摘要：本文簡要介紹了各種人工智能技術(shù)在輸配電網(wǎng)絡(luò)故障診斷中的應(yīng)用，分析它們的優(yōu)缺點(diǎn)，并提出今后的發(fā)展方向，以促進(jìn)該領(lǐng)域的進(jìn)一步發(fā)展。

引言

隨著電網(wǎng)的不斷發(fā)展和電力走向市場，人們對(duì)電網(wǎng)的安全運(yùn)行和供電可靠性的要求越來越高。輸配電系統(tǒng)是電力系統(tǒng)中發(fā)電廠與電力用戶之間輸送電能與分配電能的中間環(huán)節(jié)，包括各電壓等級(jí)的輸配電線路和變電所，它的故障是不可避免的。而電力系統(tǒng)規(guī)模的不斷擴(kuò)大和各種監(jiān)控設(shè)備的應(yīng)用使得輸配電網(wǎng)絡(luò)故障診斷顯得尤為重要。因?yàn)槠淇煽啃灾笜?biāo)是影響整個(gè)電力系統(tǒng)可靠性的重要因素，其可靠性的改善將給整個(gè)電力系統(tǒng)的安全、可靠性和經(jīng)濟(jì)運(yùn)行帶來巨大的效益。所以研究工作者一直致力于發(fā)展先進(jìn)、準(zhǔn)確、高效的自動(dòng)故障診斷系統(tǒng)。

本文簡要介紹了相關(guān)的人工智能技術(shù)，如專家系統(tǒng)（ES）、人工神經(jīng)網(wǎng)絡(luò)（ANN）、模糊理論（FZ）、遺傳算法（GA），分別對(duì)文獻(xiàn)中提出的相應(yīng)的輸配電網(wǎng)絡(luò)故障診斷方法進(jìn)行述評(píng)，提出各種方法的優(yōu)缺點(diǎn)。

1、專家系統(tǒng)

專家系統(tǒng)在輸電網(wǎng)絡(luò)故障診斷中的典型應(yīng)用是基于產(chǎn)生式規(guī)則的系統(tǒng)，即把保護(hù)、斷路器的動(dòng)作邏輯以及運(yùn)行人員的診斷經(jīng)驗(yàn)用規(guī)則表示出來，形成故障診斷專家系統(tǒng)的知識(shí)庫，進(jìn)而根據(jù)報(bào)警信息對(duì)知識(shí)庫進(jìn)行推理，獲得故障診斷的結(jié)論。

文獻(xiàn)提出了一種知識(shí)獲取的多層流式的功能模型，用于產(chǎn)生變電站停電后的恢復(fù)方案，原理上有創(chuàng)新。文獻(xiàn)介紹了一個(gè)基于專家系統(tǒng)和多媒體技術(shù)開發(fā)的配電變壓器測試與診斷解釋系統(tǒng)。文獻(xiàn)采用面向?qū)ο蠹夹g(shù)開發(fā)了用于保護(hù)系統(tǒng)設(shè)計(jì)的專家系統(tǒng)，著重考慮了保護(hù)系統(tǒng)設(shè)計(jì)與電力網(wǎng)絡(luò)本身設(shè)計(jì)的協(xié)調(diào)，以確保保護(hù)系統(tǒng)是電力系統(tǒng)運(yùn)行中的一個(gè)繼承的和有效的部分。

雖然專家系統(tǒng)能夠有效地模擬故障診斷專家完成故障診斷的過程，但是在實(shí)際應(yīng)用中仍存在一定缺陷，其主要問題是知識(shí)獲取的瓶頸問題，知識(shí)難以維護(hù)，以及不能有效地解決故障診斷中許多不確定因素，這些問題大大影響了故障診斷的準(zhǔn)確性。

2、人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（ANN）是模擬人腦組織結(jié)構(gòu)和人類認(rèn)知過程的信息處理系統(tǒng)，自1943年首次提出以來已迅速發(fā)展成為與專家系統(tǒng)并列的人工智能技術(shù)的另一重要分支。

文獻(xiàn)將大型輸電網(wǎng)絡(luò)分區(qū)，對(duì)各個(gè)區(qū)域分別建立基于BP算法的故障診斷網(wǎng)絡(luò)。文獻(xiàn)提出了在原有神經(jīng)網(wǎng)絡(luò)輸入節(jié)點(diǎn)的基礎(chǔ)上再增加一特征輸入節(jié)點(diǎn)，以反映輸入樣本數(shù)據(jù)大小的特征量的新方法。文獻(xiàn)則在分析BP算法缺點(diǎn)的基礎(chǔ)上，提出了一種變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)的最大值算法。

通過對(duì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)或算法的改進(jìn)在一定程度上可以提高故障診斷的有效性。而由于專家系統(tǒng)方法與神經(jīng)網(wǎng)絡(luò)方法在許多方面可以協(xié)調(diào)工作、互為補(bǔ)充，因此，如何取長補(bǔ)短將神經(jīng)網(wǎng)絡(luò)技術(shù)與故障診斷專家系統(tǒng)融為一體，以彌補(bǔ)診斷中的不足，并提供新的診斷技術(shù)和方法，具有很大的潛力和廣闊的應(yīng)用前景，是值得我們深入探討和研究的。

3、模糊理論

輸電網(wǎng)絡(luò)故障診斷的不確定因素對(duì)于要求嚴(yán)格匹配搜索的專家系統(tǒng)來說，很容易導(dǎo)致錯(cuò)誤的結(jié)果。當(dāng)在專家系統(tǒng)中融入模糊理論后，由精確推理變?yōu)榻仆评?，在相?dāng)程度上增強(qiáng)了專家系統(tǒng)的容錯(cuò)性。

文獻(xiàn)應(yīng)用多目標(biāo)模糊決策方法進(jìn)行故障測距與故障類型辨識(shí)，并做了現(xiàn)場測試。文獻(xiàn)研究了在配電網(wǎng)絡(luò)中，當(dāng)每個(gè)設(shè)備的運(yùn)行狀況可以大致知道時(shí)，如何決定其適當(dāng)?shù)木S修水平，以兼顧運(yùn)行安全和維修成本。先用模糊集方法描述設(shè)備的運(yùn)行狀況，之后構(gòu)造了決定適當(dāng)維護(hù)水平的模糊現(xiàn)行規(guī)劃模型。

由于一般的模糊系統(tǒng)采用了與專家系統(tǒng)類似的結(jié)構(gòu)，所以它也

具有專家系統(tǒng)的一些固有缺陷：a.模糊系統(tǒng)在推理時(shí)也要搜索知識(shí)庫內(nèi)一定的規(guī)則集才能得出診斷結(jié)論，所以當(dāng)系統(tǒng)比較大時(shí)完成診斷的速度也比較慢。b.當(dāng)輸電網(wǎng)絡(luò)的結(jié)構(gòu)或自動(dòng)裝置的配置發(fā)生變化時(shí)，模糊系統(tǒng)的知識(shí)庫或相關(guān)規(guī)則的模糊度也要進(jìn)行相應(yīng)的修改，即模糊系統(tǒng)也存在維護(hù)的問題。c.模糊系統(tǒng)也不具備學(xué)習(xí)能力。

4、遺傳算法

遺傳算法是基于自然選擇和遺傳機(jī)制，在計(jì)算機(jī)上模擬生物進(jìn)化機(jī)制的尋優(yōu)搜索算法。它能在復(fù)雜而龐大的搜索空間中自適應(yīng)地搜索，尋找出最優(yōu)或準(zhǔn)最優(yōu)解，且算法簡單、適用、魯棒性強(qiáng)。

文獻(xiàn)嘗試使用遺傳算法解決輸電網(wǎng)絡(luò)故障診斷問題。文章首次建立了根據(jù)報(bào)警信息估計(jì)故障點(diǎn)的數(shù)學(xué)模型，并從診斷結(jié)果應(yīng)該能夠盡可能解釋所有報(bào)警信息的角度出發(fā)，給出了故障診斷問題的適應(yīng)度函數(shù)，從而將輸電網(wǎng)絡(luò)故障診斷問題轉(zhuǎn)化為0～1整數(shù)規(guī)劃問題。

遺傳算法從優(yōu)化的角度出發(fā)基本上可以解決故障診斷問題，但是如何建立合理的輸電網(wǎng)絡(luò)故障診斷模型是使用遺傳算法的主要“瓶頸”。

5、結(jié)語

本文分析了近年來專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、模糊理論等人工智能技術(shù)在輸配電網(wǎng)絡(luò)故障診斷中的優(yōu)缺點(diǎn)，從中可以看出，依靠單一智能技術(shù)的故障診斷已難以滿足復(fù)雜的輸配電網(wǎng)絡(luò)診斷的全部任務(wù)要求，因此，將多種不同的智能技術(shù)結(jié)合起來的混合診斷系統(tǒng)是智能化故障診斷研究的一個(gè)發(fā)展趨勢(shì)。

建筑資質(zhì)代辦咨詢熱線：13198516101

標(biāo)簽：人工智能、配電

版權(quán)聲明：本文采用知識(shí)共享 署名4.0國際許可協(xié)議 [BY-NC-SA] 進(jìn)行授權(quán)

文章名稱：《人工智能技術(shù)在輸配電網(wǎng)絡(luò)故障診斷中的應(yīng)用》

文章鏈接：http://www.fjemb.com/8143.html

該作品系作者結(jié)合建筑標(biāo)準(zhǔn)規(guī)范、政府官網(wǎng)及互聯(lián)網(wǎng)相關(guān)知識(shí)整合。如若侵權(quán)請(qǐng)通過投訴通道提交信息，我們將按照規(guī)定及時(shí)處理。