卓冰洋

摘 要：電能是人們生產(chǎn)生活中用途最廣泛的能源之一。近年來(lái)，我國(guó)在電力系統(tǒng)建設(shè)及管理方面不斷增加投入，較好地滿足了人們生產(chǎn)生活對(duì)電能的需求，尤其是智能技術(shù)在電力系統(tǒng)中的應(yīng)用，進(jìn)一步提高了電力系統(tǒng)的管理質(zhì)量與效率，保證了電力系統(tǒng)工作的穩(wěn)定性。本文探討神經(jīng)網(wǎng)絡(luò)技術(shù)、遺傳算法及其在電力系統(tǒng)自動(dòng)化中的應(yīng)用，以供參考。

關(guān)鍵詞：電力系統(tǒng);智能技術(shù);人工神經(jīng)網(wǎng)絡(luò);遺傳算法

中圖分類號(hào)：TM76 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2021）26-0016-03

Application of Intelligent Technology in Power System Automation

ZHUO Bingyang

（Fujian Runxiu Electric Power Development Co.， Ltd.，? Putian Fujian 351100）

Abstract： Electric energy is one of the most widely used energy in people's production and life. In recent years， China has continuously increased investment in power system construction and management， which better meets people's demand for electric energy in production and life. In particular， the application of intelligent technology in power system further improves the management quality and efficiency of power system and ensures the stability of power system work. This paper discussed neural network technology， genetic algorithm and their application in power system automation for reference.

Keywords： power system;intelligent technology;artificial neural network;genetic algorithm

電力系統(tǒng)是由發(fā)電廠、送變電線路、供配電所和用電端等環(huán)節(jié)組成的電能生產(chǎn)與消費(fèi)系統(tǒng)。電力系統(tǒng)結(jié)構(gòu)復(fù)雜，覆蓋范圍廣。電力系統(tǒng)在運(yùn)行中可能會(huì)出現(xiàn)各種類型的故障，因此工作人員要及時(shí)發(fā)現(xiàn)和解決這些故障，保證電能供應(yīng)質(zhì)量，滿足智能技術(shù)的應(yīng)用需求。

1 智能技術(shù)的類型

電力系統(tǒng)自動(dòng)化過(guò)程中應(yīng)用的智能技術(shù)主要有人工神經(jīng)網(wǎng)絡(luò)技術(shù)和遺傳算法。

1.1 人工神經(jīng)網(wǎng)絡(luò)技術(shù)

人工神經(jīng)網(wǎng)絡(luò)技術(shù)以數(shù)學(xué)模型模擬神經(jīng)元活動(dòng)，是模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)[1]。人工神經(jīng)網(wǎng)絡(luò)技術(shù)具有諸多優(yōu)點(diǎn)。其一，高度的并行性。人工神經(jīng)網(wǎng)絡(luò)中的每一個(gè)神經(jīng)元都能接受其他神經(jīng)元數(shù)據(jù)的輸入，在并行網(wǎng)絡(luò)支撐下產(chǎn)生不同的輸出，對(duì)其他神經(jīng)元造成影響。其二，良好的容錯(cuò)性與聯(lián)想記憶功能。人工神經(jīng)網(wǎng)絡(luò)可記憶相關(guān)信息，并運(yùn)用分布式的存儲(chǔ)方式將信息存儲(chǔ)在神經(jīng)元中，使其具備一定的容錯(cuò)性[2]，同時(shí)具備模式聯(lián)想和模式分類功能。其三，較強(qiáng)的自適應(yīng)以及自學(xué)習(xí)功能。通過(guò)對(duì)人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，可使其學(xué)習(xí)網(wǎng)絡(luò)的結(jié)構(gòu)與權(quán)值，從而更好地適應(yīng)環(huán)境[3]。人工神經(jīng)網(wǎng)絡(luò)主要包括前向神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)及BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)。其中，BP神經(jīng)網(wǎng)絡(luò)是應(yīng)用最廣泛的信息網(wǎng)絡(luò)。例如，在數(shù)據(jù)壓縮、模式識(shí)別以及函數(shù)逼近等方面都能看到BP神經(jīng)網(wǎng)絡(luò)的身影。

BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程由信號(hào)的正向傳播與誤差的反向傳播兩個(gè)過(guò)程組成。從輸入層將樣本輸入，經(jīng)各層處理后在輸出層輸出處理結(jié)果。若實(shí)際輸出和希望輸出存在較大誤差，便進(jìn)行誤差的反向傳播。在傳播過(guò)程中，所有單元會(huì)將誤差進(jìn)行分?jǐn)?，獲取各種單元的誤差信號(hào)，然后對(duì)各單元的權(quán)值進(jìn)行適當(dāng)調(diào)整與修正，如此反復(fù)調(diào)整權(quán)值，直到輸出結(jié)果與預(yù)期結(jié)果的誤差達(dá)到可接受的水平[4]。

1.2 遺傳算法

遺傳算法是一種通過(guò)模擬自然進(jìn)化過(guò)程搜索最優(yōu)解的方法。該算法為全局多點(diǎn)隨機(jī)搜索算法，不依賴被優(yōu)化對(duì)象數(shù)據(jù)模型，因此其在各種復(fù)雜的優(yōu)化中有著廣泛的應(yīng)用[5]。該算法具備以下優(yōu)點(diǎn)：在搜索一個(gè)種群數(shù)目的點(diǎn)時(shí)按照并行方式進(jìn)行，搜索過(guò)程中只需要給出目標(biāo)函數(shù)及適應(yīng)度函數(shù)，并不需要其他知識(shí)來(lái)輔助;確定的問(wèn)題經(jīng)過(guò)該算法處理后，可以形成很多潛在解，使用者可以根據(jù)實(shí)際情況加以選擇和確定[6]。遺傳算法的工作流程為：初始種群→選擇、復(fù)制→交叉→變異。

2 智能技術(shù)在電力系統(tǒng)自動(dòng)化中應(yīng)用的原則

2.1 安全性原則

電力系統(tǒng)為千家萬(wàn)戶提供電力能源，保證生產(chǎn)活動(dòng)的順利開展，為人們生活提供保障。安全性原則是智能技術(shù)應(yīng)用的基本原則，包括用戶用電安全、應(yīng)用過(guò)程安全以及工作人員自身安全等。

2.2 科學(xué)性原則

隨著社會(huì)經(jīng)濟(jì)的發(fā)展，科學(xué)技術(shù)水平不斷提升，電網(wǎng)規(guī)模不斷擴(kuò)大，傳統(tǒng)的電力技術(shù)難以滿足現(xiàn)代化用電需求。現(xiàn)階段，電力系統(tǒng)自動(dòng)化運(yùn)行具有嚴(yán)格要求，需要應(yīng)用更加先進(jìn)和專業(yè)的智能技術(shù)，保證電力系統(tǒng)的正常運(yùn)行，保證電網(wǎng)更加高效、穩(wěn)定地運(yùn)行。

2.3 規(guī)范性原則

在智能技術(shù)應(yīng)用過(guò)程中，應(yīng)嚴(yán)格遵循國(guó)家電網(wǎng)公司的要求和規(guī)定，同時(shí)結(jié)合電力系統(tǒng)的實(shí)際情況，更好地利用智能技術(shù)，如構(gòu)建智能電力通信信息系統(tǒng)，做好智能電力通信信息系統(tǒng)的維護(hù)工作[7]。

3 智能技術(shù)在電力系統(tǒng)自動(dòng)化中的應(yīng)用

3.1 人工神經(jīng)網(wǎng)絡(luò)在電力負(fù)荷預(yù)測(cè)中的應(yīng)用

3.1.1 背景分析。為了掌握電力系統(tǒng)負(fù)荷變化規(guī)律，采取合理的電能調(diào)度措施，滿足人們生產(chǎn)生活對(duì)電能的需求。研究者收集了某城市2021年7月20—30日的用電負(fù)荷數(shù)據(jù)和7月21—31日的氣象信息，運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)7月31日的用電負(fù)荷情況進(jìn)行預(yù)測(cè)。

3.1.2 樣本處理。在進(jìn)行預(yù)測(cè)之前，每隔2 h測(cè)量、采集前一天的用電負(fù)荷數(shù)據(jù)，形成12組電力負(fù)荷數(shù)據(jù)，將其作為人工神經(jīng)網(wǎng)絡(luò)處理的樣本。同時(shí)，考慮到用電負(fù)荷受天氣、溫度影響較大，在處理過(guò)程中將天氣與氣溫考慮在內(nèi)。另外，通過(guò)天氣預(yù)報(bào)掌握7月31日的天氣、溫度，將雨天、陰天、晴天用1、0.5、0進(jìn)行表示，并輸入到人工神經(jīng)網(wǎng)絡(luò)中。要解決的問(wèn)題是預(yù)測(cè)7月31日12組負(fù)荷值。同時(shí)，考慮到數(shù)據(jù)類型、數(shù)據(jù)單位可能給人工神經(jīng)網(wǎng)絡(luò)運(yùn)算效率帶來(lái)的不良影響，在運(yùn)算前使用歸一化函數(shù)對(duì)相關(guān)數(shù)據(jù)進(jìn)行規(guī)劃處理，確保數(shù)據(jù)落在一定范圍內(nèi)[8]。

3.1.3 網(wǎng)絡(luò)結(jié)構(gòu)的確定?；趯?duì)數(shù)據(jù)的分析，確定圖1所示的人工網(wǎng)絡(luò)結(jié)構(gòu)。

人工神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)函數(shù)為：

net=newff（minmax（P），[10，12]，{‘tansig’，“l(fā)ogsig”}，‘trainlm’）? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

式中：“10”表示網(wǎng)絡(luò)隱含層的數(shù)目;“12”表示輸出層神經(jīng)元數(shù)目;“tansig”和“l(fā)ogsig”均是傳遞函數(shù)，前者表示正切S函數(shù)，后者為對(duì)數(shù)S函數(shù);“net”是用于存儲(chǔ)返回的神經(jīng)網(wǎng)絡(luò)。

3.1.4 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。上述確定的神經(jīng)網(wǎng)絡(luò)均還未進(jìn)行訓(xùn)練。訓(xùn)練之前要設(shè)置訓(xùn)練參數(shù)，保證訓(xùn)練工作順利完成。訓(xùn)練中需要設(shè)置的參數(shù)主要有每一次顯示的代數(shù)、訓(xùn)練速率、動(dòng)量因子、訓(xùn)練的代數(shù)以及目標(biāo)誤差等。其中，可將每一次顯示的代數(shù)設(shè)置為10，訓(xùn)練速率設(shè)置為0.05，動(dòng)量因子設(shè)置為0.09，訓(xùn)練的代數(shù)設(shè)置為100 000，訓(xùn)練的目標(biāo)誤差設(shè)置為0.01。完成參數(shù)的設(shè)置后可使用train函數(shù)對(duì)確定的網(wǎng)絡(luò)結(jié)構(gòu)及神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

net=train（net，P，T）? ? ? ? ? ? ? ? ? ? ? ? ? （2）

式中：左邊的“net”表示訓(xùn)練的網(wǎng)絡(luò);右邊的“net”表示訓(xùn)練后網(wǎng)絡(luò)的存儲(chǔ)位置;P、T分別表示訓(xùn)練樣本的輸入矢量和輸出矢量。

3.1.5 應(yīng)用結(jié)果與誤差分析。使用人工神經(jīng)網(wǎng)絡(luò)對(duì)7月31日每隔2 h的用電負(fù)荷數(shù)據(jù)進(jìn)行預(yù)測(cè)，結(jié)果如表1所示。

運(yùn)用人工神經(jīng)網(wǎng)絡(luò)對(duì)7月31日的用電負(fù)荷情況進(jìn)行預(yù)測(cè)，并認(rèn)真對(duì)比了7月31日實(shí)際用電負(fù)荷情況，計(jì)算出絕對(duì)誤差為0.03%，表明運(yùn)用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)電力負(fù)荷情況較為可行。另外，在實(shí)際應(yīng)用過(guò)程中，為進(jìn)一步提高預(yù)測(cè)的準(zhǔn)確性，可考慮相關(guān)影響因素，進(jìn)一步擴(kuò)大訓(xùn)練樣本容量。

3.2 遺傳算法在PID控制參數(shù)優(yōu)化中的應(yīng)用

PID（Proportional-Integral-Derivative）控制是電力系統(tǒng)中一種常見的控制系統(tǒng)類型。為保證電力系統(tǒng)中各元件最優(yōu)化運(yùn)行，應(yīng)注重運(yùn)用智能技術(shù)對(duì)PID控制參數(shù)進(jìn)行優(yōu)化。將遺傳算法用于PID控制參數(shù)優(yōu)化主要包括如下環(huán)節(jié)：初始參數(shù)設(shè)置、初始化種群、解碼、選擇適應(yīng)度、復(fù)制、交叉和變異、設(shè)置停止條件[9]。優(yōu)化過(guò)程中需要認(rèn)真研究控制系統(tǒng)的相關(guān)參數(shù)，主要有K、K、K及遺傳算法中的變異率、交叉率、染色體長(zhǎng)度、種群規(guī)模等[10]。種群進(jìn)行初始化時(shí)使用二進(jìn)制對(duì)優(yōu)化參數(shù)進(jìn)行編碼，而后使用專門的初始化程序完成初始化工作。將每個(gè)參數(shù)對(duì)應(yīng)的二進(jìn)制位數(shù)均勻地截開，在認(rèn)真考慮每個(gè)參數(shù)搜索范圍的基礎(chǔ)上完成解碼。利用遺傳算法進(jìn)行搜索時(shí)主要依據(jù)適應(yīng)度函數(shù)，而適應(yīng)度函數(shù)由目標(biāo)函數(shù)轉(zhuǎn)化而來(lái)[11]。應(yīng)用的過(guò)程中注意適應(yīng)度應(yīng)為正數(shù)，而且值越大表明其性能越好。同時(shí)，認(rèn)真分析適應(yīng)度函數(shù)中的各個(gè)參數(shù)，明確各參數(shù)表示的含義，必要時(shí)要對(duì)代入的參數(shù)進(jìn)行預(yù)處理。為將上一代最好的結(jié)果保留下來(lái)，控制好使染色體不參加交叉和變異的百分率，使其直接進(jìn)入下一代種群中。復(fù)制的方法可通過(guò)如下函數(shù)實(shí)現(xiàn)：

SelCH=select（‘rws’，Chrom，F(xiàn)itnV GGAP）? ? ? ? （3）

式中：“rws”表示選擇法的名稱，即輪盤賭選擇法;“Chrom”表示種群名稱;“FitnV”表示適應(yīng)度;GGAP為代溝系數(shù)。交叉操作時(shí)隨機(jī)選取個(gè)體的編碼位數(shù)，依據(jù)交叉概率選擇進(jìn)行交叉的個(gè)體，實(shí)現(xiàn)編碼的兩兩互換，從而產(chǎn)生新的個(gè)體[12]。設(shè)置停止條件有以下兩個(gè)思路：一是將性能指標(biāo)達(dá)標(biāo)作為停止的依據(jù)，停止操作后將最優(yōu)結(jié)果輸出;二是設(shè)置繁殖代數(shù)，達(dá)到設(shè)置的繁殖代數(shù)后停止運(yùn)算，輸出尋優(yōu)結(jié)果[13]。將結(jié)果與PID控制系統(tǒng)無(wú)縫對(duì)接，實(shí)現(xiàn)對(duì)PID控制參數(shù)的優(yōu)化，可進(jìn)一步提高PID控制質(zhì)量。

4 結(jié)語(yǔ)

在科技發(fā)展的推動(dòng)下，越來(lái)越多的新技術(shù)被用于電力系統(tǒng)，較好地提升了電力系統(tǒng)的管理與控制水平。其中，智能技術(shù)在電力系統(tǒng)自動(dòng)化中的應(yīng)用不僅降低了電力系統(tǒng)的運(yùn)維成本，而且大大提高了管理與控制質(zhì)量，因此應(yīng)做好智能技術(shù)研究工作，把握相關(guān)理論，繼續(xù)尋找智能技術(shù)與電力系統(tǒng)自動(dòng)化的最佳契合點(diǎn)，在把握智能技術(shù)相關(guān)應(yīng)用原則的基礎(chǔ)上，結(jié)合電力系統(tǒng)工作管理與控制工作特點(diǎn)，合理部署應(yīng)用工作，制訂科學(xué)合理的應(yīng)用方案。

參考文獻(xiàn)：

[1]王飛鳴.電力系統(tǒng)自動(dòng)化中智能技術(shù)的應(yīng)用[J].微型電腦應(yīng)用，2021（3）：131-133.

[2]王理想.電力系統(tǒng)自動(dòng)化智能技術(shù)在電力系統(tǒng)中的應(yīng)用分析[J].大眾標(biāo)準(zhǔn)化，2021（5）：57-59.

[3]付俊峰.電力系統(tǒng)自動(dòng)化中智能技術(shù)的應(yīng)用分析[J].科技資訊，2021（2）：56-58.

[4]莊銘文.電力系統(tǒng)自動(dòng)化中智能技術(shù)的實(shí)踐探析[J].無(wú)線互聯(lián)科技，2020（24）：77-78.

[5]吳永華.智能技術(shù)在電力系統(tǒng)自動(dòng)化中的應(yīng)用[J].電子技術(shù)，2020（12）：120-121.

[6]王文飛.論電力系統(tǒng)自動(dòng)化智能技術(shù)在電力系統(tǒng)中的應(yīng)用[J].中國(guó)設(shè)備工程，2020（21）：33-35.

[7]韋斌，余夢(mèng)澤，王向兵.電力系統(tǒng)自動(dòng)化中人工智能的應(yīng)用[J].電子元器件與信息技術(shù)，2020（8）：122-123.

[8]錢建煜，肖繼忠.智能技術(shù)在電力自動(dòng)化中的應(yīng)用研究[J].信息通信，2020（8）：111-112.

[9]劉波.智能技術(shù)在電力自動(dòng)化中的應(yīng)用研究[J].現(xiàn)代工業(yè)經(jīng)濟(jì)和信息化，2020（6）：81-82.

[10]楊文琛.電力系統(tǒng)自動(dòng)化與智能電網(wǎng)的應(yīng)用探討[J].通信電源技術(shù)，2020（12）：165-167.

[11]劉爽.智能技術(shù)在電力自動(dòng)化中的應(yīng)用研究[J].工程建設(shè)與設(shè)計(jì)，2020（6）：277-278.

[12]劉偉.探析電力系統(tǒng)自動(dòng)化中智能技術(shù)的應(yīng)用[J].科技風(fēng)，2020（7）：191.

[13]張城陽(yáng)，張軍強(qiáng)，張震亞.基于智能技術(shù)的電力系統(tǒng)自動(dòng)化設(shè)計(jì)[J].科技創(chuàng)新導(dǎo)報(bào)，2020（7）：1.

1511501186256