王嘉梅

【關(guān)鍵詞】人工智能技術(shù);電力系統(tǒng);故障診斷;應(yīng)用

1 人工智能的優(yōu)點

人工智能利用計算機來模擬人類的某種思維過程和智能行為的學(xué)科，總的來說就是人腦行為智能化。人工智能將涉及的學(xué)科很廣，其中包括計算機科學(xué)、心理學(xué)、哲學(xué)和語言學(xué)等學(xué)科。其覆蓋面涵括了自然科學(xué)和社會科學(xué)的所有學(xué)科，思維科學(xué)著重理論，而人工智能則著重實踐，思維科學(xué)的技術(shù)需要人工智能來表達(dá)。人工智能技術(shù)需要發(fā)展，離不開思維科學(xué)的發(fā)展。依據(jù)國務(wù)院在制定的《“互聯(lián)網(wǎng) +”行動指導(dǎo)意見》相關(guān)內(nèi)容，需對智能制造投入力度進一步增強?？赏ㄟ^建設(shè)智能工廠的模式，達(dá)到推動智能制造實現(xiàn)的目的，也可設(shè)置智能制造試點，以起到示范和引導(dǎo)的作用。同時，不斷增強對工業(yè)大數(shù)據(jù)的研發(fā)和應(yīng)用的力度，以對制造業(yè)向全面智能化轉(zhuǎn)型予以促進，為對具開放、協(xié)作等諸多性能的智能制造產(chǎn)業(yè)建設(shè)提供保障?？梢?，國家大力發(fā)展智能制造以及人工智能新興產(chǎn)業(yè)，鼓勵智能化創(chuàng)新，在可見的將來，人工智能將會更多融入日常生活當(dāng)中，給人們的生活、工作和教育帶來更多的影響

2 人工智能技術(shù)在電力系統(tǒng)故障診斷中應(yīng)用分析

1.專家系統(tǒng)（ES）

ES是發(fā)展最早、最為成熟的一種人工智能技術(shù)，根據(jù)某領(lǐng)域?qū)＜姨峁┑闹R和經(jīng)驗進行推理和判斷，模擬專家的決策過程，以解決需要專家決策的復(fù)雜問題。ES在電網(wǎng)故障診斷中的典型應(yīng)用是基于產(chǎn)生式規(guī)則，即把保護和斷路器的動作邏輯以及運行人員的診斷經(jīng)驗用規(guī)則表示，形成故障診斷專家系統(tǒng)知識庫，進而根據(jù)報警信息對知識庫進行推理，獲得故障診斷的結(jié)論，具有一定的解釋能力。基于ES的電網(wǎng)故障診斷常用的推理機制可分為兩類：一類是基于啟發(fā)式規(guī)則推理系統(tǒng)，該系統(tǒng)采用正向推理將故障信息與知識庫中的規(guī)則匹配來得到故障診斷的結(jié)論;第二類是正、反推理系統(tǒng)。根據(jù)斷路器和繼電保護與被保護設(shè)備之間的邏輯關(guān)系建立推理規(guī)則，以實際保護信息與故障假設(shè)的符合程度計算可信度。該方法通過混合推理，提高了故障診斷專家系統(tǒng)的適應(yīng)性和自學(xué)習(xí)能力。雖然ES理論發(fā)展較為成熟，表述清晰，能給出完整的診斷過程解釋，但是ES在實際應(yīng)用中仍存在以下缺陷：難以獲取完備的知識庫，并且驗證其完備性比較困難;自適應(yīng)能力差，電網(wǎng)拓?fù)浣Y(jié)構(gòu)變化時，需重新建庫，維護難度大;容錯能力較差，對誤動、拒動現(xiàn)象，極易出現(xiàn)誤判、漏判情況。ES的診斷方法能夠給出符合人類語言習(xí)慣的結(jié)論及相應(yīng)的解釋能力，比較適合中、小型電力系統(tǒng)的故障診斷。

2.人工神經(jīng)網(wǎng)絡(luò)（ANN）

ANN同樣也是一種人工智能技術(shù)，是通過模擬傳輸系統(tǒng)和人類的神經(jīng)信息處理來進行工作的過程。它具有并行處理，非線性映射，聯(lián)想記憶和在線學(xué)習(xí)能力的特點，已經(jīng)被廣泛應(yīng)用于電力系統(tǒng)的各個領(lǐng)域當(dāng)中。與ES相比，使用神經(jīng)元和運行知識的隱式處理的權(quán)重之間的聯(lián)系，與地圖的強非線性和技術(shù)推廣的優(yōu)點，容錯率要更高，即使與輸入信號固定噪音，還可以給出準(zhǔn)確的故障診斷結(jié)果?；谏窠?jīng)網(wǎng)絡(luò)故障診斷，故障信息被定義為用作神經(jīng)網(wǎng)絡(luò)的數(shù)字輸入。生產(chǎn)代表了故障診斷的結(jié)果。首先，神經(jīng)網(wǎng)絡(luò)訓(xùn)練和學(xué)習(xí)，具體的故障報警作為樣本，與樣本知識庫建設(shè)相吻合;然后利用神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)將保留在連接的權(quán)利的形式的網(wǎng)絡(luò)的知識的所有訓(xùn)練樣本;在計算神經(jīng)網(wǎng)絡(luò)的時候可以輸入相應(yīng)的數(shù)據(jù)值，從而完成了故障診斷。使用記憶聯(lián)想Hopfield神經(jīng)網(wǎng)絡(luò)模型，按照根據(jù)設(shè)計原理逆學(xué)習(xí)算法用它來實現(xiàn)系統(tǒng)故障，由部分信息擾動寬容的表現(xiàn)。結(jié)合參考文案中提到的徑向核心功能（RBF）神經(jīng)網(wǎng)絡(luò)來實現(xiàn)高壓輸電線路故障診斷和反向傳播（反向傳播，BP）對比神經(jīng)網(wǎng)絡(luò)，速度訓(xùn)練網(wǎng)絡(luò)和寬容故障都優(yōu)于應(yīng)用傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)。然而，在實際應(yīng)用中仍然有存在一些問題，大量需要加強練習(xí)的網(wǎng)絡(luò)智能信息技術(shù)，學(xué)習(xí)算法收斂速度緩慢;缺乏能力診斷結(jié)果的解釋;良好地進行啟發(fā)性知識處理。

3.模糊理論概括

在對電力系統(tǒng)故障進行診斷的系列過程中，較難有效鑒別故障征兆與故障排除間的關(guān)聯(lián)，因兩者間有一定的不準(zhǔn)確性存在，而且在概念描述上也具有一定的不精確性特征，因此，也使診斷結(jié)果呈模糊不清的狀態(tài)顯示;傳統(tǒng)解決辦法通常依據(jù)專家所固有的經(jīng)驗在故障征兆與原因間就模糊的關(guān)系進行建立。隨著此種模糊理論的 完善，優(yōu)點漸趨表現(xiàn)出，尤其是在對一些不確定性的問題進行處理時，價值更為明顯;其所具有的模糊知識庫通過對語言變量進行應(yīng)用，來對專家的經(jīng)驗加以描述，與人的表達(dá)習(xí)慣更為接近;模糊理論具對多種不同問題進行解決的能力，并可以根據(jù)問題模糊的程度，來對優(yōu)先程度進行排序。因為電力系統(tǒng)故障診斷與專家系統(tǒng)搜 索必須一一匹配，否則很容易出現(xiàn)錯誤的結(jié)果。建議將模糊理論在專家系統(tǒng)中引入并應(yīng)用后，由精確推理向近似推理轉(zhuǎn)化，在一定范圍內(nèi)使專家系統(tǒng)所具有的容錯性 和可判斷行增強，有效解決了模糊理論運用過程中出現(xiàn)的不準(zhǔn)確性與不精確性。

3 結(jié)語

總之，將人工智能技術(shù)應(yīng)用到電力系統(tǒng)故障診斷中是人工智能技術(shù)自身特點和電力系統(tǒng)故障診斷的重要意義決定的，是我國電力系統(tǒng)發(fā)展的必然選擇，而人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用有其各自的優(yōu)缺點，在具體應(yīng)用的過程中應(yīng)結(jié)合實際情況，做到具體問題具體分析，以實現(xiàn)準(zhǔn)確快速診斷故障為直接目的。

參考文獻

[1]占才亮.人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用[J].廣東電力，2011.

[2]王磊.電網(wǎng)故障診斷方法及其系統(tǒng)架構(gòu)研究[D].山東大學(xué)，2013.

[3]朱麗娟，方倩.智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用研究[J].城市地理， 2014