人工智能在輸配電網絡故障診斷中的應用分析

張成洲，王瑜，徐群，魏可情，吳若男

（1.溫州墨熵微電子有限公司，浙江溫州，325000；2.國網浙江省電力有限公司(溫州供電公司)，浙江溫州，325000；3.浙江圖盛輸變電工程有限公司，浙江溫州，325000）

新世紀以來，故障診斷技術的發展可謂十分迅速，尤其是近年來面對復雜系統日益提升的診斷需求，使得診斷技術逐步邁入到智能故障診斷的新階段。

當前，智能故障診斷技術的應用已經十分廣泛，主要集中在一系列的工程技術上，且以在輸電網絡當中的應用最具代表性。就輸電網絡的故障診斷來看，包括了分析、根據和推斷三個方面，其中，分析的是電氣量測量特征、保護裝置報警信息等內容，根據的是人員經驗和保護動作邏輯，推斷的是所可能存在故障的類型與位置。因運用傳統數學方法對該過程進行描述頗具難度，而智能故障診斷技術在對人類處理問題的模擬上有著顯著優勢，且具有一系列的特點，如學習能力等，這就為該技術在這一領域應用的廣泛性奠定了基礎。依靠分析網絡缺陷判斷所表現出的認知過程，應用最新的人工智能技術成果，如綜合知識診斷等，來支持對自動綜合判斷系統的開發，從而能夠在分析缺陷的同時給出相應的監督處理意見，并使檢修人員更加有效全面的認識問題[1]。

1 系統構成

如圖1所示，是對于系統總體結構的展示。依據圖中內容可以看出，系統總體結構為B/C，屬于客戶瀏覽器端輸出，系統數據庫作為計算儲存功能，而診斷診斷知識庫則發揮了應用層的功能。而在采集信號方面，主要包含了數據采集卡等組件，且這一子系統的參與是基礎，能夠使得數據采集作用于數據量與模擬量，并使得數字信號的輸出得以實現。

圖1 系統總體結構

借助于無線網絡來支持采集數據由單機向服務器端的傳送。診斷專家系統的組成包括了諸多部分，主要有知識庫、數據庫、解釋機制、推理機、人機接口等。依靠正向的推理技術，并在診斷結果的分析推理中強調對知識庫知識與采樣數據的利用，以確保所得結果較高的合理性。

2 診斷專家系統的設計

就診斷專家系統的組成來看，諸多模塊的參與共同支持了其正常的應用。其中，診斷數據庫又進一步細分為標準數據庫與采樣數據庫兩類；知識數據庫主要涉及了診斷數據、動態數據和故障對策；動態數據庫則囊括了癥狀信息、中間結論和最終結論三類數據。

■2.1 專家系統概述

專家系統的建立，其目的主要是借助于某一領域當中的專家知識，來為非專家提供幫助，使之在復雜問題的解決上最大程度的接近專家水平[2]。

在診斷輸配電網絡故障的過程當中，專家系統應用的一般模式是由產生式規則充當基礎的系統，即運用規則來對人員診斷經驗、斷路器動作邏輯、保護動作邏輯等進行表示，以支持相應知識庫的形成，從而以報警信息為根據做出科學的知識庫推理，進而以故障診斷結論的獲得作為最終成果。

在診斷輸配電網絡故障方面，以產生式規則為基礎的故障診斷專家系統之所以能夠在應用上獲得廣泛青睞，更多是源于兩個方面，一是故障診斷所具有的特點，二是這一系統所具有的特點。

（1)就輸配電網絡而言，對于其保護動作邏輯和斷路器間所存在關系的表示，宜選擇模塊化的直觀規則。

（2)對于專家系統當中部分規則的修改或增刪是被允許的，以為實現兼具有效性與實時性的診斷系統提供有力保障；一定程度上支持了對不確定性問題的解決；在可以給出與人類語言習慣相符合結論的同時，還能夠做出相應解釋等。

■2.2 診斷知識庫的基本組成

就診斷專家系統而言，在建立其知識庫的過程當中，會將診斷知識進一步劃分為多個類型，并于知識庫當中進行儲存，如下，便是對所劃分類型的說明。診斷知識庫的組成。

（1）結構功能知識。這一知識類型是對于設備部分結構和其間所存在連接關系的描述。以設備功能與設備結構為依據，來賦予診斷知識以顯著的分塊化特征，在具體診斷時能夠結合實際任務來對所需的診斷知識進行調用，使搜索診斷知識的環節更具效率。且出于對此知識類型的更好描述，特引入了一個新穎的概念，即診斷故障樹單元[3]。

（2）專家知識。在故障診斷中對于諸多部分都有著需要，而這一知識類型無疑是其中十分重要的部分。分析其作用，主要是支持設備狀態的識別與設備故障的診斷。診斷專家系統當中對專家知識的描述需要依賴產生式規則的使用，而規則庫當中對于專家知識與經驗的獲取則需要借助于故障樹分析法的應用。

（3）過程性知識。這一知識類型指的主要是數據分析相關的一系列知識，其中就包括怎樣確定故障的可信度。系統當中對于此類知識的調用，在形式上以函數或子程序居多。而在表示中對于過程性知識的采用也有著一些優點，包括良好的結構性、能夠通過直接調用來支持推理等。

（4）基本診斷單元知識。就知識系統而言，其在診斷對象上的最基本表現便是基本診斷單元知識。也正是在這一知識類型的作用下，才使得對于其他知識的操縱得以實現。系統在表示上采用的是“三者合一”的方法，即產生式規則、過程知識和基本診斷單元知識的整合[4]。

■2.3 診斷對象數據庫

這一數據庫主要由編碼信息與數據信息組成，前者涵蓋了設備的序列編碼、類別編碼和型號編碼，其作用是支持機組更好的管理采樣數據，并為相應專家知識的調配提供便利；后者涵蓋了歷史數據、當前數據、標準數據、趨勢數據燈，其作用主要是對于采樣原始數據的記錄，使診斷更具準確性。

■2.4 推理機制

推理機制的目的是對于發生基本故障現象的尋找，其所采取的控制策略為一種正向推理，以設備結構功能知識為依據，來找出與該事實或現象相吻合的一個或多個診斷單元，以支持假設的形成，后經由所輸入的用戶信息、數據庫數據、診斷單元結構來實現對最底層診斷的尋找，并由本次推理當中基本診斷單元的最后一級充當結論，來成為下一級推理的開端，進而支持相應對策的獲得。

3 系統的實現

C /S模式與B /S模式各具優勢，系統將兩種模式整合在一起，數據采集子系統與數據庫服務器間為C /S模式，數據庫服務器與用戶間為B /S，且全部數據均于后臺關系數據庫當中進行記錄。

面對不同的診斷對象，專家系統本身也包括了兩個部分，分別是故障的巡檢與診斷。其中，關于故障巡檢，可簡單理解為識別和鑒定診斷對象所處狀態，并就其后續演變做出預測。即對于之前原因的分析、當下狀況的了解和后續演變的預測。故障巡檢與故障診斷有著不同的對象，前者面向的是檢測部件，后者則面向的是故障。在應用故障巡檢的實踐中，關鍵所在是于機械未解體條件下預知隱藏的機械故障和后續發展，從而將故障化解在萌芽狀態。故障巡檢的實施過程當中，檢測機械狀態是首要步驟，且主要有兩種檢測方法，一種是普通儀器與人員感官相結合來檢查判斷機械所處技術狀態，該方法雖然較為簡單，但不具有很高的準確度。另一種是借助于一系列儀器來對機械整體或關鍵部位做連續、定期的精準測定，這一方法在實踐中能夠獲得顯著更高的準確度，但也需要相對更多的設備和較為繁瑣的過程。本次系統選擇后一種方法，以檢測結果為依據，引入診斷技術來將故障巡檢作用于機械狀態。

而這種精確的診斷技術和系統就要依靠于人工神經網絡算法，將其運用于輸配電網絡中，然后通過統計學標準算法可以使得局部結構空間可由函數來表達，數據意義更進一步的達成。另一方面，人工智能學的人工感知領域，能夠使得輸配電網絡診斷人員通過數學統計學的應用工作得到大量幫助，這樣更加方面的進行決策。

并且還將模糊理論運用到當前輸配電網絡故障診斷技術中， 幫助輸配電調修人員進行人工智能化推理， 首先將輸配電網絡中的診斷依據進行系統化輸入，將專家系統技術與模糊理論進行接軌，在實現推理的基礎上， 加入輸配電故障診斷的故障診斷文獻，增添了數據的準確性。 為調修管理人員提供故障診斷科學化、準確化的經驗數據?；诋斍澳：碚摷夹g的多目標決策方法，能夠幫助操作人員發現輸配電網絡在故障診斷數據中的不確定性因素。 通過模糊理論中的模糊集方法對變壓器的保護原理進行構造，從內部區別故障、選取變壓器以及副邊的電流等作為特征數量值，依據電磁暫態程序得到的仿值采取統計計算的方法得到模糊規則，后期采用 D-S 證據理論對得到的模糊規則進行處理，為操作人員得到合理、確定性數據。

4 結論

引入基于故障樹分析的層次診斷策略來對專家系統進行設計。借助于專家系統診斷方法來診斷系統故障，其知識庫的表示采用的是“三者合一”的方法，即產生式規則、過程知識和基本診斷單元知識的整合，支持了對專家經驗、功能知識和領域結構的較好表達。且系統的推理機制是一種正向推理，與實時采集的數據相結合，使得診斷推理過程與專家決策水平更加的接近[5]。