

人工智能技術在電力行業中的應用主要表現為兩個階段：第一階段主要是專家系統及人工神經網絡系統的應用；第二階段主要表現為人工智能技術應用。從上世紀80年代專家系統被廣泛應用到電力行業中，主要考慮到靜態和動態安全分析、電力警報處理、電力故障診斷、電力運行負荷處理、電力運行經濟成本等研究。隨著人工智能技術應用大量學者將人工智能技術應用到電力行業中，但大都以硬件和算法進行研究，對電力行業的發展沒有起到實質推動作用。

近年來隨著人工智能技術不斷發展，其應用到電力行業已進入第二階段，除考慮到以往經濟運行外還增加了多能源、多負荷等問題，讓電力行業更智能。張若愚[1]針對當前電力系統暫穩態預測中存在運行方式、拓撲結構發生較大變化，導致預測模型的精度降低、急需新的算法解決該問題，提出一種基于卷積神經網絡自適應算法，首先利用離線生成的大量暫穩樣本訓練最終得到訓練模型，接著改進現有的生長方法，使用最小均衡樣本集的變步長生長方法提高了算法運行效率，仿真結果表明所改進的算法能有效提高電力預測運行效率。

圖2 電網調度體系架構圖

范士雄[2]詳細研究了人工智能技術在電網故障識別、電網負荷預測、電網智能決策應用場景，結果表明在電網故障預測中可使用卷積神經網絡的深度學習方法進行電網故障診斷，可借助先進的二維圖像表達方式進行數據處理；電網負荷預測是電力運行重要指標，影響電力負荷因素較多，目前尚未有準確的數學模型進行量化電力負荷運行。在電力負荷運行中可使用機器學習模型進行負荷預測，結果表明使用機器學習能提高預測準確率；目前電網決策中使用大量的調度人員進行調度管理，面對日益復雜的電網調度管理，調度人員已很難勝任該工作，使用自然語言處理能夠提高電網智能輔助決策效率。

為解決電網人工調度決策難得問題，孫宏斌[3]提出了電網調度運行“領域知識”模型，所設計的模型是由知識自動發現、管理以及在線應用功能組成，由圖2可知電網調度系統是由關鍵斷面自動發現、分布式大數據、分布式特征、調度規則管理構建調度規則知識圖譜。

2.2 人工智能技術在電力大數據研究中應用

電力自動化系統目前采用分布式管理方式，系統運行過程中會有大量數據產生，如何管理數據質量是當前急需解決問題。黃巨濤[4]針對電力系統中云存儲問題提出了一種基于Docker 技術+Kubernetes 集群的人工智能數據訓練仿真平臺，所設計的平臺使用Max Re source Usage Priority優選算法提高了電力大數據資源利用率。唐文虎[5]詳細研究了基于數據的新一代人工智能技術，針對當前電力設備數量量大、多元異構特點，提出使用數據驅動的人工智能技術在電力設備巡檢、診斷以及預測中的應用，結果表明基于數據驅動的人工智能核心技術能深度挖掘海量數據中隱含的信息，為電力系統數據分析提供了新的思路。

綜上，人工智能技術在電氣工程中應用已取得突破應用，目前應用主要體現在設備故障診斷中，使用人工智能技術降低了人工故障排除低效率問題，提高了故障診斷效率和質量。然而在電氣工程應用中智能調度管理仍是當前急需解決的問題，未來利用人工智能技術進行電氣工程調度控制將有新的突破。面對電氣工程中海量數據如何存儲、分析仍然需要改進，將人工智能技術應用到電氣工程管理中是未來發展趨勢。