關于人工智能在電力系統中的應用與實踐探討

清遠供電局信息中心 鐘業榮

隨著國內經濟的不斷發展以及科學技術的不斷進步，當前人工智能技術開始逐漸應用在電力系統運行過程中，改變了原有的生產模式。人工智能在電力系統中的應用，不僅能有效提升電力系統的工作效率，同時也能夠保證電力系統運行過程中的安全。為保證人工智能技術能夠發揮出應有的效果，完善當前電力系統運行過程中存在的不足，有必要對當前人工智能技術在電力系統中的應用情況進行分析，提升其與電力系統的融合效率。以此保證整個電力系統能夠實現優化，促使電力行業實現更好地發展。

1 人工智能技術在電力系統中應用的實際作用

能夠簡化電力系統的實際操作流程。人工智能技術能夠在很大程度上對整個電力系統的操作流程進行簡化，通過對傳統的設備進行升級和優化，將設備與計算機連接在一起，操作指令通過計算機進行傳輸，能非常明顯的提升設備控制效率，保證所有的設備都能夠得到充分利用[1]。使用人工智能技術還可避免在生產過程中容易出現的各種不必要事件發生，如人工操作不符合規則、數據不正確等，不僅能夠降低生產風險，還可為系統更加智能化提供一定保障。

能夠智能化的對故障進行檢測。在傳統的故障檢測中一般需使用大量人工，對所有設備或是設備的所有零部件進行檢查，花費大量的成本同時也降低了工作的效率。同時，有一些內部的構造或是部件相對復雜、精密，人工檢查也未必能發現出現問題的原因，嚴重影響了電力系統的運行[2]。而人工智能的出現能非常有效地解決這些問題，應用人工智能技術能將設備在運行中的各項數據進行記錄、分析，并可實現與正常運行的數據進行對比，進而準確找到故障出現的原因和位置。通過應用人工智能技術，不僅能在設備發生故障時第一時間進行報警，同時也可實施針對性的檢測和維修，大大提升設備檢查、維修效率。

2 人工智能技術在電力系統中的具體應用

2.1 專家系統

是有著大量經驗、規則、專業知識的一種程序系統，其主要是運用某個領域中各位專家提供的經驗和知識對發生的事件進行推理和盤算，并對專家的判斷過程、決策等進行模擬，以此保證能解決相對比較復雜、需要專家進行決策的各種問題。專家系統經常使用的規則就是產生式規則、也就是IFTHEN規則，在IF給出的條件或是事實滿足就會執行THEN的操作或是結果。一般專家系統中的規則是需在已成立的事實基礎上建立而成，依據規則進行具體的操作，獲得最終的結果，并按獲得結果按照全新的事件情況重新建立起新的規則[3]。

一個具備良好實用性的專家系統需包括六部分：數據庫、知識庫、咨詢解釋、推理機、知識獲取、人機接口。專家系統在診斷輸電網絡故障中具體應用時，一般是基于產生式的規則，將保護、斷路器兩個動作及相關檢測人員的診斷經驗通過規則體現出來，形成一個能夠診斷故障的專家知識庫，然后按照實際的報警內容利用知識庫中的知識進行推理，進而獲得最終的故障診斷結果。基于這種產生式的診斷故障，一般是按照產生式專家系統實際特點決定的，具體可分為：在輸電網絡中，保護動作中的邏輯一級保護、斷路器二者之間關系能用直觀形式和模塊形式的規則直接表現出來；專家系統可增加、修改或是刪除一些規則，保證診斷的實時性及有效性；可解決一些不確定的問題；可給出符合實際人類語言的一些結論，并具備對應的解釋能力[4]。

2.2 神經網絡

神經網絡能夠靈活、有效的進行學習，是具有完全分布式特點的結構，比較適用于一些大規模、并行的信息處理，對于一些非線性的系統，有著非常強的模式識別能力以及建模能力，可對一些復雜的狀態或是過程進行識別以及分類。按照具體情況的不同，當前已有很多種神經網絡結構和具體的訓練算法被應用在實際的電力系統中。如應用BP對電力系統的短期負荷情況進行預測，在保證擁有充足訓練樣本的情況下對預測的模型進行有效分類，創建出能適應不同季節的日預測和周預測模型，并能對輸入的變量進行準確選擇，尤其是在選擇溫度變量時[5]。

此外，應用人工神經網絡以及對元件關聯進行分析能診斷電力系統的故障，制定出多種復雜的診斷方法。這種方式主要將電力系統中的元件分成母線、變壓器和線路三種，對每個種類的元件都有特定的ANN處理報警信息，對故障的具體位置進行確定。與ES診斷有著一定不同，ANN主要是通過對現場樣本進行學習和訓練，通過對ANN中的閾值和連接權進行調整，保證獲取的知識能通過隱式的方式分布在整個神經網絡上，實現ANN的模式記憶。由此可見ANN具備非常強大的獲取知識能力，可有效對包含噪聲數據進行處理，有效彌補了ES中的不足之處。由于神經網絡具備良好的快速處理并行信息能力和分類能力，因此被廣泛應用在電力系統中的監測與診斷、實時控制、符合預測以及狀態評估等多個不同的領域。當前，基于神經網絡的短期或是長期復合預測已成為人工智能在電力系統中作用最大的一種應用形式。

2.3 模糊理論

模糊邏輯可完成使用傳統數學方法難以達成的近似計算。近年來模糊理論已在電力系統中實現了非常廣泛的應用，并實現了快速發展，其中包括系統規劃、潮流計算以及模糊控制等各個方面。如針對負荷的不斷變化、電力生產的不確定性，就可通過模糊值對負荷在實際中的隸屬函數表示出來，以此保證能建立起電力系統中最優潮流模型。在實際故障診斷中，由于故障和具體表現間一般沒有具體的關系、相對比較模糊，這種模糊特性就是由于問題、表現之間的一種不確定性，同時也來自問題、表現二者之間在概念上的不準確性，因此診斷出來的結果也必然是模糊的。想要真正解決這種模糊診斷的問題，傳統方式一般是按照專家的實際經驗，在問題表現、問題原因之間建立模型關系矩陣。模糊理論中比較常用的方法就是將各個模糊推理實際規則產生的各種模糊關系進行組合或合并[6]。

隨著模糊理論的不斷發展和完善，模糊理論的優勢也開始體現出來：能很好適應一些不確定性問題；模糊知識庫能使用語言變量對專家經驗進行描述，更加接近人類的描述習慣；可以獲得一個問題的多個解決方案，并可按照這個不同方案模糊程度高低情況實施優先程度的排序工作。當前該理論已被應用到輸配電網絡故障的診斷工作中，這種診斷擁有的不確定性是由于，對于一些嚴格匹配搜索的專家系統來說非常容易出現一些錯誤的結果，而在專家系統中融入模糊理論后，就會從精確的推理轉變成近似的推理，在一定程度上加大了專家系統自身的容錯性。近年模糊理論在電力系統中的應用獲得了非常好的發展，具體表現為：通過使用多目標的模糊決策具體方法，開展故障測距、故障類型的識別工作；應用模糊推理對系統負荷情況進行推理，對各類不同用戶根據不同因素的變化情況進行整理和歸納；構建出變壓器的保護原理，對內部故障和外部故障進行區分[7]。

2.4 遺傳算法

遺傳算法是在自然選擇、遺傳機制的基礎上，通過計算機模擬生物進化機制進行的一種尋優搜索算法，能在復雜龐大的空間中自適應的進行搜索，找到最優或是最準的解法，且算法相對簡單、適應性較強。遺傳算法對于具體求解的問題并沒有限制，也不會涉及到一些求解會涉及到的數學過程，可實現全局、局部的求解，這也是其較傳統技術更優之處[8]。

遺傳算法能從最優的角度對系統故障進行診斷，尤其是一些重復故障存在斷路器誤動作時，能給出基于全局或是局部的最優診斷結果。當前應用遺傳算法出現了“瓶頸期”，主要體現在如何建立起合理的故障診斷模型方面，如能建立出合理有效的模型，不僅能使用遺傳算法將故障診斷問題進行解決，還可應用一些其他的啟發形式優化算法對故障診斷的問題進行解決，如TABU搜索算法。

3 結語

人工智能技術在電力系統中的應用已經獲得了比較好的發展，我國相應的研究還處于起步階段，需不斷進行完善。隨著我國電力系統的不斷發展及系統數據的不斷增加，在管理上的難度也在不斷提升，在這種情況下人工智能技術就擁有了更加廣泛的發展空間。因此，當前最重要的就是要加強人工智能在電力系統中應用效果，并制定出切實可行的應用策略，以此保證電力系統能更加穩定、安全的運行，為電力系統的可持續發展提供一定支持。