人工智能在電力系統(tǒng)故障診斷中的應(yīng)用

摘要：簡要介紹了各種人工智能技術(shù)在輸配電網(wǎng)絡(luò)故障診斷中的應(yīng)用，分析它們的優(yōu)缺點，并提出今后的發(fā)展方向，以促進(jìn)該領(lǐng)域的進(jìn)一步發(fā)展。
關(guān)鍵詞：故障診斷；人工智能；輸配電網(wǎng)絡(luò)；專家系統(tǒng)；神經(jīng)網(wǎng)絡(luò)；模糊理論；遺傳算法

0 引言
隨著電網(wǎng)的不斷發(fā)展和電力走向市場，人們對電網(wǎng)的安全運行和供電可靠性的要求越來越高。輸配電系統(tǒng)是電力系統(tǒng)中發(fā)電廠與電力用戶之間輸送電能與分配電能的中間環(huán)節(jié)，包括各電壓等級的輸配電線路和變電所，它的故障是不可避免的。而電力系統(tǒng)規(guī)模的不斷擴(kuò)大和各種監(jiān)控設(shè)備的應(yīng)用使得輸配電網(wǎng)絡(luò)故障診斷顯得尤為重要。因為其可靠性指標(biāo)是影響整個電力系統(tǒng)可靠性的重要因素，其可靠性的改善將給整個電力系統(tǒng)的安全、可靠性和經(jīng)濟(jì)運行帶來巨大的效益。所以研究工作者一直致力于發(fā)展先進(jìn)、準(zhǔn)確、高效的自動故障診斷系統(tǒng)。
本文簡要介紹了相關(guān)的人工智能技術(shù)，如專家系統(tǒng)(ES)、人工神經(jīng)網(wǎng)絡(luò)(ANN)、模糊理論(FZ)、遺傳算法(GA)，分別對文獻(xiàn)中提出的相應(yīng)的輸配電網(wǎng)絡(luò)故障診斷方法進(jìn)行述評，提出各種方法的優(yōu)缺點。

1 專家系統(tǒng)
專家系統(tǒng)在輸電網(wǎng)絡(luò)故障診斷中的典型應(yīng)用是基于產(chǎn)生式規(guī)則的系統(tǒng)，即把保護(hù)、斷路器的動作邏輯以及運行人員的診斷經(jīng)驗用規(guī)則表示出來，形成故障診斷專家系統(tǒng)的知識庫，進(jìn)而根據(jù)報警信息對知識庫進(jìn)行推理，獲得故障診斷的結(jié)論。
文獻(xiàn)提出了一種知識獲取的多層流式的功能模型，用于產(chǎn)生變電站停電后的恢復(fù)方案，原理上有創(chuàng)新。文獻(xiàn)介紹了一個基于專家系統(tǒng)和多媒體技術(shù)開發(fā)的配電變壓器測試與診斷解釋系統(tǒng)。文獻(xiàn)采用面向?qū)ο蠹夹g(shù)開發(fā)了用于保護(hù)系統(tǒng)設(shè)計的專家系統(tǒng)，著重考慮了保護(hù)系統(tǒng)設(shè)計與電力網(wǎng)絡(luò)本身設(shè)計的協(xié)調(diào)，以確保保護(hù)系統(tǒng)是電力系統(tǒng)運行中的一個繼承的和有效的部分。
雖然專家系統(tǒng)能夠有效地模擬故障診斷專家完成故障診斷的過程，但是在實際應(yīng)用中仍存在一定缺陷，其主要問題是知識獲取的瓶頸問題，知識難以維護(hù)，以及不能有效地解決故障診斷中許多不確定因素，這些問題大大影響了故障診斷的準(zhǔn)確性。

2 人工神經(jīng)網(wǎng)絡(luò)
人工神經(jīng)網(wǎng)絡(luò)(ANN)是模擬人腦組織結(jié)構(gòu)和人類認(rèn)知過程的信息處理系統(tǒng)，自1943年首次提出以來已迅速發(fā)展成為與專家系統(tǒng)并列的人工智能技術(shù)的另一重要分支。
文獻(xiàn)將大型輸電網(wǎng)絡(luò)分區(qū)，對各個區(qū)域分別建立基于BP算法的故障診斷網(wǎng)絡(luò)。文獻(xiàn)提出了在原有神經(jīng)網(wǎng)絡(luò)輸入節(jié)點的基礎(chǔ)上再增加一特征輸入節(jié)點，以反映輸入樣本數(shù)據(jù)大小的特征量的新方法。文獻(xiàn)則在分析BP算法缺點的基礎(chǔ)上，提出了一種變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)的最大值算法。
通過對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)或算法的改進(jìn)在一定程度上可以提高故障診斷的有效性。而由于專家系統(tǒng)方法與神經(jīng)網(wǎng)絡(luò)方法在許多方面可以協(xié)調(diào)工作、互為補充，因此，如何取長補短將神經(jīng)網(wǎng)絡(luò)技術(shù)與故障診斷專家系統(tǒng)融為一體，以彌補診斷中的不足，并提供新的診斷技術(shù)和方法，具有很大的潛力和廣闊的應(yīng)用前景，是值得我們深入探討和研究的。

3 模糊理論
輸電網(wǎng)絡(luò)故障診斷的不確定因素對于要求嚴(yán)格匹配搜索的專家系統(tǒng)來說，很容易導(dǎo)致錯誤的結(jié)果。當(dāng)在專家系統(tǒng)中融入模糊理論后，由精確推理變?yōu)榻仆评恚谙喈?dāng)程度上增強(qiáng)了專家系統(tǒng)的容錯性。
文獻(xiàn)應(yīng)用多目標(biāo)模糊決策方法進(jìn)行故障測距與故障類型辨識，并做了現(xiàn)場測試。文獻(xiàn)研究了在配電網(wǎng)絡(luò)中，當(dāng)每個設(shè)備的運行狀況可以大致知道時，如何決定其適當(dāng)?shù)木S修水平，以兼顧運行安全和維修成本。先用模糊集方法描述設(shè)備的運行狀況，之后構(gòu)造了決定適當(dāng)維護(hù)水平的模糊現(xiàn)行規(guī)劃模型。
由于一般的模糊系統(tǒng)采用了與專家系統(tǒng)類似的結(jié)構(gòu)，所以它也具有專家系統(tǒng)的一些固有缺陷：a．模糊系統(tǒng)在推理時也要搜索知識庫內(nèi)一定的規(guī)則集才能得出診斷結(jié)論，所以當(dāng)系統(tǒng)比較大時完成診斷的速度也比較慢。b．當(dāng)輸電網(wǎng)絡(luò)的結(jié)構(gòu)或自動裝置的配置發(fā)生變化時，模糊系統(tǒng)的知識庫或相關(guān)規(guī)則的模糊度也要進(jìn)行相應(yīng)的修改，即模糊系統(tǒng)也存在維護(hù)的問題。c．模糊系統(tǒng)也不具備學(xué)習(xí)能力。

4 遺傳算法
遺傳算法是基于自然選擇和遺傳機(jī)制，在計算機(jī)上模擬生物進(jìn)化機(jī)制的尋優(yōu)搜索算法。它能在復(fù)雜而龐大的搜索空間中自適應(yīng)地搜索，尋找出最優(yōu)或準(zhǔn)最優(yōu)解，且算法簡單、適用、魯棒性強(qiáng)。
文獻(xiàn)嘗試使用遺傳算法解決輸電網(wǎng)絡(luò)故障診斷問題。文章首次建立了根據(jù)報警信息估計故障點的數(shù)學(xué)模型，并從診斷結(jié)果應(yīng)該能夠盡可能解釋所有報警信息的角度出發(fā)，給出了故障診斷問題的適應(yīng)度函數(shù)，從而將輸電網(wǎng)絡(luò)故障診斷問題轉(zhuǎn)化為0～1整數(shù)規(guī)劃問題。
遺傳算法從優(yōu)化的角度出發(fā)基本上可以解決故障診斷問題，但是如何建立合理的輸電網(wǎng)絡(luò)故障診斷模型是使用遺傳算法的主要“瓶頸”。

5 結(jié)語
本文分析了近年來專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、模糊理論等人工智能技術(shù)在輸配電網(wǎng)絡(luò)故障診斷中的優(yōu)缺點，從中可以看出，依靠單一智能技術(shù)的故障診斷已難以滿足復(fù)雜的輸配電網(wǎng)絡(luò)診斷的全部任務(wù)要求，因此，將多種不同的智能技術(shù)結(jié)合起來的混合診斷系統(tǒng)是智能化故障診斷研究的一個發(fā)展趨勢。