人工智能技术在电力系统故障诊断中的运用分析

郑健生



人工智能技术在电力系统故障诊断中的运用分析

郑健生

（广东电网责任有限公司惠州供电局，广东 惠州 516000）

人工智能技术的发展使其在很多领域得到了成功应用，特别是故障诊断方面。电力系统是保障人民和企业生产生活正常运行的重要组成部分。由于电力系统需要适应各种工作环境，因而电力系统一旦出现故障将会产生严重的后果。传统人工对于电力系统故障检测既费时又费力。因此，主要介绍了人工智能技术，然后阐述智能算法模型等主要人工智能技术在电力系统故障诊断中的应用。

人工智能技术；电力系统；故障诊断；智能化发展

信息技术的发展推动人民的生活以及企业的生产制造走向智能化。随着国家智能电网的全面推进，现代电力系统正在向信息化、智能化发展，而这其中，人工智能技术的应用对现代电力系统智能化建设起到了重要的支撑作用。

由于电网与电力系统自身的特点，在运行过程中遇到故障无法及时诊断、恢复电力系统，就会造成不必要的损失。如2006年的欧洲大停电，2008年我国南方的雪灾导致的停电以及2011巴西大停电事件。因此，依托日益成熟的人工智能技术进行快速、可靠的电力系统故障诊断，对及时排除故障、提高供电可靠性、确保电力系统的安全运行具有重要意义。

1 人工智能技术

人工智能的含义：人工智能是以计算机等硬件设备为依托，通过算法或者编程等计算机语言来让计算机等设备来模拟人类的思维或者行为。人工智能将涉及的学科很广，包括计算机编程、计算机数学、心理学和语言学等。

目前，我国政府对于人工智能的发展日益重视，例如，2015年国务院颁布了《“互联网+”行动指导意见》，其中指出人工智能对于生产生活以及制造业的重要性，鼓励企业和个人努力发展人工智能技术，并且加大对人工智能技术的投入与研发；2016年国家发改委等联合多个部门发布了人工智能技术的发展策略，充分肯定了人工智能技术在智能制造的作用与优势，积极引导企业开展人工智能技术研究，在全球范围内抢占人工智能的制高点，且鼓励领头企业起到示范和引导的作用。

依托现代化的计算机技术以及电子技术而形成的人工智能技术在电力系统故障诊断中，通过依靠其已有的数据库信息或者构建的知识系统库对电力系统进行故障诊断，同时，通过不断地学习可以将之前出现的故障记录下来，进而不断加强其学习能力和故障的诊断能力，使得人工智能技术不断地为提升电力系统的诊断效率服务。

2 人工智能技术的运用

目前，人工智能技术不是一项单一的技术，它是多种技术综合或单一运用时的集合总称。现代电力系统中的人工智能检测系统主要依托人工智能的专业理论知识以及相关的技术手段设备来对电力系统中的各种故障进行监督、检测和管理。在电力系统的故障诊断中，主要利用了遗传算法、模糊理论、人工神经网络、逻辑学、专家系统、决策管理、深度学习等知识或者模型。由于电力系统涉及的人工智能技术较多，本文主要介绍遗传算法、模糊理论和人工神经网络在电力系统故障诊断中的运用，这些人工智能技术可以帮助解决电力系统故障问题，保证电力资源的合理运用，节省人力、物力等。

2.1 遗传算法的运用

遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机优化搜索方法，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐蔽性和更好的全局寻优能力；对电力故障点采用概率化的寻优方法，能自动采用故障检测最优方法和指导优化空间搜索，自适应地调整搜索方向，不需要确定的规则。

基于遗传算法的函数寻优计算，针对适应度函数，能实现较快的收敛计算，寻优结果较合理，鲁棒性较好。GA是以电力系统的优化检测技术为基础，有助于缩短故障检测时间，提高效率。在基于GA的电力故障检测优化模型研究中，会有故障诊断结果存在多解的情况，目前，许多学者也根据GA算法提出了考虑故障信息特征的电网故障诊断模型。

2.2 模糊理论的运用

在以往对电力系统的故障诊断过程中，专家或工程师们难以有效鉴别故障征兆与故障排除间的关联，在电力故障诊断结果中出现模糊不清的情况。随着此种模糊理论的完善，能比较容易地将专家或工程师的控制经验融入到控制器中，制造了合理的模糊控制器。

目前，许多电力系统的模糊控制器采用了自适应模糊控制规则，一个自适应模糊控制器可以由一个单一的自适应模糊系统构成，也可以由多个自适应模糊系统构成。

与传统的自适应控制相比，自适应模糊控制的优越性在于它可以利用电力系统操作人员提供的语言模糊性信息，对电力系统中故障的高度不确定问题进行处理，这有利于提高故障检测效率。

2.3 人工神经网络的运用

人工神经网络就是模拟人思维的方式，通过神经元之间相互作用的动态过程来完成信息处理。这是一个非线性动力学系统，其特色在于对电力系统中各种信息的分布式存储和并行协同处理，提高故障的排查效率。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其高效的。Hopfield神经网络模型是一种循环神经网络，从输出到输入有反馈连接。Hopfield神经网络需要判别反馈网络的稳定性，通过状态变化实现系统的稳定性收敛。Hopfield神经网络模型是一种循环神经网络，从输出到输入有反馈连接。

在输入的激励下，会产生状态的不断变化。Hopfield神经网络具有较强的容错能力、学习能力以及大规模的处理能力，并且对于电力系统的网络结构多样的特点，因此，适合应用到电力系统故障诊断中，主要包括离散或者连续的Hopfield网络。其与电力系统专家构建的故障检测知识库之间的数据可以实现双向连接，在推理故障信息时，Hopfield神经网络从知识库中获取相类似的特征信息，对故障的情况进行排查，在排查完成后获取新的特征的故障信息可以补充到知识库中的故障信息中，以提高下一次故障排查的检修效率。

3 结束语

国家的电网事业在不断发展，电网工程也在不断壮大，随之居民和工厂、企业的用电量也在不断增加，这对于国家电网事业是一项新的考验，是利国利民的好事。通过介绍GA算法、模糊理论依据人工神经网络等人工智能技术在电力系统故障诊断中的运用，有助于利用人工智能技术有效提升电力系统故障诊断效率，并在人工智能领域中实现更大的价值。

［1］冯明佳，孙丽娜.创新创业背景下人工智能与新工科人才培养模式研究——以机械电子工程专业为例［J］.科技风，2018（34）：76.

［2］梁纯，仇文宁.人工智能技术在船舶电力系统故障诊断中的应用［J］.舰船科学技术，2018，40（16）：52-54.

［3］董征宇.Petri网络技术在船舶电力系统故障诊断中的应用研究［J］.舰船科学技术，2017，39（12）：168-170.

［4］郭步阳.试论人工智能技术在电力系统故障诊断中的应用［J］.科技创新与应用，2015（34）：206.

［5］刘延乐.基于自适应指纹识别的电力系统复杂原发故障诊断方法［D］.北京：华北电力大学，2014.

2095－6835（2019）02－0136－02

U672

A

10.15913/j.cnki.kjycx.2019.02.136

〔编辑：张思楠〕