人工智能技术在电力系统继电保护中的应用阐述

施蔚青，何四平

（云南电网有限责任公司培训与评价中心，云南 昆明 650221）

0 引言

随着社会用电需求的提高，对于电力系统运行可靠性的要求也更高，电力企业应该采取有效的保护措施，降低电力系统运行的风险，不仅能够保障企业的经济效益，而且可以维护设备及人员安全。长期以来，继电保护模式在电力系统中的应用效果较好，能够满足故障分析和检测、维修需求，防止造成大范围的电力事故。传统继电保护模式也呈现出一定的局限性，难以满足新时期电力系统的智能化发展要求，容易造成效率低下和保护失效等问题。因此，可以运用人工智能技术对继电保护予以全面优化，通过构建直观化的数学模型，针对系统运行状况加以评估和分析。应该结合电力系统继电保护的实际需求，制定合理的技术融合方案，以体现人工智能技术的优势。

1 人工智能技术概述

人工智能技术是集神经学、脑科学和信息技术为一体的先进技术，在社会各个领域当中得到广泛应用，是当前科技领域的研究重点。人工智能技术模仿了人脑的工作原理与行为方式，以自动化机器为基础对问题进行识别、分析和解决。在电力企业的运营生产当中，人工智能技术逐渐得到应用，能够减轻人力负担，实现各项资源的优化配置。故障样本被大量采集后，能够增强设备对故障的反应速度，以便工作人员及时对其进行处理。人工神经网络、智能模糊逻辑、遗传算法和混合逻辑等等，是当前人工智能技术的主要类型。不同技术类型与原理存在较大的差异性，在应用于故障诊断时需要结合技术特点加以合理选择。

2 人工智能技术在电力系统继电保护中的应用现状

当前继电保护装置越来越多，只有确保各类设备之间的良好配合效果，才能提高系统运行灵活性及可靠性，人工智能技术的应用可以使继电保护装置的性能优势得到体现，更加有序、高效地完成保护任务，强化线路保护功能、电容器保护功能和主变保护功能等[1]。在电力行业中，暂态保护技术和专家系统等融合度逐步提高，有利于实现故障自我检测和逻辑处理，增强设备及系统可靠性。在故障问题日趋复杂的情况下，只有保障算法的科学性，才能在短时间内实现故障的处理，防止对正常电力工作造成限制。此外，人工智能技术的应用解决了诸多模糊性问题，在继电保护中更具精确性。

3 人工智能技术在电力系统继电保护中的应用措施

3.1 暂态保护

传感器频宽会对人工智能技术的应用效果造成一定影响，导致继电保护效果难以达到系统的运行要求，计算工作也十分复杂。而暂态保护技术的应用，则能够对故障暂态中的高频信号实施全面检测，满足设备保护需求，为故障类型分析、持续时间预测等提供依据[2]。在整个频域当中都有故障信息的存在，通过高频信号的提取，可以实现继电保护的目标，以预防电力系统中故障问题的扩大化。在应用该技术时，需要借助于先进的高频检测装置，同时结合电力系统继电保护的实际需求设定相应的算法，实现对故障的精准化判断。

3.2 人工神经网络

针对人类大脑的运转规律进行模拟，从而使机器运行人类认知过程，实现对各类信息的快速化精准处理，这就是人工神经网络，在自适应、并行分布处理和联想记忆等方面的优势显著，因此逐步应用于电力系统继电保护当中。相较于传统ES诊断方法而言，借助于人工神经网络需要经过大量的学习和训练，实现对连接权的有效调整，构建强大的模式记忆，为知识获取和精准化分析提供了保障。在电力系统运行中通常会遇到较多的非线性故障问题，传统处理方式往往需要经过复杂的计算，对于算法的要求较高[3]。而应用人工神经网络则可以快速处理非线性问题。电势角度摆开情况下，过渡电阻短路故障会对输电线造成安全威胁，采取传统距离保护的方式无法对故障进行精准化定位。借助于人工神经网络，则能够在大量样本训练的基础上更加准确地判断故障，防止造成严重的拒动和误动问题，维持系统安全性。在方向保护、故障判断和主设备保护等工作中，人工神经网络的应用效果较好。比如在方向保护中，通过BP模型的构建可以满足方向判别的需求，从而为故障处理提供可靠依据。借助于单层感知器网络，能够满足最小二乘算法要求，系统计算在几纳秒时间内就能迅速完成，通过构建神经网络模型，分析电流继电器和阻抗继电器的运行状况，增强系统的自适应性。相较于传统保护模式而言，由于信息量的不断增长，因此可以使继电保护范围扩大化，在学习能力和识别能力上得到改善。

3.3 模糊理论

在经典集合理论的基础上，采取模糊化处理的措施，运用近似推理和语言变量来构建特定的逻辑，从而解决实际问题，这就是模糊理论。人与机器的最大区别就是可以运用大脑分析一些不确定的概念，从而通过信息整合及推理得到答案。模糊理论则是模仿人脑的这一特点进行推理，从而提高对未知描述系统的分析整合能力，尤其是在非线性问题的处理当中更加高效和可靠。模糊理论具有综合性的特点，其推理过程不再局限于传统逻辑规则，对于规则型模糊信息问题的处理更具智能化，因此在电力系统继电保护中应用模糊理论是提高保护成效的关键途径[4]。在电力系统运行中会遇到较多的不确定性问题，包括了拒动问题、误动问题、信道传输干扰问题等等，如果仅仅依靠人工神经网络或者专家系统，则会引起较大的偏差。而模糊理论的应用，则能够为不确定性问题的分析提供可靠依据，获得更加准确的推理结果。然而，该方法在实践应用中也存在一定的局限性，比如学习能力不足和需要以网络结构配置为依据修改模糊度等，因此在未来发展中应该加以逐步优化。

3.4 小波分析

时频分析是处理故障问题的常用措施，在此过程中可以借助于小波分析的方式，提高信号的自适应能力，处理非平稳信号的效率更高。系统故障信号可以通过小波分析的方式来获取局部特性，解决了瞬态反常现象对系统运行安全的威胁。运用该方式，也能够对小波变换模极大值和故障特征的关系进行梳理，从而达到行波保护的要求[5]。在电力系统继电保护中，可以运用小波分析提出故障特征，有利于工作人员判断变压器励磁涌流及故障，提高变压器的整体保护效果。该技术主要是针对暂态现象实施评估，故障类型的识别更加快速和精准，在高速保护中的作用显著。在应用小波分析方法时，通常会与人工神经网络融合应用，有利于特征量的快速提取，简化了人工神经网络结构。

3.5 专家系统

专家系统在实践中的应用已经十分常见，而且该技术的成熟度相对较高，通过对专家决策过程加以模拟实现问题的分析与判断，由程序代替专家解决复杂性问题。由于模型系统、规则系统和逻辑系统的差异性，因此专家系统的特点及功能也有所不同。规则系统是电力系统继电保护中应用最多的一类，运用特定的规则来表示诊断经验、保护动作和断路器动作等，并通过大量信息的采集与分析，构建完善的故障诊断知识库，为电力故障常见故障的处理提供依据。当电力系统出现故障时会发出警报信息，以此为依据响应知识库，得到故障诊断结论。为了保障专家系统的良好适用性，在电力系统继电保护中需要对其进行合理修改和调整，确保规则满足实际工作要求，对于不确定性问题的处理效果更好。在专家系统设计中，对于物理模型的依赖程度较高，为深层推理提供了依据，一次设备和保护装置的物理关系更加明确。

3.6 遗传算法

在20世纪60年代，遗传算法在实践中得到应用，能够对生物遗传和进化中解决问题的方式进行模仿，从而找到问题的最优解。在电力系统继电保护的故障诊断工作当中应用遗传算法，要以相应的数学模型为依托，实现对各类故障信息的整合，明确故障点的基本特征。尤其是适应度函数的构建，使得故障分析和判断更具直观性，有利于故障诊断效果的增强。在寻优性能和鲁棒性能方面，遗传算法相较于其他人工智能技术而言具有更大的优势，而且能够达到多点同时搜索的要求，因此提高了故障问题的处理效率。遗传算法省去了大量繁琐的计算过程，然而在实践中也会遇到一定的局限性，比如故障诊断模型的系统化程度有待提升。

4 结语

在电力系统继电保护中应用人工智能技术，是当前智能化发展的必然要求，也是提高设备及系统控制效果的关键途径，有利于降低系统故障率，防止给企业造成严重的损失，满足用户的实际用电需求。在实践工作当中，应该掌握暂态保护、人工神经网络、模糊理论、小波分析、专家系统和遗传算法的具体应用要点及难点，不断创新人工智能技术，使电力系统的运行更加可靠，提升继电保护水平。