论文部分内容阅读
[摘 要]近年来，社会经济不断发展，人们的生活水平也不断提高，人们对电能的需求越来越大，电网的规模逐渐扩大。电网的供电稳定性、可靠性以及安全性受到越来越多人的重视，在电网的运行过程中经常会发生故障，影响了电网的供电质量，因此必须要采取措施对故障进行诊断，从而解决这些故障问题。本文对电网的常见故障进行了分析，并对人工智能在电网故障诊断中的应用进行了探究。
[关键词]人工智能技术；电网；故障诊断；应用
中图分类号：TP624 文献标识码：A 文章编号：1009-914X（2018）42-0156-01
引言
从上世纪50年代人工智能（AI）诞生以来，其理论和技术日益成熟，应用领域也在不断扩大，当前人工智能技术日趋成熟，人工神经网络、专家系统、各种智能算术等都取得了显著的成绩。人工智能的发展在一定程度上推动了科技的发展。将人工智能技术应用在电网的故障诊断中，能够提高诊断的准确性，实现故障的自动化诊断，对于提高电网的可靠性具有重要的意义。
1常见电网故障分析
（1）直流系统接地故障。直流系统接地故障一般多见于二次回路继电器受潮、进水，二次电缆绝缘老化或绝缘层被损坏，户外接线端子或接头处绝缘性不好等；（2）电压互感器故障。最常见的故障为电压互感器烧坏，在中性点不接地系统或小电流接地系统中，当系统发生单相接地时，未接地相电压升高，未接地相电压最高可达3倍的相电压，即线电压。电压互感器铁芯磁通密度会增大，铁芯趋于饱和。当系统单相接地时间越长，达到或超过2h时，铁芯会严重饱和，有载损失增大，此时极有可能烧坏电压互感器；（3）单相接地故障。导线断线，绝缘子被击穿，铁丝或雨雪天的风筝、飘带，树枝碰线等都是导致系统单相接地故障的原因。
2利用人工智能技术进行电网故障诊断的系统结构
电网故障诊断系统框图如图1所示，当电网发生故障时，电网中各相关元件的继电保护装置动作，切除故障点与其他邻近线路的连接，故障点附近的各个电气元件将不再带电。在故障发生后，各个元件的神经网络模块进行初步诊断，判断故障来源是内部故障或外部故障，其中外部故障分为发送端（Sending）和接收端（Receiving）故障。当故障来源于内部，各元件上的神经网络模块可以快速得到诊断结果，并迅速的找到故障元件。当电网发生复杂故障、断路器误动或是拒动而导致大范围的停电时，由各个区段进行综合诊断并将结果发送给模糊专家系统，交由模糊专家系统进行故障决策处理。采用人工智能技术能对各个元件的故障进行并行处理，提高了故障诊断速度。
3人工智能技术在电网故障诊断中应用
3.1专家系统电网故障诊断
当前，专家系统的发展比较成熟，专家系统既可以运用理论知识，也可以利用专家的专业知识和经验，做到理论与实践相结合来解决问题。在电网中专家系统在故障诊断和恢复处理方面的使用比较广泛，通过知识表达和推理为相关工作的开展提供方便。利用专家系统进行故障分析是以故障诊断为内容的专家系统的知识库形成，然后根据接收到的报警信息，对知识库内容进一步推理，以获得正确诊断故障的结果。利用专家系统进行故障诊断的方式可分为两类：一类是基于规则推理，它采用推理着相匹配的信息与知识库中的规则故障采取的故障诊断的完成演绎系统；二类是系统逆推理。推理规则基于保险丝和保护设备之间的逻辑关系创建，并且可靠性被重合的实际信息和假设故障保护之间的程度来衡量。该方法能够提高混合推理和故障诊断专家系统自学习能力的适用性。专家系统在实际的应用中还具有以下缺点，智能网络信息的变化，需要重新构建知识库，维修难度大；容错性比较低，存在着功能障碍现象，容易出现误判以及错判的情况。专家系统的诊断方法能够增强人类语言的习惯能力，这更适合于电力系统的二次诊断和小故障诊断。
3.2人工神经网络（ANN）
ANN是模拟人类神经系统传输、处理信息过程的一种人工智能技术，具有并行处理、联想记忆、非线性映射、在线学习等功能，在电网及其他领域中得到广泛应用。与专家系统相比，其优点在于采用神经元及它们之间的有向权重连接来隐含处理数据，具有强大的非线性映射和泛化能力，容错性较强，即使输入信号带有一定的噪声，仍能给出正确的故障诊断结果。利用人工神经网络进行电网故障诊断需要对神经网络进行训练学习，将特定故障对应的警报模式作为样本，建立样本库，然后用所有的样本对神经网络进行训练，从而将样本库的知识以网络的形式存储在连接权中，最后通过对神经网络输入量的计算得到相应的输出值，从而完成故障诊断。
3.3基于优化技术的电网故障诊断
以优化技术为基础的人工智能技术建立在计算机技术和计算科学不断发展的基础上，其将电网故障诊断问题等同于无约束的0至1整数规划问题，并利用全局优化算法实现求解，由于其有数学理论作支撑，所以理论性和实用性都较理想。比如，在电网故障诊断中判定故障发生元件和保护开关动作关系分析中，可在将故障诊断视为整数规划问题的基础上，利用遗传算法或进行退火算法的模拟实现求解，在求解的过程中可结合系统故障发生前后网络拓扑结构发生的变化建立故障区域数据模型，实现求解规模的有效缩小，当多解现象发生时，要构建结合二次配置特点和故障信息特征的诊断模型仿真，但在实际应用中受建立合理故障诊断模型难度较大，且存在诸多随机因素等因素的影响，目前在电网故障诊断中的应用并不广泛。
3.4基于多种方法融合的电网故障诊断
多种方法融合是建立在电网故障较为复杂的基础上，例如将神经网络和模糊邏辑方法相结合，其实际的通用性能得到明显的提升，在此基础上融合Petri网方法，使电网对不确定信息的自学处理能力得到大幅度提升。将神经算法与遗传算法和专家系统相融合，可以提升电网故障诊断的速度，而且能够明显提升其抗干扰的性能等。以多种方法融合为基础的人工智能技术在电网故障诊断中的应用是未来发展的主要方向之一。
结束语
综上所述，当前人们的用电量不断增加，电网工程也在不断壮大，但是电网在运行过程中经常会出现故障，给电网的稳定和可靠运行造成严重的影响，为了提高电网的可靠性必须要采取措施对电网故障进行准确诊断并进行处理，可以采用人工智能技术对故障进行诊断，从而采取有效措施处理故障问题，进而提高电网的运行质量，保证电网的供电质量。
参考文献
[1]李宗辉，陈林艳.人工智能在电网故障诊断中的应用[J].电气开关，2018，56（01）：87-90+93.
[2]林允.人工智能技术在电力系统故障诊断中应用[J].中国战略新兴产业，2017（36）：140-141.
[3]赵启纯.人工智能技术在电力系统故障诊断中的运用分析[J].电脑知识与技术，2017，13（02）：183-185.
[4]郭步阳.试论人工智能技术在电力系统故障诊断中的应用[J].科技创新与应用，2015（34）：206-206.
[关键词]人工智能技术；电网；故障诊断；应用
中图分类号：TP624 文献标识码：A 文章编号：1009-914X（2018）42-0156-01
引言
从上世纪50年代人工智能（AI）诞生以来，其理论和技术日益成熟，应用领域也在不断扩大，当前人工智能技术日趋成熟，人工神经网络、专家系统、各种智能算术等都取得了显著的成绩。人工智能的发展在一定程度上推动了科技的发展。将人工智能技术应用在电网的故障诊断中，能够提高诊断的准确性，实现故障的自动化诊断，对于提高电网的可靠性具有重要的意义。
1常见电网故障分析
（1）直流系统接地故障。直流系统接地故障一般多见于二次回路继电器受潮、进水，二次电缆绝缘老化或绝缘层被损坏，户外接线端子或接头处绝缘性不好等；（2）电压互感器故障。最常见的故障为电压互感器烧坏，在中性点不接地系统或小电流接地系统中，当系统发生单相接地时，未接地相电压升高，未接地相电压最高可达3倍的相电压，即线电压。电压互感器铁芯磁通密度会增大，铁芯趋于饱和。当系统单相接地时间越长，达到或超过2h时，铁芯会严重饱和，有载损失增大，此时极有可能烧坏电压互感器；（3）单相接地故障。导线断线，绝缘子被击穿，铁丝或雨雪天的风筝、飘带，树枝碰线等都是导致系统单相接地故障的原因。
2利用人工智能技术进行电网故障诊断的系统结构
电网故障诊断系统框图如图1所示，当电网发生故障时，电网中各相关元件的继电保护装置动作，切除故障点与其他邻近线路的连接，故障点附近的各个电气元件将不再带电。在故障发生后，各个元件的神经网络模块进行初步诊断，判断故障来源是内部故障或外部故障，其中外部故障分为发送端（Sending）和接收端（Receiving）故障。当故障来源于内部，各元件上的神经网络模块可以快速得到诊断结果，并迅速的找到故障元件。当电网发生复杂故障、断路器误动或是拒动而导致大范围的停电时，由各个区段进行综合诊断并将结果发送给模糊专家系统，交由模糊专家系统进行故障决策处理。采用人工智能技术能对各个元件的故障进行并行处理，提高了故障诊断速度。
3人工智能技术在电网故障诊断中应用
3.1专家系统电网故障诊断
当前，专家系统的发展比较成熟，专家系统既可以运用理论知识，也可以利用专家的专业知识和经验，做到理论与实践相结合来解决问题。在电网中专家系统在故障诊断和恢复处理方面的使用比较广泛，通过知识表达和推理为相关工作的开展提供方便。利用专家系统进行故障分析是以故障诊断为内容的专家系统的知识库形成，然后根据接收到的报警信息，对知识库内容进一步推理，以获得正确诊断故障的结果。利用专家系统进行故障诊断的方式可分为两类：一类是基于规则推理，它采用推理着相匹配的信息与知识库中的规则故障采取的故障诊断的完成演绎系统；二类是系统逆推理。推理规则基于保险丝和保护设备之间的逻辑关系创建，并且可靠性被重合的实际信息和假设故障保护之间的程度来衡量。该方法能够提高混合推理和故障诊断专家系统自学习能力的适用性。专家系统在实际的应用中还具有以下缺点，智能网络信息的变化，需要重新构建知识库，维修难度大；容错性比较低，存在着功能障碍现象，容易出现误判以及错判的情况。专家系统的诊断方法能够增强人类语言的习惯能力，这更适合于电力系统的二次诊断和小故障诊断。
3.2人工神经网络（ANN）
ANN是模拟人类神经系统传输、处理信息过程的一种人工智能技术，具有并行处理、联想记忆、非线性映射、在线学习等功能，在电网及其他领域中得到广泛应用。与专家系统相比，其优点在于采用神经元及它们之间的有向权重连接来隐含处理数据，具有强大的非线性映射和泛化能力，容错性较强，即使输入信号带有一定的噪声，仍能给出正确的故障诊断结果。利用人工神经网络进行电网故障诊断需要对神经网络进行训练学习，将特定故障对应的警报模式作为样本，建立样本库，然后用所有的样本对神经网络进行训练，从而将样本库的知识以网络的形式存储在连接权中，最后通过对神经网络输入量的计算得到相应的输出值，从而完成故障诊断。
3.3基于优化技术的电网故障诊断
以优化技术为基础的人工智能技术建立在计算机技术和计算科学不断发展的基础上，其将电网故障诊断问题等同于无约束的0至1整数规划问题，并利用全局优化算法实现求解，由于其有数学理论作支撑，所以理论性和实用性都较理想。比如，在电网故障诊断中判定故障发生元件和保护开关动作关系分析中，可在将故障诊断视为整数规划问题的基础上，利用遗传算法或进行退火算法的模拟实现求解，在求解的过程中可结合系统故障发生前后网络拓扑结构发生的变化建立故障区域数据模型，实现求解规模的有效缩小，当多解现象发生时，要构建结合二次配置特点和故障信息特征的诊断模型仿真，但在实际应用中受建立合理故障诊断模型难度较大，且存在诸多随机因素等因素的影响，目前在电网故障诊断中的应用并不广泛。
3.4基于多种方法融合的电网故障诊断
多种方法融合是建立在电网故障较为复杂的基础上，例如将神经网络和模糊邏辑方法相结合，其实际的通用性能得到明显的提升，在此基础上融合Petri网方法，使电网对不确定信息的自学处理能力得到大幅度提升。将神经算法与遗传算法和专家系统相融合，可以提升电网故障诊断的速度，而且能够明显提升其抗干扰的性能等。以多种方法融合为基础的人工智能技术在电网故障诊断中的应用是未来发展的主要方向之一。
结束语
综上所述，当前人们的用电量不断增加，电网工程也在不断壮大，但是电网在运行过程中经常会出现故障，给电网的稳定和可靠运行造成严重的影响，为了提高电网的可靠性必须要采取措施对电网故障进行准确诊断并进行处理，可以采用人工智能技术对故障进行诊断，从而采取有效措施处理故障问题，进而提高电网的运行质量，保证电网的供电质量。
参考文献
[1]李宗辉，陈林艳.人工智能在电网故障诊断中的应用[J].电气开关，2018，56（01）：87-90+93.
[2]林允.人工智能技术在电力系统故障诊断中应用[J].中国战略新兴产业，2017（36）：140-141.
[3]赵启纯.人工智能技术在电力系统故障诊断中的运用分析[J].电脑知识与技术，2017，13（02）：183-185.
[4]郭步阳.试论人工智能技术在电力系统故障诊断中的应用[J].科技创新与应用，2015（34）：206-206.