关于人工智能在电力系统中的应用与实践探讨

清远供电局信息中心 钟业荣

随着国内经济的不断发展以及科学技术的不断进步，当前人工智能技术开始逐渐应用在电力系统运行过程中，改变了原有的生产模式。人工智能在电力系统中的应用，不仅能有效提升电力系统的工作效率，同时也能够保证电力系统运行过程中的安全。为保证人工智能技术能够发挥出应有的效果，完善当前电力系统运行过程中存在的不足，有必要对当前人工智能技术在电力系统中的应用情况进行分析，提升其与电力系统的融合效率。以此保证整个电力系统能够实现优化，促使电力行业实现更好地发展。

1 人工智能技术在电力系统中应用的实际作用

能够简化电力系统的实际操作流程。人工智能技术能够在很大程度上对整个电力系统的操作流程进行简化，通过对传统的设备进行升级和优化，将设备与计算机连接在一起，操作指令通过计算机进行传输，能非常明显的提升设备控制效率，保证所有的设备都能够得到充分利用[1]。使用人工智能技术还可避免在生产过程中容易出现的各种不必要事件发生，如人工操作不符合规则、数据不正确等，不仅能够降低生产风险，还可为系统更加智能化提供一定保障。

能够智能化的对故障进行检测。在传统的故障检测中一般需使用大量人工，对所有设备或是设备的所有零部件进行检查，花费大量的成本同时也降低了工作的效率。同时，有一些内部的构造或是部件相对复杂、精密，人工检查也未必能发现出现问题的原因，严重影响了电力系统的运行[2]。而人工智能的出现能非常有效地解决这些问题，应用人工智能技术能将设备在运行中的各项数据进行记录、分析，并可实现与正常运行的数据进行对比，进而准确找到故障出现的原因和位置。通过应用人工智能技术，不仅能在设备发生故障时第一时间进行报警，同时也可实施针对性的检测和维修，大大提升设备检查、维修效率。

2 人工智能技术在电力系统中的具体应用

2.1 专家系统

是有着大量经验、规则、专业知识的一种程序系统，其主要是运用某个领域中各位专家提供的经验和知识对发生的事件进行推理和盘算，并对专家的判断过程、决策等进行模拟，以此保证能解决相对比较复杂、需要专家进行决策的各种问题。专家系统经常使用的规则就是产生式规则、也就是IFTHEN规则，在IF给出的条件或是事实满足就会执行THEN的操作或是结果。一般专家系统中的规则是需在已成立的事实基础上建立而成，依据规则进行具体的操作，获得最终的结果，并按获得结果按照全新的事件情况重新建立起新的规则[3]。

一个具备良好实用性的专家系统需包括六部分：数据库、知识库、咨询解释、推理机、知识获取、人机接口。专家系统在诊断输电网络故障中具体应用时，一般是基于产生式的规则，将保护、断路器两个动作及相关检测人员的诊断经验通过规则体现出来，形成一个能够诊断故障的专家知识库，然后按照实际的报警内容利用知识库中的知识进行推理，进而获得最终的故障诊断结果。基于这种产生式的诊断故障，一般是按照产生式专家系统实际特点决定的，具体可分为：在输电网络中，保护动作中的逻辑一级保护、断路器二者之间关系能用直观形式和模块形式的规则直接表现出来；专家系统可增加、修改或是删除一些规则，保证诊断的实时性及有效性；可解决一些不确定的问题；可给出符合实际人类语言的一些结论，并具备对应的解释能力[4]。

2.2 神经网络

神经网络能够灵活、有效的进行学习，是具有完全分布式特点的结构，比较适用于一些大规模、并行的信息处理，对于一些非线性的系统，有着非常强的模式识别能力以及建模能力，可对一些复杂的状态或是过程进行识别以及分类。按照具体情况的不同，当前已有很多种神经网络结构和具体的训练算法被应用在实际的电力系统中。如应用BP对电力系统的短期负荷情况进行预测，在保证拥有充足训练样本的情况下对预测的模型进行有效分类，创建出能适应不同季节的日预测和周预测模型，并能对输入的变量进行准确选择，尤其是在选择温度变量时[5]。

此外，应用人工神经网络以及对元件关联进行分析能诊断电力系统的故障，制定出多种复杂的诊断方法。这种方式主要将电力系统中的元件分成母线、变压器和线路三种，对每个种类的元件都有特定的ANN处理报警信息，对故障的具体位置进行确定。与ES诊断有着一定不同，ANN主要是通过对现场样本进行学习和训练，通过对ANN中的阈值和连接权进行调整，保证获取的知识能通过隐式的方式分布在整个神经网络上，实现ANN的模式记忆。由此可见ANN具备非常强大的获取知识能力，可有效对包含噪声数据进行处理，有效弥补了ES中的不足之处。由于神经网络具备良好的快速处理并行信息能力和分类能力，因此被广泛应用在电力系统中的监测与诊断、实时控制、符合预测以及状态评估等多个不同的领域。当前，基于神经网络的短期或是长期复合预测已成为人工智能在电力系统中作用最大的一种应用形式。

2.3 模糊理论

模糊逻辑可完成使用传统数学方法难以达成的近似计算。近年来模糊理论已在电力系统中实现了非常广泛的应用，并实现了快速发展，其中包括系统规划、潮流计算以及模糊控制等各个方面。如针对负荷的不断变化、电力生产的不确定性，就可通过模糊值对负荷在实际中的隶属函数表示出来，以此保证能建立起电力系统中最优潮流模型。在实际故障诊断中，由于故障和具体表现间一般没有具体的关系、相对比较模糊，这种模糊特性就是由于问题、表现之间的一种不确定性，同时也来自问题、表现二者之间在概念上的不准确性，因此诊断出来的结果也必然是模糊的。想要真正解决这种模糊诊断的问题，传统方式一般是按照专家的实际经验，在问题表现、问题原因之间建立模型关系矩阵。模糊理论中比较常用的方法就是将各个模糊推理实际规则产生的各种模糊关系进行组合或合并[6]。

随着模糊理论的不断发展和完善，模糊理论的优势也开始体现出来：能很好适应一些不确定性问题；模糊知识库能使用语言变量对专家经验进行描述，更加接近人类的描述习惯；可以获得一个问题的多个解决方案，并可按照这个不同方案模糊程度高低情况实施优先程度的排序工作。当前该理论已被应用到输配电网络故障的诊断工作中，这种诊断拥有的不确定性是由于，对于一些严格匹配搜索的专家系统来说非常容易出现一些错误的结果，而在专家系统中融入模糊理论后，就会从精确的推理转变成近似的推理，在一定程度上加大了专家系统自身的容错性。近年模糊理论在电力系统中的应用获得了非常好的发展，具体表现为：通过使用多目标的模糊决策具体方法，开展故障测距、故障类型的识别工作；应用模糊推理对系统负荷情况进行推理，对各类不同用户根据不同因素的变化情况进行整理和归纳；构建出变压器的保护原理，对内部故障和外部故障进行区分[7]。

2.4 遗传算法

遗传算法是在自然选择、遗传机制的基础上，通过计算机模拟生物进化机制进行的一种寻优搜索算法，能在复杂庞大的空间中自适应的进行搜索，找到最优或是最准的解法，且算法相对简单、适应性较强。遗传算法对于具体求解的问题并没有限制，也不会涉及到一些求解会涉及到的数学过程，可实现全局、局部的求解，这也是其较传统技术更优之处[8]。

遗传算法能从最优的角度对系统故障进行诊断，尤其是一些重复故障存在断路器误动作时，能给出基于全局或是局部的最优诊断结果。当前应用遗传算法出现了“瓶颈期”，主要体现在如何建立起合理的故障诊断模型方面，如能建立出合理有效的模型，不仅能使用遗传算法将故障诊断问题进行解决，还可应用一些其他的启发形式优化算法对故障诊断的问题进行解决，如TABU搜索算法。

3 结语

人工智能技术在电力系统中的应用已经获得了比较好的发展，我国相应的研究还处于起步阶段，需不断进行完善。随着我国电力系统的不断发展及系统数据的不断增加，在管理上的难度也在不断提升，在这种情况下人工智能技术就拥有了更加广泛的发展空间。因此，当前最重要的就是要加强人工智能在电力系统中应用效果，并制定出切实可行的应用策略，以此保证电力系统能更加稳定、安全的运行，为电力系统的可持续发展提供一定支持。