基于人工智能的電氣自動化控制的研究

丁 婕

（南京技師學院，江蘇 南京 210023）

引言

電氣自動化控制在人工智能技術出現之后，獲得了前所未有的發展契機，以往許多停留在紙面上的構想逐漸轉化到了現實，為電氣自動化控制的發展奠定基礎。基于此，本文以A變配電站為例，分析在電氣自動化控制的過程中，人工智能技術的運用。

1 人工智能技術及電氣自動化概述

在現階段的計算學科中，最熱門的學科分支和研究領域莫過于人工智能，人工智能的核心在于利用半導體邏輯預算器件的運算能力和數學算法，模擬人腦的思維方式，讓計算機自身的邏輯運行更加靈活，當靈活度逐漸攀升之后，人類可以利用計算機完成更多的工作，并且在極其強大的運算能力下，原本需要大量人力的工作變得極為簡單，效率提升極為顯著，就目前的人工智能學科來說，該學科是一門復合型的學科，在該研究領域中涉及到方方面面的內容，包括生物學、計算機科學和物理學等，但是目前的主要研究方向還是半導體計算機體系，目前實現的人工智能也只限于一定程度之內[1]。電氣自動化的全稱是電氣工程及其自動化，該項技術的基礎是控制理論和電網理論，該項技術的主要手段包括電力電子和計算機兩種主要的技術，在電氣自動化中，內容較為豐富，包括系統的分析、設計和開發。

2 人工智能技術應用的優勢

將人工智能技術引入電氣自動化控制中，便利性將顯而易見，主要的優勢體現在以下四點：

1）利用人工智能技術收集數據并完成數據的運算將大范圍提升電氣自動化的現實管控效果。

2）電氣系統中的主要設備模擬數據值可以通過人工智能技術同步進行監控。

3）利用人工智能技術操控監控系統效率明顯較高，在自動化管控電氣設備的過程中，工作人員只需要操控鍵盤和鼠標即可。

4）人工智能技術可以自動將出現的差錯記錄下來，通過這項技術，可以監測電氣自動化技術在每一個環節中存在的失誤，并以此為依據，不斷調整設備，讓設備達到最好的狀態，進而提升電氣設備在運行過程中的效率和安全性[2]。

3 A變配電站中人工智能技術在智能斷路器中的應用

3.1 A變配電站基本情況

A變配電站的用電負荷始終維持在高位，在近五年的時間中，有四年在每一年都發生了兩次斷路事故，其中一次斷路事故甚至引發了火災，當A變配電站的工作人員將火災事故和平時的斷路事故情況上報之后，當地管理部門就這一情況展開商討，并決定智能化改造A變配電站的電力系統。

3.2 方案設計

在分析設計方案的過程中，將智能斷路器作為主要的對象，智能斷路器顧名思義，脫胎于傳統的斷路器，并且融入了人工智能技術，這種新產品解決了傳統斷路器的弊端，如果斷路器出現故障，可以在第一時間判斷問題所在，自動采取必要的措施將損失降至最低，該種產品在應用之后，系統運行的安全性顯著提升。

在A變配電站中，在設計智能斷路器時，使用的自由脫扣器機構為五連桿，在正常的工作狀態下，這種機構將長期處于預貯能的位置，在釋放按鈕和合閘電磁鐵的作用下，將閉合操作在一瞬間完成[3]。火災發生時電流一直在2 000 A以下，因此額定工作電流在4 800 A的斷路器可以完成斷電作業，自身也不不會被損壞，使得火災發生的概率大大下降。

3.2 核心技術

在設計智能斷路器的過程中，會使用到傳感器技術、單片機技術以及通信技術等技術，此外，部分智能斷路器中還會使用到數字顯示技術。在智能斷路器中，所有存在的危險模型將由單片機負責記憶，這里提到的危險模型就是誘發火災的臨界狀態，在模型中，存在線路電流和電壓穩定性等，在研究過程中，將A變配電站歷年來出現的火災情況進行統計，了解在火災發生時，電流和電壓的具體情況，共2 498例，使用單片機分析這些數據。將智能斷路器的默認危險電流的臨界值確定為1 680.4 A，將危險電壓波動幅度確定為7.1%，設置兩個標準K點，將樣本投入到機器中完成訓練，當訓練完成之后，連接所有的設備，完成線路的監測工作。

3.3 實驗運行狀況

技術人員在完成機器的改造之后，進行了相應的模擬工作，將計算機參數的方式進行調整，并完成了50次實驗，每10次為一組實驗，每一組實驗都有所不同，分別是安全實驗、臨界值的實驗以及危險實驗，具體情況如表1中的內容所示。

表1 A變配電站實驗數據

通過對表格中數據的了解可知，該智能斷路器有著良好的性能，因此，在使用之后，為了進一步明確其性能情況，研究人員聯系監測了三個月，總共發現智能斷路器報警4次，斷電保護1次，A變配電站的安全得到了保證。

4 A變配電站中人工智能技術在變壓器監測中的應用

4.1 應用情況

在2020年8月，A變配電站又一次改造了自身的電力系統，在監測變配電站的過程中，使用了人工智能技術，改造工作主要圍繞以下兩方面：一是對實時監測變壓器；二是長期收集數據并積累下來。在實時監測過程中，主要針對變壓器的功能情況、用電的安全情況以及供電是否穩定。而長期收集的數據包括線損情況、目標地區的用電量變化情況等。在本次改造工程中，A變配電站共使用了42 d，總投資52萬余元。

4.2 實時監測與模擬實驗

為了保證智能監測的有效性，需要對變壓器進行實時監測。在監測的過程中將數據收集整理出來，作為后續機器訓練智能設備的重要工具，進而建立起與之相關的各類模型。在實際的監測工作中，在傳感器的利用下，將信息數據以模型進行匹配，明確工作的具體情況，進而提升監測的有效性。

A變配電站在常規的情況下，變壓器的工作溫度維持在50~70℃之間，但是變壓器一旦出現故障，比如變壓器的內芯出現銹蝕，就會導致變壓器的電阻增大，在運行的過程中，溫度也會相應提升，給安全事故的發生埋下隱患。在本次實驗中，將變壓器在30 d內的工作數據收集起來，了解在不同的負載情況下，變壓器的溫度情況，以負載的具體情況建立起相應的模型，其中負載超過90%即為過負載，在20%以下為低負載，在40%~80%之間為中等負載。進而將不同故障情況下，變壓器的溫度數值記錄下來，比如過電流、過電壓和內芯熔斷等。將實驗中所有的數據集中在單片機中，利用隨機森林法進行機器訓練。隨機森林法有助于提升機器訓練的效率，使用該訓練方法，當樣本進入到定義空間內，可以隨即完成識別工作，對應的故障類型也將被精準確定[4]。

為了明確訓練的效果，在10萬個基礎樣本之上，投入A變配電站的1 043個樣本，得出結果可知，在1.8 s內，所有的樣本已經完成分類工作，決策樹提供的樣本定義已經達到100%，由此可知，機器訓練的效果較好。為了確保在完成機器訓練之后，變壓器的辨識能力，在隨機森林定義空間內代入變壓器在工作過程中的常規值。如果決策樹對樣本的定義在常規值允許的范圍之內，將不會出現警報。

在智能系統中，存在多種類型的構件，每一種構件有不同的重要作用，包括傳感器和通信結構等，在主變壓器附近，智能系統被外置其上，可以在無間斷完成實時監測工作。在本次實驗中，利用智能系統監測了30 d整，單就結果來說，變壓器處于正常的工作狀態下。此外，在實驗中，還利用計算機完成相關參數的虛擬實驗，實驗次數為30次，實驗的目的是了解處于異常狀態下的智能系統能否識別出變壓器存在的問題，能否正常發布警報，具體的實驗情況如表2所示。

表2 A變配電站變壓器模擬實驗結果

5 結語

人工智能技術不僅是一種高新科技，也是一種現代控制理論，是電氣自動化控制發展到當下的必要技術支撐，在電氣自動化控制中，人工智能技術的引入顯著提升了安全性和效率，使得電氣自動化控制作業更加規范。在電氣自動化控制過程中應用人工智能技術，將為未來的發展奠定重要的基礎。