人工智能电网故障诊断技术研究论文

人工智能电网故障诊断技术研究论文

　　【摘要】

　　电力系统是国民经济的基础，而电网则是整个电力系统中极为重要的一部分，它承担着输送、配电以及改变电压的任务。然而，随着近年来人民日益用电需求的增长，电网结构以及运行方式也变得日渐复杂，它的故障率也呈现成倍的增长。因此一个可靠和准确的电网故障诊断系统对整个电力系统有着十分重要的意义。本文综述了目前现有的电网人工智能诊断方法，分析了他们各自的优缺点，并提出了一些可能的解决方案，并对未来电网故障诊断技术进行展望，为提高和完善电网故障诊断技术提供了可借鉴性的指导。

　　【关键词】

　　电网；故障诊断；人工智能

　　众所周知，我国承载着13亿人口的用电需求，随着我国综合国力的迅速发展，人们的生活水平和生活质量不断地提高，而随之带来的是用电设备的迅速增加、用电需求的不断地增加。无论是工业用电还是生活用电，对我国整个电力系统都是一场严峻的考验。这也使得我国的电网结构以及运行方式变得日渐复杂[1]。电力是一个国家的发展基础，如果发生严重的断电事故或者电网系统故障的频发，不仅对人民的生活有着严重的影响，同时对企业乃至对整个国民经济造成不可挽回的损失。因此一个可靠准确的电网故障诊断系统对发现故障设备、诊断故障原因、及时排除故障有着非常重要的意义。电网有着覆盖范围广，运转设备繁多，故障位置难以发掘等特点。传统依靠人为的排查电网故障，不仅耗费人力极大，而且可靠性和准确性无法保证，更重要的排查效率不高，无法及时发现故障位置。据统计，故障位置的定位要占到整个故障排查时间的1/3[2]，如果能将这一步骤缩短，将极大地提高排除电网故障的效率。随着近年来人工智能的兴起，它逐渐被应用于电网的故障诊断。人工智能（AI）是以计算机为媒介，将人的思维方式赋予其上，让其可以辅助或替代人类完成某些工作的技术，它同样为故障排查时间的缩短提供了可能[3]。

　　1电网故障诊断的研究现状

　　监控系统和数据采集系统早已在电网早期的发展当中得以应用，它可以通过监控设备，将电网中各个节点的电压或者电流变化等电气量信息实时反馈，这也为后续如果电网发生故障，给工程师们在电网故障诊断时提供了数据保障。而人工智能技术将这些反馈信息加以利用，建立了基于人工智能方法的电网故障诊断系统。常用的诊断方法有，专家系统、人工神经网络、贝叶斯网络以及模糊推理[4~5]。

　　（1）专家系统：是以计算机技术为基础，再结合专家的经验知识，建立专家知识库，根据知识库来模拟专家的推理过程，它在电网故障诊断当中发展比较早，相对来说成熟。它的诊断结果与故障原因有着直接的联系，直观有效的反应了故障特征，与人类诊断思维相似。

　　（2）人工神经网络：通过模拟人类神经系统来处理信息过程的一种人工智能技术，将电网保护和开关信息量作为人工神经网络的输入端，将故障状态作为输出端，选择适当合适的样本训练模型。神经网络的诊断方法只有输入和输出，并不需要专业的知识，因此它的容错能力要优于专家系统，同时也兼顾了神经网络原有的优点及学习能力强，具有自适应性。

　　（3）贝叶斯网络：它是以贝叶斯公式为基础发展起来的一种推理的数学模型。它可以根据复杂设备的不确定性和关联性进行概率推理，其关键步骤是建立各个状态之间的相关概率，然后根据故障特征寻找出发生故障概率最大的设备。

　　（4）模糊推理：它是以模糊集为理论基础，根据常见的故障源以及故障原因，建立知识数据库，根据模糊的数学模型，加以结合经验，利用模糊隶属度来描述对象的精确性，最终从数据库中找出类比概率最大的故障原因或者故障元器件，有较强的容错能力。

　　2研究难点及可能的解决方案

　　电网是一个结构和运行方式复杂的动态系统，而故障原因更是多种多样，有时故障信号与故障的原因并没有直接的关系，这对在电网故障诊断时很难能发现故障位置。目前，人工智能方法虽然可以在某种程度上解决电网故障诊断上的某些问题，如诊断效率高、不容易出错等，但他们也存在各种各样的缺点。对于人工神经网络，需要训练样本，电网的故障还是小样本，无法采集多样的故障信息，无法建立相对完善的故障样本；而且人工神经网络并不能寻找出故障特征和故障原因的直接联系；同时计算效率差，有时候会出现不收敛现象。专家系统严重依赖知识库，但并不是所有的故障原因都能从知识库中找到，完备的知识库很难获取；同时专家系统维护难，需要不断地对知识库进行补充；其次是它的鲁棒性差，当电网故障相对复杂时，它极易出现组合爆炸，导致推理速度过于缓慢，无法进行在线分析，无法诊断大型的电力系统。模糊推理和贝叶斯网络，他们本质上其实都是概率模型，对于贝叶斯网络，它同样需要对模型进行训练，且模型训练方式复杂，得到的结果也只是一个故障概率；同时也需要保障训练样本的全面性和代表性。模糊推理中，在建立模糊集时隶属度函数选择没有统一标准，不同的隶属度函数所诊断结果也不尽相同。在电网结构变化时，需要对知识库立刻修改。因此，针对上述的缺点，各种可能的解决方案也被运用于解决这些问题，例如神经网络，可以将其与遗传算法相结合，缩短神经网络搜索最优权值和阈值的时间，提高神经网络在电网故障诊断中的计算效率；对于专家系统和模糊推理，在可以建立共享知识库，对现有的知识库进行实时的补充；同时，可以用多方法结合的方式进行电网故障诊断，对电网故障进行综合性评价和比较。

　　3未来的发展趋势

　　未来是人工智能的时代，而电力系统的可靠稳定则是未来中国发展道路上所要面临的严峻考验，电网的故障诊断则是该考验的关键环节，目前我国电网故障诊断技术还不成熟，还存在着许多的不足，许多技术还仅限于理论阶段，并没有实用以及推广。因此，未来的电网故障诊断科从以下几方面着手：

　　①多种诊断方法相结合，取长补短。

　　②提高智能算法的运行效率，让其更能高效准确地诊断故障原因及故障位置。

　　③同时可以发展电网故障预报技术，即在电网故障即将出现之前处于亚正常状态下，根据电网采集到的相关数据信息进行合理的分析并预报。调整电网电气量来防止设备的进一步损坏或者避免故障的发生。

　　④随着传感器技术的发展，在设备监测过程以及电网出现故障阶段，我们可以采集到全面的故障信息，对采集的这些信息进行融合和分析，更能有效地排查故障原因。

　　参考文献

　　[1]郝艳妮.基于信息融合技术的电网故障诊断研究[D].西南交通大学，2012.

　　[2]刘京津.基于多智能体系的故障诊断技术在智能电网中的应用[J].电子与封装，2013，13（12）：43~48.

　　[3]边莉，边晨源.电网故障诊断的智能方法综述[J].电力系统保护与控制，2014，42（3）：146~153.

　　[4]陈玉林，陈允平，孙金莉，邱君玛.电网故障诊断方法综述[J].中国电力，2006，39（5）：27~31.

　　[5]张旭，魏娟，赵冬梅，张东英，刘燕华.电网故障诊断的研究历程及展望[J].电网技术，2013，37（10）：2745~2753.