張?jiān)茋[，劉奕麟，杜昊陽，黃迪，溫馨

（東北電力大學(xué)，吉林 吉林 132000）

隨著用電負(fù)荷的大幅增加，人們對(duì)電力系統(tǒng)的重視程度逐漸提高，而系統(tǒng)故障則是關(guān)注的重點(diǎn)?，F(xiàn)階段，大數(shù)據(jù)技術(shù)呈現(xiàn)出較快的發(fā)展趨勢(shì)，機(jī)器學(xué)習(xí)已經(jīng)在很多領(lǐng)域中得到應(yīng)用，效果也較為理想。電力行業(yè)前行的腳步逐漸加快，產(chǎn)生的數(shù)據(jù)也非常多，為了使電力系統(tǒng)故障能夠切實(shí)消除，必須要構(gòu)建起機(jī)器學(xué)習(xí)算法模型，進(jìn)而使異常數(shù)據(jù)檢測(cè)順利展開，尋找到具體的故障位置，如此就可保證電力系統(tǒng)故障診斷能夠切實(shí)達(dá)成。

1 電力系統(tǒng)故障

1.1 城市軌道交通的電力系統(tǒng)故障

隨著城市規(guī)模的擴(kuò)大，大量人員選擇在此工作、生活，這就為軌道交通的發(fā)展奠定了基礎(chǔ)。如果軌道交通系統(tǒng)發(fā)生故障的話，造成的后果將是十分嚴(yán)重的，而導(dǎo)致故障發(fā)生的主要原因是電力系統(tǒng)出現(xiàn)問題。電纜在使用一段時(shí)間后，線路就會(huì)出現(xiàn)老化的情況，尤其是固定點(diǎn)會(huì)發(fā)生松動(dòng)，如果沖擊電流過強(qiáng)的話，電流短路的發(fā)生幾率就會(huì)大幅提升，線路跳閘就難以避免。從軌道交通電力系統(tǒng)的運(yùn)行現(xiàn)狀來看，調(diào)度、通信、控制等系統(tǒng)如果發(fā)生故障的話，地鐵列車發(fā)生失控的幾率就會(huì)大幅增加，甚至?xí)l(fā)交通事故。

1.2 偏遠(yuǎn)地區(qū)的輸電線路故障

從輸電線路架設(shè)的現(xiàn)狀來看，有些地區(qū)的地理環(huán)境較為特殊，而且氣候環(huán)境造成的影響較大，這就使得輸電線路難以保持穩(wěn)定運(yùn)行，發(fā)生大面積停電的幾率較高。輸電線路故障的類型較多，常見的如風(fēng)偏故障、雷擊跳閘、線路污閃等。

1.3 電力系統(tǒng)繼電保護(hù)不穩(wěn)定產(chǎn)生的故障

家用電器的數(shù)量增加后，用電負(fù)荷有明顯的提升，因而要將電力維護(hù)切實(shí)做到位。從電力維護(hù)的現(xiàn)狀來看，繼電保護(hù)是需要重點(diǎn)關(guān)注的環(huán)節(jié)。然而從電力系統(tǒng)運(yùn)行的現(xiàn)狀來看，軟件一旦出現(xiàn)問題的話，繼電器就會(huì)發(fā)生誤動(dòng)、拒動(dòng)。另外來說，二次回路的線路發(fā)生老化，這對(duì)電力系統(tǒng)產(chǎn)生的影響也非常大。

1.4 電網(wǎng)新能源故障

科學(xué)技術(shù)發(fā)展的速度較快，新能源的應(yīng)用也成為大家關(guān)注的重點(diǎn)。從當(dāng)下的實(shí)際情況來看，新能源已經(jīng)在很多領(lǐng)域中得到應(yīng)用，而這對(duì)電網(wǎng)運(yùn)行安全產(chǎn)生的影響非常大。將新能源接入到電力系統(tǒng)的過程中，電流、電壓難以保持穩(wěn)定，電網(wǎng)運(yùn)行受到擾動(dòng)的幾率較大，情況較為嚴(yán)重的話，電力事故也會(huì)頻繁出現(xiàn)。

2 機(jī)器學(xué)習(xí)算法

2.1 決策樹算法

對(duì)決策樹算法進(jìn)行分析可知，其就是由根節(jié)點(diǎn)起來處理數(shù)據(jù)樣本，重點(diǎn)是要做好分析工作，依據(jù)所得的結(jié)果來劃分?jǐn)?shù)據(jù)樣本，進(jìn)而獲得數(shù)據(jù)樣本子集，通過歸納算法就可將可讀規(guī)則、決策樹予以明確，將決策樹的作用充分發(fā)揮出來就可保證新數(shù)據(jù)分析能夠順利達(dá)成。決策樹學(xué)習(xí)方法中得到廣泛應(yīng)用的是分類與回歸樹算法，其組成部分包括特征選擇、樹的組成、剪枝，對(duì)于分類、回歸來說就是適合的。在對(duì)二分類問題予以解決時(shí)，CART算法是確實(shí)可行的，從其內(nèi)部特征來說，可以分為是、否，也就是在內(nèi)部特點(diǎn)左側(cè)、右側(cè)。在對(duì)此種算法予以實(shí)際應(yīng)用時(shí)，決策樹生成、剪枝這兩個(gè)步驟是關(guān)鍵的，簡(jiǎn)單來說，將訓(xùn)練數(shù)據(jù)集作為基礎(chǔ)就可獲得決策樹，進(jìn)而展開適當(dāng)剪枝，確保決策樹能夠更加的簡(jiǎn)潔，決策結(jié)構(gòu)是最為合理的，修剪的過程中要將標(biāo)準(zhǔn)予以明確，也就是損失函數(shù)最小。

2.2 人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)已經(jīng)出現(xiàn)好長(zhǎng)時(shí)間，并得到了普遍應(yīng)用。對(duì)其進(jìn)行分析可知，其是將大量神經(jīng)元連接起來，而且可對(duì)連接權(quán)重予以調(diào)整，如此就可切實(shí)完成好處理工作，實(shí)現(xiàn)信息的分布式存儲(chǔ)，其在自組織、自學(xué)習(xí)方面是具有明顯優(yōu)勢(shì)的。從BP算法來看，其呈現(xiàn)出明顯的監(jiān)督特征，從理論層面來說，此種算法的基本結(jié)構(gòu)為非線性變化單元，其非線性映射能力是較強(qiáng)的。除此以外，可以依據(jù)實(shí)際條件來對(duì)學(xué)習(xí)系數(shù)之類的參數(shù)予以設(shè)置，靈活性是較為明顯的。此種算法的應(yīng)用范圍是較廣的，進(jìn)行故障診斷、模型優(yōu)化，或者是展開智能控制時(shí)，均是較為適合的。

2.3 樸素貝葉斯

從樸素貝葉斯算法來看，其是以概率統(tǒng)計(jì)為基礎(chǔ)的，通過其可以實(shí)現(xiàn)分類的目標(biāo)。從當(dāng)下的應(yīng)用現(xiàn)狀來看，樸素貝葉斯算法、決策樹算法的應(yīng)用是較為普遍的，在不同場(chǎng)景中均能夠發(fā)揮出效用。大型數(shù)據(jù)庫通常選用的是樸素貝葉斯書暗訪，其應(yīng)用是較為簡(jiǎn)單的，速度相對(duì)較快，而且穩(wěn)定性會(huì)有大幅提升。

3 機(jī)器學(xué)習(xí)在電力系統(tǒng)故障中的運(yùn)用

3.1 人工智能技術(shù)

在對(duì)計(jì)算機(jī)軟件、硬件進(jìn)行研究的過程中，人工智能是重要的基礎(chǔ)，也就是通過計(jì)算機(jī)語言、計(jì)算機(jī)算法來對(duì)人類的一些行為進(jìn)行模擬。人工智能技術(shù)的主要作用是確保計(jì)算機(jī)能夠認(rèn)同人一樣來對(duì)特定事情進(jìn)行處理?，F(xiàn)階段，很多的行業(yè)已經(jīng)開始對(duì)人工智能技術(shù)加以應(yīng)用，并發(fā)揮出關(guān)鍵的作用。對(duì)此種技術(shù)予以分析可知，其在學(xué)習(xí)性、靈活性方面具有的優(yōu)勢(shì)是明顯的，在電力系統(tǒng)當(dāng)中對(duì)其予以充分利用的話，可以使得診斷操作變得更為便捷。從電力系統(tǒng)故障來說，在對(duì)其進(jìn)行診斷的過程中，可對(duì)遺傳算法、機(jī)器學(xué)習(xí)、專家系統(tǒng)等加以運(yùn)用，這樣就能夠建立起完善的數(shù)學(xué)模型，進(jìn)而保證診斷結(jié)果是更為準(zhǔn)確的。

3.2 人工智能給電力系統(tǒng)帶來的挑戰(zhàn)

在電力系統(tǒng)中對(duì)人工智能加以應(yīng)用時(shí)所要面對(duì)的挑戰(zhàn)是較大的，常見的表現(xiàn)是信息量是非常大的，而且種類也是較多的，這就使得信息處理的實(shí)效性較為低下。為了使得人工智能可以得到充分應(yīng)用，必須要對(duì)網(wǎng)絡(luò)連接等予以重點(diǎn)關(guān)注，同時(shí)要對(duì)其具有的安全性、可靠性等進(jìn)行考慮。

3.3 機(jī)器學(xué)習(xí)算法及其在電力系統(tǒng)中的應(yīng)用

機(jī)器學(xué)習(xí)涉及到的學(xué)科較多，統(tǒng)計(jì)學(xué)、概率論、逼近論等均在其中，而且呈現(xiàn)出交叉特征。在整個(gè)人工智能中，機(jī)器學(xué)習(xí)是重要的分支，其是針對(duì)計(jì)算機(jī)模擬展開深入研究，進(jìn)而能夠掌握更多的知識(shí)，擁有一定的技能，將現(xiàn)有知識(shí)結(jié)構(gòu)予以重新組織，如此就可使得自身性能有明顯的改善。機(jī)器學(xué)習(xí)就是要通過計(jì)算機(jī)來總結(jié)相關(guān)的數(shù)據(jù)，如此就可獲得可靠的模型，通過其就可對(duì)特定事情予以判斷，保證預(yù)測(cè)更加的準(zhǔn)確。眾所周知，機(jī)器學(xué)習(xí)是按照既定步驟展開的，具體來說共包括以下3步：第一步就是對(duì)相關(guān)的數(shù)據(jù)進(jìn)行采集，在此基礎(chǔ)上完成模型的構(gòu)造，這里需要提醒的話，模型必須要最為適合，能夠保證問題研究能夠順利進(jìn)行。第二步是要從問題出發(fā)，將系統(tǒng)衡量標(biāo)準(zhǔn)予以明確，進(jìn)而對(duì)函數(shù)模型展開判斷。第三步是要將與系統(tǒng)衡量標(biāo)準(zhǔn)相適宜的函數(shù)尋找出來，將其帶入到系統(tǒng)當(dāng)中就可以展開測(cè)試工作。在現(xiàn)階段，科技發(fā)展速度持續(xù)加快，創(chuàng)新研究工作正在深入展開，這就為機(jī)器學(xué)習(xí)奠定了堅(jiān)實(shí)的基礎(chǔ)，進(jìn)行電力系統(tǒng)檢測(cè)時(shí)，其適用性較強(qiáng)。從電力系統(tǒng)故障的檢測(cè)來看，對(duì)機(jī)器學(xué)習(xí)必須要予以重視，通過直接方式、間接方式來獲取所需的數(shù)據(jù)，并要切實(shí)完成好判斷、預(yù)測(cè)工作。首先，數(shù)據(jù)的采集必須要做到位。整個(gè)電力系統(tǒng)是較為龐雜的，其中涵蓋的數(shù)據(jù)信息有不同的種類，覆蓋范圍也是較廣的，所以要將故障本質(zhì)點(diǎn)切實(shí)尋找出來。比方說，直流匯集系統(tǒng)的常見故障為直流雙極短路，此時(shí)應(yīng)該要針對(duì)換流器、變流器展開有效的監(jiān)控；當(dāng)IIREG故障發(fā)生后，則要針對(duì)母線短路點(diǎn)展開檢測(cè)，并對(duì)故障數(shù)據(jù)進(jìn)行梳理；保護(hù)繼電器出現(xiàn)拒動(dòng)、誤動(dòng)的話，最為關(guān)鍵的就是要將繼電器的相關(guān)數(shù)據(jù)予以歸納。長(zhǎng)時(shí)間獲取的相關(guān)數(shù)據(jù)必須要將預(yù)處理做到位。為了保證數(shù)據(jù)的全面性和可靠性，可以對(duì)不同系統(tǒng)在不同電力負(fù)荷、不同故障以及發(fā)電機(jī)不同出力情況下進(jìn)行樣本采集。其次，通過機(jī)器學(xué)習(xí)算法將數(shù)據(jù)進(jìn)行總結(jié)，構(gòu)建數(shù)學(xué)模型。電力系統(tǒng)中發(fā)生的故障不同，其故障模式也大不相同，可以收集相對(duì)應(yīng)故障模式下的故障數(shù)據(jù)組，將大量的數(shù)據(jù)組通過傳感器輸入到機(jī)器學(xué)習(xí)算法模型中，并反復(fù)訓(xùn)練和學(xué)習(xí)。當(dāng)模型學(xué)習(xí)了大量數(shù)據(jù)信息后，就可以在電力系統(tǒng)中投入使用，可以對(duì)產(chǎn)生的故障點(diǎn)進(jìn)行判斷，從而準(zhǔn)確找出發(fā)生故障的位置，同時(shí)還可以對(duì)故障進(jìn)行預(yù)測(cè)，防范于未然。

4 結(jié)語

電力負(fù)荷的增加給電力系統(tǒng)帶來了嚴(yán)峻的問題和巨大的挑戰(zhàn)。但在大數(shù)據(jù)的背景下，人工智能不斷發(fā)展、進(jìn)步，電力系統(tǒng)將會(huì)與時(shí)俱進(jìn)。因此，要切合實(shí)際更好地將機(jī)器學(xué)習(xí)算法運(yùn)用于電網(wǎng)行業(yè)，以便更加積極地應(yīng)對(duì)電力系統(tǒng)中發(fā)生的故障。