试论人工智能技术在电力系统故障诊断中的应用

郭步阳

摘 要：由于近年来人们生产生活的发展对电力资源的依赖程度逐渐提升，电网供电的可靠性、稳定性和安全性问题越来越受到关注，如何在现有电网规模的基础上提升电力系统故障诊断的能力成为电力企业急需解决的问题，而近年来人工智能技术在电力系统故障诊断中的应用效果表明其对提升其故障诊断水平具有明显的推动作用，所以文章结合以推理、不确定性理论、优化技术和多种方法融合为基础的人工智能技术在电力系统故障诊断中的应用展开分析，为提升我国电力系统的可靠性作出努力。

关键词：人工智能技术；电力系统；故障诊断；应用

前言

电力系统的自身特点和实际作用决定，当其发生故障却得不到快速准确判断、处理时将会直接对人类的生产生活甚至社会稳定构成威胁，而又名为机器智能或智能模拟的人工智能，其是结合电子技术成果、仿生学方法等现代技术通过机械和电子装置实现对人类某些智能的模拟和代替的技术，其善于对人类处理问题的过程和经验进行模拟，学习能力突出，将其应用于电力系统故障诊断过程中具有重大的作用。

1 以推理为基础的人工智能技术在电力系统故障诊断中的应用分析

以推理为基础的人工智能技术其模拟人的思维过程，强调以故障信息为基础，按照已有规则对导致故障产生的原因进行逐步的逻辑推理，其中通过人为诊断行为模拟和计算机实现诊断的称之为显型推理，如专家系统，而利用数字化、抽象化等逻辑思维完成故障诊断的称之为隐型推理，如人工神经网络、Petri网等[1]。专家系统是通过对相关领域内专家决策过程的模拟，利用其知识和经验进行推理判断，以完成对复杂问题的正确决策，将保护和断路器的专业知识和长时间积累的实践经验用规则的形式表示并形成专家系统知识库，当电力系统发生故障时，将故障信息引入数据库并结合数据库的逻辑性获得故障原因是专家系统在电力系统故障诊断中应用的具体表现，而正向启发式专家系统推理和正反混合推理都可以在实际应用中使用，但考虑到其虽对故障的解释性较强，可由于建设知识和经验完备的专家知识库的难度较大，在诊断的过程中误判、漏判的可能性不容忽视，所以现阶段应用范围只限定在中小型的电力系统故障诊断中[2]。人工神经网络是对人类神经系统的信息传输和处理过程的模拟，其通过对人类神经网络的训练学习，以故障特定报警模式为样本组成样本库，具有较突出的非线性映射和泛化能力，而且容错性能较理想，其是以特定故障报警模式做样本建立样本库并结合神经网络训练，将数据库知识以网络的形势在连接权中存储，在计算的基础上获取故障诊断结果，其虽应用范围较广，但实际算法收敛速度、解释能力等方面存在的缺陷不容忽视；Petri网利用网络表示电力系统各元件之间同时、次序或循环发生的关系，其可对故障发生时的静态和动态关系进行描述，特别是继电保护装置对故障的反应和切除行为的描述获取故障诊断结果，而且将概率理论应用于Petri网对其对不确定因素的处理缺陷有明显的弥补作用，但实际电力系统故障诊断中受其对大量先验知识的依赖性较强的影响，状态空间爆炸的可能性较大，而且容错能力较不理想，对错误的报警信息的识别能力和对多重性装置与保护装置的动作时间差别等处理难度较大，相关研究仍处于探索阶段等因素的影响，其应用范围并不广泛，通常情况下需要结合其他人工智能技术使用[3]。

2 以不确定性理论为基础的人工智能技术在电力系统故障诊断中的应用分析

不确定理论的引入是建立在故障信息受诸多因素影响自身通常带有不确定色彩的基础上，现阶段以其为基础的人工智能技术主要包括模糊理论、概率理论、粗糙集理论等，模糊理论是相对于专家系统而言，但其容错能力得到了明显的提升，实践中通常会结合其它方法使用，例如在输入信息模糊化后结合专家系统完成故障诊断，在完成不确定性传递计算中结合Petri网使用等，其虽具有一定的效果但在实际应用中受知识校核维护等难度大，学习性能和隶属函数确定修改等相关问题仍处于研究阶段等因素影响，应用范围仍受到限制。而概率理论又分为贝叶斯理论、可信度理论等，其将电力系统中的故障信息表示为先验概率或可信度值，并结合保护信息生成产生式规则，在此基础上进行不确定传递计算，获取各部件的故障发生概率，在现实应用中可将概率论法与Petri网法结合使用，效果明显，但考虑到其对大量先验信息的依赖性，使用公式对事件独立性的高标准要求、误差的不可控，在实际应用中应结合实际情况；粗糙集理论将电力系统中的保护装置和断路器视为分类属性集，并结合有可能发生的故障建立决策表，在粗糙集约简算法作用下使原有信息等价约简，获取最小约简和决策原则的基础上对集合内的冗余性进行揭示，但受到实际故障诊断时通常为多重故障共发情况，决策表形成的实际难度较大的影响，其现阶段实际应用效果并不理想[4]。

3 以优化技术为基础的人工智能技术在电力系统故障诊断中的应用分析

以优化技术为基础的人工智能技术建立在计算机技术和计算科学不断发展的基础上，其将电力系统故障诊断问题等同于无约束的0至1整数规划问题，并利用全局优化算法实现求解，由于其有数学理论作支撑，所以理论性和实用性都较理想，例如在电力系统故障诊断中判定故障发生元件和保护开关动作关系分析中，可在将故障诊断视为整数规划问题的基础上利用遗传算法或进行退火算法的模拟实现求解；在求解的过程中可结合系统故障发生前后网络拓扑结构发生的变化建立故障区域数据模型，实现求解规模的有效缩小，当多解现象发生时，要构建结合二次配置特点和故障信息特征的新诊断模型仿真，但在实际应用中受建立合理故障诊断模型难度较大，且存在诸多随机因素等因素的影响，目前在电力系统故障诊断中的应用并不广泛。

4 以多种方法融合为基础的人工智能技术在电力系统故障诊断中的应用分析

多种方法融合是建立在电力系统故障的发生较为复杂，单种诊断方法的全面性较差的思路基础上，例如将神经网络和模糊逻辑方法相结合，其实际的通用性能得到明显的提升，将在此基础上融合Petri网方法，使电力系统对不确定信息的自学处理能力得到大幅度提升，将神经算法与遗传算法和专家系统相融合，可以提升电力系统故障诊断的速度，而且明显提升其抗干扰性能等，由此可见以多种方法融合为基础的人工智能技术在电力系统故障诊断中的应用是其未来发展的主要方向之一。

5 结束语

通过上述分析可以发现，将人工智能技术应用到电力系统故障诊断中是人工智能技术自身特点和电力系统故障诊断的重要意义决定的，是我国电力系统发展的必然选择，而人工智能技术在电力系统故障诊断中的应用有其各自的优缺点，在具体应用的过程中应结合实际情况，做到具体问题具体分析，以实现准确快速诊断故障为直接目的。

参考文献

[1]占才亮.人工智能技术在电力系统故障诊断中的应用[J].广东电力，2011，9：87-92.

[2]王磊.电网故障诊断方法及其系统架构研究[D].山东大学，2013.

[3]吴欣.基于改进贝叶斯网络方法的电力系统故障诊断研究[D].浙江大学，2005.

[4]朱丽娟，方倩.智能技术在电力系统故障诊断中的应用研究[J].城市地理，2014，18：198.