清遠(yuǎn)供電局信息中心 鐘業(yè)榮

隨著國(guó)內(nèi)經(jīng)濟(jì)的不斷發(fā)展以及科學(xué)技術(shù)的不斷進(jìn)步，當(dāng)前人工智能技術(shù)開(kāi)始逐漸應(yīng)用在電力系統(tǒng)運(yùn)行過(guò)程中，改變了原有的生產(chǎn)模式。人工智能在電力系統(tǒng)中的應(yīng)用，不僅能有效提升電力系統(tǒng)的工作效率，同時(shí)也能夠保證電力系統(tǒng)運(yùn)行過(guò)程中的安全。為保證人工智能技術(shù)能夠發(fā)揮出應(yīng)有的效果，完善當(dāng)前電力系統(tǒng)運(yùn)行過(guò)程中存在的不足，有必要對(duì)當(dāng)前人工智能技術(shù)在電力系統(tǒng)中的應(yīng)用情況進(jìn)行分析，提升其與電力系統(tǒng)的融合效率。以此保證整個(gè)電力系統(tǒng)能夠?qū)崿F(xiàn)優(yōu)化，促使電力行業(yè)實(shí)現(xiàn)更好地發(fā)展。

1 人工智能技術(shù)在電力系統(tǒng)中應(yīng)用的實(shí)際作用

能夠簡(jiǎn)化電力系統(tǒng)的實(shí)際操作流程。人工智能技術(shù)能夠在很大程度上對(duì)整個(gè)電力系統(tǒng)的操作流程進(jìn)行簡(jiǎn)化，通過(guò)對(duì)傳統(tǒng)的設(shè)備進(jìn)行升級(jí)和優(yōu)化，將設(shè)備與計(jì)算機(jī)連接在一起，操作指令通過(guò)計(jì)算機(jī)進(jìn)行傳輸，能非常明顯的提升設(shè)備控制效率，保證所有的設(shè)備都能夠得到充分利用[1]。使用人工智能技術(shù)還可避免在生產(chǎn)過(guò)程中容易出現(xiàn)的各種不必要事件發(fā)生，如人工操作不符合規(guī)則、數(shù)據(jù)不正確等，不僅能夠降低生產(chǎn)風(fēng)險(xiǎn)，還可為系統(tǒng)更加智能化提供一定保障。

能夠智能化的對(duì)故障進(jìn)行檢測(cè)。在傳統(tǒng)的故障檢測(cè)中一般需使用大量人工，對(duì)所有設(shè)備或是設(shè)備的所有零部件進(jìn)行檢查，花費(fèi)大量的成本同時(shí)也降低了工作的效率。同時(shí)，有一些內(nèi)部的構(gòu)造或是部件相對(duì)復(fù)雜、精密，人工檢查也未必能發(fā)現(xiàn)出現(xiàn)問(wèn)題的原因，嚴(yán)重影響了電力系統(tǒng)的運(yùn)行[2]。而人工智能的出現(xiàn)能非常有效地解決這些問(wèn)題，應(yīng)用人工智能技術(shù)能將設(shè)備在運(yùn)行中的各項(xiàng)數(shù)據(jù)進(jìn)行記錄、分析，并可實(shí)現(xiàn)與正常運(yùn)行的數(shù)據(jù)進(jìn)行對(duì)比，進(jìn)而準(zhǔn)確找到故障出現(xiàn)的原因和位置。通過(guò)應(yīng)用人工智能技術(shù)，不僅能在設(shè)備發(fā)生故障時(shí)第一時(shí)間進(jìn)行報(bào)警，同時(shí)也可實(shí)施針對(duì)性的檢測(cè)和維修，大大提升設(shè)備檢查、維修效率。

2 人工智能技術(shù)在電力系統(tǒng)中的具體應(yīng)用

2.1 專(zhuān)家系統(tǒng)

是有著大量經(jīng)驗(yàn)、規(guī)則、專(zhuān)業(yè)知識(shí)的一種程序系統(tǒng)，其主要是運(yùn)用某個(gè)領(lǐng)域中各位專(zhuān)家提供的經(jīng)驗(yàn)和知識(shí)對(duì)發(fā)生的事件進(jìn)行推理和盤(pán)算，并對(duì)專(zhuān)家的判斷過(guò)程、決策等進(jìn)行模擬，以此保證能解決相對(duì)比較復(fù)雜、需要專(zhuān)家進(jìn)行決策的各種問(wèn)題。專(zhuān)家系統(tǒng)經(jīng)常使用的規(guī)則就是產(chǎn)生式規(guī)則、也就是IFTHEN規(guī)則，在IF給出的條件或是事實(shí)滿(mǎn)足就會(huì)執(zhí)行THEN的操作或是結(jié)果。一般專(zhuān)家系統(tǒng)中的規(guī)則是需在已成立的事實(shí)基礎(chǔ)上建立而成，依據(jù)規(guī)則進(jìn)行具體的操作，獲得最終的結(jié)果，并按獲得結(jié)果按照全新的事件情況重新建立起新的規(guī)則[3]。

一個(gè)具備良好實(shí)用性的專(zhuān)家系統(tǒng)需包括六部分：數(shù)據(jù)庫(kù)、知識(shí)庫(kù)、咨詢(xún)解釋、推理機(jī)、知識(shí)獲取、人機(jī)接口。專(zhuān)家系統(tǒng)在診斷輸電網(wǎng)絡(luò)故障中具體應(yīng)用時(shí)，一般是基于產(chǎn)生式的規(guī)則，將保護(hù)、斷路器兩個(gè)動(dòng)作及相關(guān)檢測(cè)人員的診斷經(jīng)驗(yàn)通過(guò)規(guī)則體現(xiàn)出來(lái)，形成一個(gè)能夠診斷故障的專(zhuān)家知識(shí)庫(kù)，然后按照實(shí)際的報(bào)警內(nèi)容利用知識(shí)庫(kù)中的知識(shí)進(jìn)行推理，進(jìn)而獲得最終的故障診斷結(jié)果?；谶@種產(chǎn)生式的診斷故障，一般是按照產(chǎn)生式專(zhuān)家系統(tǒng)實(shí)際特點(diǎn)決定的，具體可分為：在輸電網(wǎng)絡(luò)中，保護(hù)動(dòng)作中的邏輯一級(jí)保護(hù)、斷路器二者之間關(guān)系能用直觀形式和模塊形式的規(guī)則直接表現(xiàn)出來(lái)；專(zhuān)家系統(tǒng)可增加、修改或是刪除一些規(guī)則，保證診斷的實(shí)時(shí)性及有效性；可解決一些不確定的問(wèn)題；可給出符合實(shí)際人類(lèi)語(yǔ)言的一些結(jié)論，并具備對(duì)應(yīng)的解釋能力[4]。

2.2 神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)能夠靈活、有效的進(jìn)行學(xué)習(xí)，是具有完全分布式特點(diǎn)的結(jié)構(gòu)，比較適用于一些大規(guī)模、并行的信息處理，對(duì)于一些非線性的系統(tǒng)，有著非常強(qiáng)的模式識(shí)別能力以及建模能力，可對(duì)一些復(fù)雜的狀態(tài)或是過(guò)程進(jìn)行識(shí)別以及分類(lèi)。按照具體情況的不同，當(dāng)前已有很多種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和具體的訓(xùn)練算法被應(yīng)用在實(shí)際的電力系統(tǒng)中。如應(yīng)用BP對(duì)電力系統(tǒng)的短期負(fù)荷情況進(jìn)行預(yù)測(cè)，在保證擁有充足訓(xùn)練樣本的情況下對(duì)預(yù)測(cè)的模型進(jìn)行有效分類(lèi)，創(chuàng)建出能適應(yīng)不同季節(jié)的日預(yù)測(cè)和周預(yù)測(cè)模型，并能對(duì)輸入的變量進(jìn)行準(zhǔn)確選擇，尤其是在選擇溫度變量時(shí)[5]。

此外，應(yīng)用人工神經(jīng)網(wǎng)絡(luò)以及對(duì)元件關(guān)聯(lián)進(jìn)行分析能診斷電力系統(tǒng)的故障，制定出多種復(fù)雜的診斷方法。這種方式主要將電力系統(tǒng)中的元件分成母線、變壓器和線路三種，對(duì)每個(gè)種類(lèi)的元件都有特定的ANN處理報(bào)警信息，對(duì)故障的具體位置進(jìn)行確定。與ES診斷有著一定不同，ANN主要是通過(guò)對(duì)現(xiàn)場(chǎng)樣本進(jìn)行學(xué)習(xí)和訓(xùn)練，通過(guò)對(duì)ANN中的閾值和連接權(quán)進(jìn)行調(diào)整，保證獲取的知識(shí)能通過(guò)隱式的方式分布在整個(gè)神經(jīng)網(wǎng)絡(luò)上，實(shí)現(xiàn)ANN的模式記憶。由此可見(jiàn)ANN具備非常強(qiáng)大的獲取知識(shí)能力，可有效對(duì)包含噪聲數(shù)據(jù)進(jìn)行處理，有效彌補(bǔ)了ES中的不足之處。由于神經(jīng)網(wǎng)絡(luò)具備良好的快速處理并行信息能力和分類(lèi)能力，因此被廣泛應(yīng)用在電力系統(tǒng)中的監(jiān)測(cè)與診斷、實(shí)時(shí)控制、符合預(yù)測(cè)以及狀態(tài)評(píng)估等多個(gè)不同的領(lǐng)域。當(dāng)前，基于神經(jīng)網(wǎng)絡(luò)的短期或是長(zhǎng)期復(fù)合預(yù)測(cè)已成為人工智能在電力系統(tǒng)中作用最大的一種應(yīng)用形式。

2.3 模糊理論

模糊邏輯可完成使用傳統(tǒng)數(shù)學(xué)方法難以達(dá)成的近似計(jì)算。近年來(lái)模糊理論已在電力系統(tǒng)中實(shí)現(xiàn)了非常廣泛的應(yīng)用，并實(shí)現(xiàn)了快速發(fā)展，其中包括系統(tǒng)規(guī)劃、潮流計(jì)算以及模糊控制等各個(gè)方面。如針對(duì)負(fù)荷的不斷變化、電力生產(chǎn)的不確定性，就可通過(guò)模糊值對(duì)負(fù)荷在實(shí)際中的隸屬函數(shù)表示出來(lái)，以此保證能建立起電力系統(tǒng)中最優(yōu)潮流模型。在實(shí)際故障診斷中，由于故障和具體表現(xiàn)間一般沒(méi)有具體的關(guān)系、相對(duì)比較模糊，這種模糊特性就是由于問(wèn)題、表現(xiàn)之間的一種不確定性，同時(shí)也來(lái)自問(wèn)題、表現(xiàn)二者之間在概念上的不準(zhǔn)確性，因此診斷出來(lái)的結(jié)果也必然是模糊的。想要真正解決這種模糊診斷的問(wèn)題，傳統(tǒng)方式一般是按照專(zhuān)家的實(shí)際經(jīng)驗(yàn)，在問(wèn)題表現(xiàn)、問(wèn)題原因之間建立模型關(guān)系矩陣。模糊理論中比較常用的方法就是將各個(gè)模糊推理實(shí)際規(guī)則產(chǎn)生的各種模糊關(guān)系進(jìn)行組合或合并[6]。

隨著模糊理論的不斷發(fā)展和完善，模糊理論的優(yōu)勢(shì)也開(kāi)始體現(xiàn)出來(lái)：能很好適應(yīng)一些不確定性問(wèn)題；模糊知識(shí)庫(kù)能使用語(yǔ)言變量對(duì)專(zhuān)家經(jīng)驗(yàn)進(jìn)行描述，更加接近人類(lèi)的描述習(xí)慣；可以獲得一個(gè)問(wèn)題的多個(gè)解決方案，并可按照這個(gè)不同方案模糊程度高低情況實(shí)施優(yōu)先程度的排序工作。當(dāng)前該理論已被應(yīng)用到輸配電網(wǎng)絡(luò)故障的診斷工作中，這種診斷擁有的不確定性是由于，對(duì)于一些嚴(yán)格匹配搜索的專(zhuān)家系統(tǒng)來(lái)說(shuō)非常容易出現(xiàn)一些錯(cuò)誤的結(jié)果，而在專(zhuān)家系統(tǒng)中融入模糊理論后，就會(huì)從精確的推理轉(zhuǎn)變成近似的推理，在一定程度上加大了專(zhuān)家系統(tǒng)自身的容錯(cuò)性。近年模糊理論在電力系統(tǒng)中的應(yīng)用獲得了非常好的發(fā)展，具體表現(xiàn)為：通過(guò)使用多目標(biāo)的模糊決策具體方法，開(kāi)展故障測(cè)距、故障類(lèi)型的識(shí)別工作；應(yīng)用模糊推理對(duì)系統(tǒng)負(fù)荷情況進(jìn)行推理，對(duì)各類(lèi)不同用戶(hù)根據(jù)不同因素的變化情況進(jìn)行整理和歸納；構(gòu)建出變壓器的保護(hù)原理，對(duì)內(nèi)部故障和外部故障進(jìn)行區(qū)分[7]。

2.4 遺傳算法

遺傳算法是在自然選擇、遺傳機(jī)制的基礎(chǔ)上，通過(guò)計(jì)算機(jī)模擬生物進(jìn)化機(jī)制進(jìn)行的一種尋優(yōu)搜索算法，能在復(fù)雜龐大的空間中自適應(yīng)的進(jìn)行搜索，找到最優(yōu)或是最準(zhǔn)的解法，且算法相對(duì)簡(jiǎn)單、適應(yīng)性較強(qiáng)。遺傳算法對(duì)于具體求解的問(wèn)題并沒(méi)有限制，也不會(huì)涉及到一些求解會(huì)涉及到的數(shù)學(xué)過(guò)程，可實(shí)現(xiàn)全局、局部的求解，這也是其較傳統(tǒng)技術(shù)更優(yōu)之處[8]。

遺傳算法能從最優(yōu)的角度對(duì)系統(tǒng)故障進(jìn)行診斷，尤其是一些重復(fù)故障存在斷路器誤動(dòng)作時(shí)，能給出基于全局或是局部的最優(yōu)診斷結(jié)果。當(dāng)前應(yīng)用遺傳算法出現(xiàn)了“瓶頸期”，主要體現(xiàn)在如何建立起合理的故障診斷模型方面，如能建立出合理有效的模型，不僅能使用遺傳算法將故障診斷問(wèn)題進(jìn)行解決，還可應(yīng)用一些其他的啟發(fā)形式優(yōu)化算法對(duì)故障診斷的問(wèn)題進(jìn)行解決，如TABU搜索算法。

3 結(jié)語(yǔ)

人工智能技術(shù)在電力系統(tǒng)中的應(yīng)用已經(jīng)獲得了比較好的發(fā)展，我國(guó)相應(yīng)的研究還處于起步階段，需不斷進(jìn)行完善。隨著我國(guó)電力系統(tǒng)的不斷發(fā)展及系統(tǒng)數(shù)據(jù)的不斷增加，在管理上的難度也在不斷提升，在這種情況下人工智能技術(shù)就擁有了更加廣泛的發(fā)展空間。因此，當(dāng)前最重要的就是要加強(qiáng)人工智能在電力系統(tǒng)中應(yīng)用效果，并制定出切實(shí)可行的應(yīng)用策略，以此保證電力系統(tǒng)能更加穩(wěn)定、安全的運(yùn)行，為電力系統(tǒng)的可持續(xù)發(fā)展提供一定支持。