人工智能電網故障診斷技術研究論文

人工智能電網故障診斷技術研究論文

　　【摘要】

　　電力系統是國民經濟的基礎，而電網則是整個電力系統中極為重要的一部分，它承擔著輸送、配電以及改變電壓的任務。然而，隨著近年來人民日益用電需求的增長，電網結構以及運行方式也變得日漸復雜，它的故障率也呈現成倍的增長。因此一個可靠和準確的電網故障診斷系統對整個電力系統有著十分重要的意義。本文綜述了目前現有的電網人工智能診斷方法，分析了他們各自的優缺點，并提出了一些可能的解決方案，并對未來電網故障診斷技術進行展望，為提高和完善電網故障診斷技術提供了可借鑒性的指導。

　　【關鍵詞】

　　電網；故障診斷；人工智能

　　眾所周知，我國承載著13億人口的用電需求，隨著我國綜合國力的迅速發展，人們的生活水平和生活質量不斷地提高，而隨之帶來的是用電設備的迅速增加、用電需求的不斷地增加。無論是工業用電還是生活用電，對我國整個電力系統都是一場嚴峻的考驗。這也使得我國的電網結構以及運行方式變得日漸復雜[1]。電力是一個國家的發展基礎，如果發生嚴重的斷電事故或者電網系統故障的頻發，不僅對人民的生活有著嚴重的影響，同時對企業乃至對整個國民經濟造成不可挽回的損失。因此一個可靠準確的電網故障診斷系統對發現故障設備、診斷故障原因、及時排除故障有著非常重要的意義。電網有著覆蓋范圍廣，運轉設備繁多，故障位置難以發掘等特點。傳統依靠人為的排查電網故障，不僅耗費人力極大，而且可靠性和準確性無法保證，更重要的排查效率不高，無法及時發現故障位置。據統計，故障位置的定位要占到整個故障排查時間的1/3[2]，如果能將這一步驟縮短，將極大地提高排除電網故障的效率。隨著近年來人工智能的興起，它逐漸被應用于電網的故障診斷。人工智能（AI）是以計算機為媒介，將人的思維方式賦予其上，讓其可以輔助或替代人類完成某些工作的技術，它同樣為故障排查時間的縮短提供了可能[3]。

　　1電網故障診斷的研究現狀

　　監控系統和數據采集系統早已在電網早期的發展當中得以應用，它可以通過監控設備，將電網中各個節點的電壓或者電流變化等電氣量信息實時反饋，這也為后續如果電網發生故障，給工程師們在電網故障診斷時提供了數據保障。而人工智能技術將這些反饋信息加以利用，建立了基于人工智能方法的電網故障診斷系統。常用的診斷方法有，專家系統、人工神經網絡、貝葉斯網絡以及模糊推理[4~5]。

　　（1）專家系統：是以計算機技術為基礎，再結合專家的經驗知識，建立專家知識庫，根據知識庫來模擬專家的推理過程，它在電網故障診斷當中發展比較早，相對來說成熟。它的診斷結果與故障原因有著直接的聯系，直觀有效的反應了故障特征，與人類診斷思維相似。

　　（2）人工神經網絡：通過模擬人類神經系統來處理信息過程的一種人工智能技術，將電網保護和開關信息量作為人工神經網絡的輸入端，將故障狀態作為輸出端，選擇適當合適的樣本訓練模型。神經網絡的診斷方法只有輸入和輸出，并不需要專業的知識，因此它的容錯能力要優于專家系統，同時也兼顧了神經網絡原有的優點及學習能力強，具有自適應性。

　　（3）貝葉斯網絡：它是以貝葉斯公式為基礎發展起來的一種推理的數學模型。它可以根據復雜設備的不確定性和關聯性進行概率推理，其關鍵步驟是建立各個狀態之間的相關概率，然后根據故障特征尋找出發生故障概率最大的設備。

　　（4）模糊推理：它是以模糊集為理論基礎，根據常見的故障源以及故障原因，建立知識數據庫，根據模糊的數學模型，加以結合經驗，利用模糊隸屬度來描述對象的精確性，最終從數據庫中找出類比概率最大的故障原因或者故障元器件，有較強的容錯能力。

　　2研究難點及可能的解決方案

　　電網是一個結構和運行方式復雜的動態系統，而故障原因更是多種多樣，有時故障信號與故障的原因并沒有直接的關系，這對在電網故障診斷時很難能發現故障位置。目前，人工智能方法雖然可以在某種程度上解決電網故障診斷上的某些問題，如診斷效率高、不容易出錯等，但他們也存在各種各樣的缺點。對于人工神經網絡，需要訓練樣本，電網的故障還是小樣本，無法采集多樣的故障信息，無法建立相對完善的故障樣本；而且人工神經網絡并不能尋找出故障特征和故障原因的直接聯系；同時計算效率差，有時候會出現不收斂現象。專家系統嚴重依賴知識庫，但并不是所有的故障原因都能從知識庫中找到，完備的知識庫很難獲取；同時專家系統維護難，需要不斷地對知識庫進行補充；其次是它的魯棒性差，當電網故障相對復雜時，它極易出現組合爆炸，導致推理速度過于緩慢，無法進行在線分析，無法診斷大型的電力系統。模糊推理和貝葉斯網絡，他們本質上其實都是概率模型，對于貝葉斯網絡，它同樣需要對模型進行訓練，且模型訓練方式復雜，得到的結果也只是一個故障概率；同時也需要保障訓練樣本的全面性和代表性。模糊推理中，在建立模糊集時隸屬度函數選擇沒有統一標準，不同的隸屬度函數所診斷結果也不盡相同。在電網結構變化時，需要對知識庫立刻修改。因此，針對上述的缺點，各種可能的解決方案也被運用于解決這些問題，例如神經網絡，可以將其與遺傳算法相結合，縮短神經網絡搜索最優權值和閾值的時間，提高神經網絡在電網故障診斷中的計算效率；對于專家系統和模糊推理，在可以建立共享知識庫，對現有的知識庫進行實時的補充；同時，可以用多方法結合的方式進行電網故障診斷，對電網故障進行綜合性評價和比較。

　　3未來的發展趨勢

　　未來是人工智能的時代，而電力系統的可靠穩定則是未來中國發展道路上所要面臨的嚴峻考驗，電網的故障診斷則是該考驗的關鍵環節，目前我國電網故障診斷技術還不成熟，還存在著許多的不足，許多技術還僅限于理論階段，并沒有實用以及推廣。因此，未來的電網故障診斷科從以下幾方面著手：

　　①多種診斷方法相結合，取長補短。

　　②提高智能算法的運行效率，讓其更能高效準確地診斷故障原因及故障位置。

　　③同時可以發展電網故障預報技術，即在電網故障即將出現之前處于亞正常狀態下，根據電網采集到的相關數據信息進行合理的分析并預報。調整電網電氣量來防止設備的進一步損壞或者避免故障的發生。

　　④隨著傳感器技術的發展，在設備監測過程以及電網出現故障階段，我們可以采集到全面的故障信息，對采集的這些信息進行融合和分析，更能有效地排查故障原因。

　　參考文獻

　　[1]郝艷妮.基于信息融合技術的電網故障診斷研究[D].西南交通大學，2012.

　　[2]劉京津.基于多智能體系的故障診斷技術在智能電網中的應用[J].電子與封裝，2013，13（12）：43~48.

　　[3]邊莉，邊晨源.電網故障診斷的智能方法綜述[J].電力系統保護與控制，2014，42（3）：146~153.

　　[4]陳玉林，陳允平，孫金莉，邱君瑪.電網故障診斷方法綜述[J].中國電力，2006，39（5）：27~31.

　　[5]張旭，魏娟，趙冬梅，張東英，劉燕華.電網故障診斷的研究歷程及展望[J].電網技術，2013，37（10）：2745~2753.