人工智能AI在電力系統(tǒng)中的應(yīng)用解讀

1、人工智能（AI）在電力系統(tǒng)中的應(yīng)用學(xué)院專業(yè)研究方向?qū)W生姓名學(xué)號(hào)任課教師姓名任課教師職稱2013 年 6 月 22 日人工智能（AI）在電力系統(tǒng)中的應(yīng)用摘要人工智能（ArtficialIntelligence,簡稱AI）已在電力系統(tǒng)的應(yīng)用中獲得了健康的發(fā)展，在較為成熟的技術(shù)如專家系統(tǒng)實(shí)用化的同時(shí)，進(jìn)行多種智能技術(shù)的研究和探索。隨著我國電力建設(shè)和電力市場競爭機(jī)制的引入不確定性因素和運(yùn)行復(fù)雜性的增加，人工智能在電力系統(tǒng)中的應(yīng)用前景將更加廣闊。分析了適于人工智能應(yīng)用的電力系統(tǒng)問題、概括介紹了其中幾種應(yīng)用廣泛的人工智能技術(shù)以及電力系統(tǒng)中的智能故障診斷最后指出人工智能在電力系統(tǒng)中的應(yīng)用發(fā)展趨勢和應(yīng)用前景關(guān)

2、鍵詞：人工智能專家系統(tǒng)電力系統(tǒng)應(yīng)用引言電力系統(tǒng)是由發(fā)電設(shè)備、變壓器、輸配電線路和用電設(shè)備等很多單元組成的復(fù)雜的非線性動(dòng)態(tài)系統(tǒng)。人工智能技術(shù)被廣泛地應(yīng)用于求解非線性問題，較之于傳統(tǒng)方法有著不可替代的優(yōu)勢。目前國內(nèi)外已開發(fā)了多種人工智能工具，包括專家系統(tǒng)（ES）、人工神經(jīng)網(wǎng)絡(luò)（ANN）模糊集（FS）和啟發(fā)式搜索（HS）等開拓了其在電力系統(tǒng)中各個(gè)領(lǐng)域的應(yīng)用。1、人工智能在電力系統(tǒng)中的應(yīng)用領(lǐng)域1.1電力系統(tǒng)的運(yùn)行與控制電力系統(tǒng)中分布著大量的自動(dòng)控制和手動(dòng)控制裝置，如繼電器、斷路器、隔離開關(guān)等，由這些相對(duì)簡單的局部控制的協(xié)同作用構(gòu)成整個(gè)電力系統(tǒng)復(fù)雜的實(shí)時(shí)控制。保護(hù)實(shí)時(shí)控制有兩種形式，即離散和連續(xù)控制，繼

3、電保護(hù)是一種普遍的離散控制分布于系統(tǒng)的各個(gè)環(huán)節(jié)中，對(duì)系統(tǒng)狀態(tài)、正常或事故的判斷，即狀態(tài)評(píng)估是實(shí)現(xiàn)保護(hù)動(dòng)作的關(guān)鍵。由于AI具有邏輯思維和快速處理能力它已成為在線狀態(tài)評(píng)估的重要工具文獻(xiàn)3提出一種基于規(guī)則的拓?fù)湔`差檢測算法，效地運(yùn)用了操作員的經(jīng)驗(yàn)知識(shí)，傅立葉變換和卡爾曼濾波技術(shù)相比，用神經(jīng)網(wǎng)絡(luò)進(jìn)行電流電壓波形的特征參數(shù)分析具有更好的實(shí)時(shí)性正確的保護(hù)設(shè)置依賴于設(shè)備運(yùn)行對(duì)系統(tǒng)影響的整體性分析，不開人類的啟發(fā)和邏輯判斷，繼電保護(hù)設(shè)計(jì)中存在著大量的模糊知識(shí)與方法。切負(fù)荷是另一種離散控制統(tǒng)元件的突然丟失，發(fā)電機(jī)因故障突然停機(jī)會(huì)造成系統(tǒng)容量的急劇變化，負(fù)荷超出系統(tǒng)供應(yīng)容量，必須降低負(fù)荷以避免范圍的供電中斷。這時(shí)

4、，通過對(duì)負(fù)荷需求和系統(tǒng)行為的分析和啟發(fā)式知識(shí)來控制繼電器及時(shí)動(dòng)作，如果將故障后系統(tǒng)的暫態(tài)穩(wěn)定問題用故障后系統(tǒng)微分方程的解來描述，則故障與暫態(tài)穩(wěn)定之間存在著某種數(shù)學(xué)映射，ANN具有對(duì)函數(shù)映射逼近功能和并行處理能力。因而用ANN進(jìn)行電力系統(tǒng)的切負(fù)荷控制有著良好的適應(yīng)性和實(shí)用性，對(duì)輸入特征量的選取和獲得足以描述函數(shù)映射的樣本，是用神經(jīng)網(wǎng)絡(luò)進(jìn)行切負(fù)荷控制的關(guān)鍵問題。勵(lì)磁控制是控制發(fā)電機(jī)端電壓和無功功率的重要組成部分，重要的實(shí)時(shí)連續(xù)控制系統(tǒng)，對(duì)維持電力系統(tǒng)穩(wěn)定性起主要作用，完成該功能的部分又稱為電力系統(tǒng)穩(wěn)定器（PPS）。于大容量機(jī)組的投入和快速勵(lì)磁系統(tǒng)的應(yīng)用，系統(tǒng)的動(dòng)態(tài)穩(wěn)定性問題愈來愈突出，如將模糊集理

5、論用于勵(lì)磁控制系統(tǒng)較傳統(tǒng)基于線。1.2電力系統(tǒng)的管理和規(guī)劃能源管理系統(tǒng)（EMS）在現(xiàn)代電力系統(tǒng)中的作用越來越突出，全系統(tǒng)的數(shù)據(jù)通過SCADA傳給EMS控制信號(hào)由EMS傳給各元件，整個(gè)過程要做到同步進(jìn)行，這要求EMS具有對(duì)大量信息的實(shí)時(shí)處理能力，并且能在正常和事故情況下及時(shí)、正確地作出控制決策，監(jiān)測與診斷是EMS的重要功能，AI在狀態(tài)監(jiān)測與故障診斷領(lǐng)域發(fā)揮著重要的作用， 國內(nèi)外已開發(fā)出多種基于專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的診斷策略。自動(dòng)發(fā)電控制（AGC）是互聯(lián)電力系統(tǒng)運(yùn)行中的集中化實(shí)時(shí)計(jì)算機(jī)控制功能保持系統(tǒng)出力和系統(tǒng)負(fù)荷相匹配，通過控制互聯(lián)系統(tǒng)之間的能源交換，實(shí)現(xiàn)機(jī)組電廠間的負(fù)荷經(jīng)濟(jì)分配。由于工業(yè)負(fù)荷的高

6、度變化性，采用常規(guī)的控制方法存在較大的局限，如采用Kohonen自組織神經(jīng)網(wǎng)絡(luò)進(jìn)行可控信號(hào)的模式識(shí)別只對(duì)長期擾動(dòng)響應(yīng)，有效地提高了AGC控制質(zhì)量。安全評(píng)價(jià)電力系統(tǒng)中經(jīng)常可能出現(xiàn)的各種干擾和事故，如設(shè)備的損壞、自然現(xiàn)象的影響、人為的失誤和破壞等，其中很多原因是無法預(yù)測和控制的。因此，對(duì)電力系統(tǒng)在干擾或事故下的承受能力的評(píng)判，即安全評(píng)價(jià)是十分必要的。神經(jīng)網(wǎng)絡(luò)作為安全評(píng)估的重要手段獲得了很大發(fā)展，應(yīng)用于系統(tǒng)的靜態(tài)穩(wěn)定性和動(dòng)態(tài)穩(wěn)定性分析安全評(píng)價(jià)領(lǐng)域普遍采用的方法是仿真，即模擬預(yù)想事故下系統(tǒng)的靜態(tài)和暫態(tài)響應(yīng)預(yù)想事故的篩選是個(gè)難點(diǎn)，往往需依賴運(yùn)行人員的經(jīng)驗(yàn)，AI作為預(yù)想事故篩選工具具有廣闊的前景，如基于規(guī)

7、則的專家系統(tǒng)和Kohonen自組織神經(jīng)網(wǎng)絡(luò)應(yīng)用于預(yù)想事故的篩選，既可有效結(jié)合運(yùn)行人員的經(jīng)驗(yàn)，又有篩選速度快的優(yōu)點(diǎn)。恢復(fù)故障后的系統(tǒng)恢復(fù)是個(gè)有次序的協(xié)調(diào)過程，即在最短時(shí)間內(nèi)將斷開的系統(tǒng)重新配置，平穩(wěn)地恢復(fù)供電，不恰當(dāng)?shù)幕謴?fù)順序可能會(huì)引起新的事故。正確的恢復(fù)動(dòng)作關(guān)鍵在于恢復(fù)次序的選擇，應(yīng)用啟發(fā)式搜索則可以有效地減少搜索空間，智能化的恢復(fù)技術(shù)是電力系統(tǒng)中的重要研究方向之一，如綜合智能式恢復(fù)專家系統(tǒng)結(jié)合了啟發(fā)式搜索、遺傳算法和模糊集理論，作了有益的探索。負(fù)荷預(yù)測是電力規(guī)劃的重要內(nèi)容和基礎(chǔ)，由于包括天氣變量在內(nèi)的各種因素和實(shí)際負(fù)荷之間存在非常復(fù)雜的非線性關(guān)系，負(fù)荷預(yù)測具有很大的難度，在傳統(tǒng)統(tǒng)計(jì)分析方法之

8、外，逐漸興起了人工智能的預(yù)測技術(shù)主要是專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)由于神經(jīng)網(wǎng)絡(luò)適合解決時(shí)間序列預(yù)報(bào)，尤其是平穩(wěn)過渡過程預(yù)報(bào)，問題一經(jīng)引入電力系統(tǒng)，負(fù)荷預(yù)測便成為其應(yīng)用的一個(gè)主要領(lǐng)域。2、電力系統(tǒng)中的智能故障診斷2.1專家系統(tǒng)診斷專家系統(tǒng)是應(yīng)用大量人類專家的知識(shí)和推理方法求解復(fù)雜實(shí)際問題的一種人工智能計(jì)算機(jī)程序。一般包括知識(shí)庫、數(shù)據(jù)庫、推理機(jī)、接口及知識(shí)庫管理系統(tǒng)、解釋系統(tǒng)等。2.2人工神經(jīng)網(wǎng)絡(luò)診斷人工神經(jīng)網(wǎng)絡(luò)以其大規(guī)模并行處理能力，適應(yīng)學(xué)習(xí)能力、分布式信息存儲(chǔ)、魯棒性、容錯(cuò)性和推廣能力等特點(diǎn)在故障檢測和診斷領(lǐng)域受到廣泛重視。2.3模式識(shí)別診斷模式識(shí)別診斷是將系統(tǒng)的工彳流程經(jīng)過仿真和分析，加上人的經(jīng)驗(yàn)，建

9、成各種故障模式，并根據(jù)測量信息，確定系統(tǒng)屬于哪種模式，從而檢測和分離故障。2.4故障樹分析法為頂層事件，向下逐層查出導(dǎo)致該事件發(fā)生的全部原因，以一種特殊的倒立樹狀邏輯因果關(guān)系圖即故障樹）,表示事件的邏輯關(guān)系，并進(jìn)行定性、定量的安全性和可靠性分析。2.5模糊診斷模糊概念是內(nèi)涵確定而外延不確定的概念，如：/電壓過大0,/電機(jī)過熱0等。正是由于這些模糊知識(shí)及故障診斷3、主要的應(yīng)用方法3.1專家系統(tǒng)（ES）的應(yīng)用專家系統(tǒng)是在某一領(lǐng)域內(nèi)具有專家經(jīng)驗(yàn)和知識(shí)的計(jì)算機(jī)程序，并能像人類專家那樣運(yùn)用這些知識(shí)，通過推理作出決策。一個(gè)典型的專家系統(tǒng)由4部分組成：知識(shí)庫、推理機(jī)、知識(shí)獲取機(jī)制和人機(jī)界面。專家系統(tǒng)已成為在

10、電力系統(tǒng)中應(yīng)用最為成熟的人工智能技術(shù)。國內(nèi)外已發(fā)展了多種專家系統(tǒng)，應(yīng)用于電力系統(tǒng)的不同領(lǐng)域：監(jiān)測與診斷、電網(wǎng)調(diào)度、預(yù)想事故篩選、系統(tǒng)恢復(fù)。尤其是監(jiān)測與故障診斷已成為ES在電力系統(tǒng)最重要的應(yīng)用領(lǐng)域。根據(jù)存儲(chǔ)知識(shí)的不同方式，可將專家系統(tǒng)分為不同形式，即基于淺知識(shí)（經(jīng)驗(yàn)知識(shí)）、規(guī)則、決策樹、模型等專家系統(tǒng)，以及面向?qū)ο蟮膶＜蚁到y(tǒng)。基于模型的知識(shí)表示方式適合于實(shí)時(shí)處理，與其他方法如基于規(guī)則（假設(shè)）或啟發(fā)的推理方式相比更快速、簡單和易于維護(hù)。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)

11、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?；诋a(chǎn)生式規(guī)則的故障診斷專家系統(tǒng)得以廣泛應(yīng)用主要是由故障診斷和基于產(chǎn)生式規(guī)則的專家系統(tǒng)的特點(diǎn)所決定的。輸電網(wǎng)絡(luò)中保護(hù)的動(dòng)作邏輯一級(jí)保護(hù)與斷路器之間的關(guān)系易于用直觀的、模塊化的規(guī)則表示出來；基于產(chǎn)生式規(guī)則的專家系統(tǒng)允許增加、刪除或修改一些規(guī)則，以確保診斷系統(tǒng)的實(shí)時(shí)性和有效性；能夠在一定程度上解決不確定性問題；能夠給出符合人類語言習(xí)慣的結(jié)論并具有相應(yīng)的解釋能力等。此外，框架法專家系統(tǒng)善于表達(dá)具有分類結(jié)構(gòu)的知識(shí)，能夠比較清楚地表達(dá)事物之間的相關(guān)性，可以簡化繼承性知識(shí)的表述和存儲(chǔ)，在輸電網(wǎng)絡(luò)報(bào)警信息處理和故障診斷中也有少量應(yīng)用。雖然專家系統(tǒng)能夠有效地模擬故

12、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，其主要問題是故障樹分析法是一種自上而下逐層展開的演繹分析法。他以系統(tǒng)或設(shè)備最不發(fā)生的故障知識(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。3.2人工神經(jīng)網(wǎng)絡(luò)(ANN)的應(yīng)用人工神經(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)的另一個(gè)重要分支。他以其諸多優(yōu)點(diǎn)，如并行分布處理、自適應(yīng)、聯(lián)想記憶等，在智能故障診斷中受到越來越廣泛的重視，而且已顯示出巨大的潛力，并為智能故障診斷的研究開辟了一條

13、新途徑。應(yīng)用ANN技術(shù)實(shí)現(xiàn)故障診斷不同于ES診斷方法。ANN方法通過現(xiàn)場大量的標(biāo)準(zhǔn)樣本學(xué)習(xí)與訓(xùn)練，不斷調(diào)ANN中的連接權(quán)和閾值，使獲取的知識(shí)隱式分布在整個(gè)網(wǎng)絡(luò)上，并實(shí)ANN的模式記憶。因此ANN具有強(qiáng)大的知識(shí)獲取能力，并能有效地處理含噪聲數(shù)據(jù)，彌補(bǔ)了ES方法的不足。采用多個(gè)人工神經(jīng)元網(wǎng)絡(luò)實(shí)現(xiàn)故障診斷，每個(gè)ANN負(fù)責(zé)系統(tǒng)中一部分的診斷。由于神經(jīng)網(wǎng)絡(luò)的快速并行處理能力和良好的分類能力，被廣泛地應(yīng)用于電力系統(tǒng)的實(shí)時(shí)控制、監(jiān)測與診斷、短期和長期負(fù)荷預(yù)測、狀態(tài)評(píng)估等諸多領(lǐng)域，而基于神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測技術(shù)已成為人工智能在電力系統(tǒng)最為成功的應(yīng)用之一。3.3模糊集理論(FuzzySetsTheory)在故障診

14、斷中， 故障與征兆之間的關(guān)系往往是模糊的， 這種模糊性即來自故障與征兆之間關(guān)系的不確定性，又來自故障與征兆在概念描述上的不精確性，因而診斷結(jié)果也必然是模糊的，解決模糊診斷問題的傳統(tǒng)方法一般根據(jù)專家經(jīng)驗(yàn)在故障征兆空間與故障原因空間之間建立模糊關(guān)系矩陣。常用的方法是將各條模糊推理規(guī)則產(chǎn)生的3.4啟發(fā)式搜索遺傳算法(GA)和模擬退火(SA)算法是近年來逐漸興起的兩種啟發(fā)式搜索通過隨機(jī)產(chǎn)生新的解并保留其中較好的結(jié)果并避免陷入局部最小以求得全局最優(yōu)解或近似最優(yōu)解GA是由數(shù)字串的集合表示優(yōu)化問題的解通過遺傳算子即選擇雜交和變異的操作對(duì)數(shù)字串尋優(yōu)SA在已知解的鄰近區(qū)域產(chǎn)生新的解并逐漸縮小鄰近區(qū)域的大小直到逼

15、近全局的最優(yōu)解兩種方法都可以用來求解任意目標(biāo)函數(shù)和約束的最優(yōu)化問題在能源工程經(jīng)濟(jì)電力等領(lǐng)域都取得了令人滿意的結(jié)果遺傳算法是基于自然選擇和遺傳機(jī)制的搜索算法對(duì)優(yōu)化設(shè)計(jì)的要求較少對(duì)目標(biāo)函數(shù)既不要求可微又不要求連續(xù)僅要求問題是可計(jì)算的且其搜索始終遍及整個(gè)解空間可有效避免常規(guī)數(shù)學(xué)方法的組合爆炸問題和局部最小解具有很強(qiáng)的實(shí)用價(jià)值目前應(yīng)用啟發(fā)式搜索仍有很多待解決的問題如搜尋終止標(biāo)準(zhǔn)的選擇終止過快易偏離最優(yōu)解不及時(shí)停止則會(huì)導(dǎo)致過度計(jì)算而并不能提高解的質(zhì)量GA中遺傳因子和SA中冷卻速率的選擇是影響算法性能的關(guān)鍵因素。必須適當(dāng)調(diào)整，否則可能得到局部最優(yōu)解4、AI 在電力系統(tǒng)中的發(fā)展趨勢混合智能目前人工智能中的4

16、種主要工具專家系統(tǒng)ANN模糊集理論和啟發(fā)式搜索各有優(yōu)點(diǎn)和局限缺少一種普遍有效的方法應(yīng)用于電力系統(tǒng)的各個(gè)領(lǐng)域混合智能即綜合多種智能技術(shù)成為AI的重要發(fā)展方向之一。分布式人工智能DAI技術(shù)是80年代發(fā)展起來的人工智能研究的一個(gè)分支，是伴隨著并行分布式計(jì)算的發(fā)展而產(chǎn)生的包括分布式問題求解（DPS）并行人工智能（PAI）多代理（Multi-agent）等內(nèi)容DAI在電力系統(tǒng)中的應(yīng)用目前主要集中于運(yùn)用多代理技術(shù)對(duì)神經(jīng)網(wǎng)絡(luò)本身結(jié)構(gòu)和算法的改進(jìn)也是A在發(fā)展中的重要任務(wù)近年來橢球單元神經(jīng)網(wǎng)絡(luò)的提出為故障診斷領(lǐng)域開拓了新的方向與經(jīng)典BP網(wǎng)絡(luò)相比橢球單元網(wǎng)絡(luò)具有泛化有界拒絕性能好等優(yōu)點(diǎn)故障分類精度高尤其在多故障同

17、時(shí)性的診斷中較BP網(wǎng)絡(luò)有更好的模式識(shí)別能力5、結(jié)語人工智能技術(shù)在電力系統(tǒng)的應(yīng)用中已經(jīng)獲得了良好的發(fā)展。然而在我國，人工智能技術(shù)在電力系統(tǒng)中的應(yīng)用研究才剛剛開始。隨著我國電力系統(tǒng)的持續(xù)發(fā)展，電力系統(tǒng)數(shù)據(jù)總量的不斷增加，管理上復(fù)雜程度的大幅度增長，以及市場競爭的影響和加大，為人工智能技術(shù)在電力系統(tǒng)的應(yīng)用提供了廣闊前景?？梢灶A(yù)見，加強(qiáng)智能科學(xué)在電網(wǎng)中的科研和應(yīng)用，將能更好的保證電網(wǎng)安全穩(wěn)定經(jīng)濟(jì)運(yùn)行。參考文獻(xiàn)1、張梓奇、蘇健祥，人工智能技術(shù)在電力系統(tǒng)中的應(yīng)用探討，科技資訊，20073.5BRobertson,GRomero,JSingh.TodsandHearisticoperationofnetwo

18、rksapplicationM.1993IEEEPICAC.3、李若明、談綺倩、金廣厚，電力系統(tǒng)智能控制，農(nóng)網(wǎng)自動(dòng)化，20054、朱永利，專家系統(tǒng)在電力系統(tǒng)中的應(yīng)用現(xiàn)狀及潛在應(yīng)用領(lǐng)域分析，電力情報(bào)，19965、徐志國，人工智能（AI）在電力系統(tǒng)中的應(yīng)用，現(xiàn)代電子技術(shù)，2006讀書的好處1 1、行萬里路，讀萬卷書。2 2、書山有路勤為徑，學(xué)海無涯苦作舟。3 3、讀書破萬卷，下筆如有神。4 4、我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來的。一一達(dá)爾文5 5、少壯不努力，老大徒悲傷。6 6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲。一一顏真卿7 7、寶劍鋒從磨礪出，梅花香自苦寒來。8 8、讀書要三到：心到、眼到、口到9 9、玉