吳 峰，劉 婧，沈 帆，何昌林

（1.南瑞集團有限公司，南京 210000；2.武漢南瑞電力工程技術(shù)裝備有限公司，武漢 430070；3.武漢南瑞有限責(zé)任公司，武漢 430070）

引言

隨著信息技術(shù)的進一步成熟，人工智能技術(shù)展開了多種行業(yè)類型的應(yīng)用，在我國生產(chǎn)和制造工業(yè)中利用人工智能技術(shù)，取得了更高生產(chǎn)效果和管理效果。人工智能作為現(xiàn)代社會的前沿頂尖科技產(chǎn)物，能夠?qū)⒅悄芑妥詣踊嘟Y(jié)合，在生產(chǎn)中直接對機器進行控制，減少人力、物力、財力的投入，通過人工智能的多方位運用，在近些年工業(yè)生產(chǎn)中的經(jīng)濟效益得到了巨大改善[1]。

人工智能技術(shù)能夠和人類擁有同等的智商和思維模式，在智能理念的作用下其操作速度和精準(zhǔn)度均有所提高。以人工智能為技術(shù)手段改善電力行業(yè)的發(fā)展?fàn)顟B(tài)，加強對電力企業(yè)的電力控制，充分提高電力企業(yè)中相關(guān)設(shè)備的工作效率，保證不同狀態(tài)下電力輸送的安全性和可靠性。在人工智能技術(shù)的優(yōu)勢下能夠?qū)﹄娏Φ淖詣踊l(fā)展產(chǎn)生重要影響，對促進電力工程建設(shè)的自動化進程起到正向引導(dǎo)作用，通過控制電力發(fā)電和配電以及變電方式，在不同電壓狀態(tài)下進行用戶的用電統(tǒng)計，確保及時且準(zhǔn)確地收集電力系統(tǒng)電力數(shù)據(jù)信息，解決電力工程數(shù)據(jù)實際的發(fā)展需求[2]。

在研究人工智能技術(shù)的優(yōu)勢下，設(shè)計一個新的電力工程自動化控制方法，將人工智能合理運用在電力工程自動化中，降低多種多樣的電力事故發(fā)生的概率，為電力工程良序發(fā)展提供理論支持。

1 人工智能在電力工程自動化中的應(yīng)用方法

1.1 構(gòu)建數(shù)據(jù)預(yù)處理動態(tài)模型

人工智能技術(shù)的優(yōu)勢是可以最大限度地模擬人類思維模式，并在相應(yīng)的程序內(nèi)進行工程建設(shè)和管理，以此構(gòu)建電力數(shù)據(jù)動態(tài)處理模型，完成電力信息數(shù)據(jù)的采集和持續(xù)管理。

在設(shè)計模型時，模擬常態(tài)工作模式需要核實電力工程各個階段的管理人員。智能分配各個流程內(nèi)需要的管理人員任務(wù)，其過程主要有：一是在受理流程階段需要管理人員發(fā)布指令，對電力進行勘察和批示的劃定，通過不同程序內(nèi)的工作環(huán)節(jié)擬定初次答復(fù)，提出審核的處理方法。二是選定各個階段的受理人員，在智能控制中需要對不同職位的人員進行行為模擬，如勘察員主要負(fù)責(zé)電力工程的進度考察，主任和班長主要在現(xiàn)場進行工期測定[3]。

在管理環(huán)節(jié)需要答疑時，及時通過層層動態(tài)傳遞轉(zhuǎn)換職能訴求，進行數(shù)據(jù)的分析和處理。通過管理的狀態(tài)和任務(wù)分配，對不同電力工程管理的流程功能進行分類。將模型分為多個管理模塊進行信息數(shù)據(jù)的獲取，在待處理任務(wù)管理模塊中會顯示電力管理對應(yīng)角色。按照電力工程中主要涉及到的功能將模型分為模塊，分別為流程管理、業(yè)務(wù)流程、基本業(yè)務(wù)和系統(tǒng)管理，進行待處理任務(wù)的管理和己結(jié)束流程的查看以及流程追蹤和活動節(jié)點查看?；顒庸?jié)點查看是根據(jù)未結(jié)束流程，分配活動節(jié)點的任務(wù)，將工作時間作為查詢的條件完成流程查詢，主要可以對擱置的任務(wù)節(jié)點進行催辦和處理。

1.2 基于小波神經(jīng)網(wǎng)絡(luò)布控智能節(jié)點

根據(jù)動態(tài)數(shù)據(jù)的預(yù)處理模型，在電力工程中設(shè)定進入申請的任務(wù)容量，根據(jù)各個環(huán)節(jié)的順序設(shè)定布置智能控制節(jié)點，以此完成自動化管理程序的工作鋪設(shè)。為了提高模型整體的預(yù)測精度，采用小波神經(jīng)網(wǎng)絡(luò)中布谷鳥算法，優(yōu)化信息數(shù)據(jù)的權(quán)值與系數(shù)。在迭代計算過程中新的更優(yōu)解會代替較差解直到達到期望預(yù)測精度。將處理后的數(shù)據(jù)分為A訓(xùn)練集與D測試集，訓(xùn)練集內(nèi)包括劃分的輸入與輸出集，同時對其進行標(biāo)準(zhǔn)化，此部分主要是對小波神經(jīng)網(wǎng)絡(luò)的參數(shù)進行選擇，被劃分的集合分為輸入和輸出兩部分，計算每個集合預(yù)測的能力，表達式如下：

式（1）中：集合中包含隱藏節(jié)點用e來表示數(shù)量；模型處理的連接影響力度用w表示；布谷鳥蛋的大小由連接權(quán)重r決定，即優(yōu)化參數(shù)的維數(shù)決定。這些初始參數(shù)可以隨機分布，驗證算法的參數(shù)設(shè)置在±0.25的取值范圍，以此作為小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練構(gòu)造的最終連接系數(shù)權(quán)值，為實現(xiàn)期望值達到最大迭代次數(shù)，采用權(quán)值函數(shù)進行數(shù)據(jù)的極值測算，表達式如下：

式（2）中，訓(xùn)練集的樣本總量用a表示；訓(xùn)練集的上限用as表示；訓(xùn)練集的下限用amins表示；每次數(shù)據(jù)的擬合結(jié)果用d和ds表示。當(dāng)達到最大迭代次數(shù)時優(yōu)化停止，在多種誤差評估指標(biāo)下對模型系統(tǒng)的預(yù)測精度進行評估，預(yù)測變量提供的極值和無用數(shù)據(jù)。將原始的序列有限分解為一組，在兩個頻率極值出現(xiàn)之前認(rèn)定是由最小值引起，直接去除處理后的數(shù)據(jù)再一次分為訓(xùn)練與測試集，按照同一順序進行標(biāo)準(zhǔn)化測定。根據(jù)選擇的極值范圍布置網(wǎng)絡(luò)智能監(jiān)測節(jié)點，在同一回歸象限內(nèi)計算差值，完成電氣工程的自動化控制。

1.3 回歸差值自動化控制電氣工程

通過對電氣工程不同節(jié)點的智能設(shè)置，在動態(tài)數(shù)據(jù)獲取模型的基礎(chǔ)上選擇統(tǒng)一回歸原則，計算超前反饋的信息數(shù)據(jù)差值，使其在事故發(fā)生前完成內(nèi)部數(shù)據(jù)的整理和控制。在每個層級內(nèi)均含有數(shù)據(jù)轉(zhuǎn)換因子用z表示，回歸處理原則對初次獲取的數(shù)據(jù)進行單向的線性加權(quán)，分別形成不同層級內(nèi)的數(shù)據(jù)組成形式，以此承接層電氣工程數(shù)據(jù)的上下文結(jié)構(gòu)，表達式為：

式（3）中：輸入的節(jié)點向量用z(x)表示；數(shù)據(jù)輸入和輸出層的連接權(quán)值用v1表示；輸入到反饋層的連接權(quán)值用v2表示；反饋層到承接層的連接權(quán)值用v3表示。設(shè)定小波神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)，在工程管理模塊內(nèi)對具有反映的流程進行任務(wù)分配，使其在工作狀態(tài)具有動態(tài)映射特征，從而將內(nèi)部神經(jīng)元完成時變特性的輸入和隱含數(shù)據(jù)的連接轉(zhuǎn)換。在不同層級中包含一個非線性轉(zhuǎn)換函數(shù)，能夠綁定輸入的數(shù)據(jù)與輸出數(shù)據(jù)，保證輸入智能神經(jīng)元在區(qū)間響應(yīng)之內(nèi)。至此在構(gòu)建電氣工程的數(shù)據(jù)動態(tài)模型基礎(chǔ)上，利用小波網(wǎng)絡(luò)建立智能監(jiān)測節(jié)點，計算數(shù)據(jù)的回歸差值自動化控制電氣工程，完成人工智能在電力工程自動化的應(yīng)用方法設(shè)計。

2 試驗結(jié)果分析

為驗證本方法在電氣工程管理中的實際應(yīng)用效果，采用測試的方式進行電氣設(shè)備的智能操控，通過不同狀態(tài)下的設(shè)備運行標(biāo)準(zhǔn)，合理分配設(shè)備產(chǎn)生的數(shù)據(jù)，將其控制在合理的電壓之內(nèi)保證電力的良序運行。以某公司生產(chǎn)的ZS-23電壓設(shè)備控制配電裝置，主要對電力線路的運行狀態(tài)進行電流的常規(guī)監(jiān)控，在搭建MATLAB測試平臺下，選取一天24 h內(nèi)該設(shè)備的運行電流，主要額定電壓為48 kV，具體電路中的電流數(shù)值如表1所示。

表1 運行狀態(tài)下電力設(shè)備24 h電流數(shù)值（單位：kA）

根據(jù)表1中所示，在正常運行標(biāo)準(zhǔn)下，全天產(chǎn)生最高電流的時段分為在10:00到12:00，以及14:00到16:00和19:00到21:00時間段。按照本研究方法的應(yīng)用流程，選擇兩組傳統(tǒng)應(yīng)用方法作為對照，對電力設(shè)備的電流狀態(tài)進行實時監(jiān)測，具體效果如圖1所示。

圖1 不同方法下電力設(shè)備電流監(jiān)測效果

從圖1中可見，本方法監(jiān)測到的電流數(shù)據(jù)值與實際數(shù)值基本保持一致，能夠在電流值超過額定范圍時發(fā)出預(yù)警信號。而兩組傳統(tǒng)方法的電流監(jiān)測數(shù)值在高峰時間有少許出入，一旦發(fā)生峰值事故容易出現(xiàn)停電事故。綜合來看：本方法將人工智能應(yīng)用在電流監(jiān)測中，能夠?qū)崟r記錄電力運行的狀態(tài)，具有實際應(yīng)用效果。

為進一步驗證本方法能夠提高電力工程業(yè)務(wù)的流轉(zhuǎn)效率，設(shè)置截取電流在達到36 kA狀態(tài)時電力設(shè)備會自動斷開，將其作為運行電路的保護裝置。測試電流高峰時段內(nèi)的自動化控制效果，是否能夠?qū)㈦娏鲾?shù)值控制在標(biāo)準(zhǔn)范圍內(nèi)，具體測試結(jié)果如表2所示。

表2 峰值時段電力設(shè)備電流數(shù)值監(jiān)測情況（單位：kA）

從表2中可知，在本方法的應(yīng)用下高峰時段的電流能夠控制在標(biāo)準(zhǔn)范圍之內(nèi)，且距離標(biāo)準(zhǔn)值具有較大差距，能夠保證電力線路的穩(wěn)定運行，增加電力工程業(yè)務(wù)的流轉(zhuǎn)效率。兩組傳統(tǒng)應(yīng)用方法下的高峰電流基本在標(biāo)準(zhǔn)線之外，雖然能夠降低峰值時段的電流數(shù)據(jù)，但在超高電流作用下，仍可能會出現(xiàn)電力事故，影響電力工程業(yè)務(wù)的自動化流轉(zhuǎn)。綜合測試結(jié)果來看：本方法能夠?qū)⒏叻鍟r段的電流控制在標(biāo)準(zhǔn)范圍內(nèi)，通過人工智能的檢測手段，能提高電力工程自動化的業(yè)務(wù)流轉(zhuǎn)，保證電力系統(tǒng)的穩(wěn)定運行。

3 結(jié)束語

通過小波網(wǎng)絡(luò)優(yōu)勢，將人工智能的技術(shù)應(yīng)用到電力工程自動化中，提高了電力系統(tǒng)業(yè)務(wù)流轉(zhuǎn)效率。本方法下高峰時段的電流可以控制在標(biāo)準(zhǔn)范圍內(nèi)，減少停電事故的發(fā)生，保證電力系統(tǒng)的穩(wěn)定運行。但由于沒有對不同設(shè)備進行多方測量，所得結(jié)果具有一定偏差性。后續(xù)研究中會進一步研究不同電氣設(shè)備的自動化程度，為電力系統(tǒng)的穩(wěn)定運行提供更科學(xué)方法。