人工智能AI在電力系統(tǒng)中的應(yīng)用解讀

1、人工智能（Al）在電力系統(tǒng)中的應(yīng)用 研究 方向 學(xué)生 姓名 任課教師姓名 任課教師職稱 2013年6月22日 人工智能（Al）在電力系統(tǒng)中的應(yīng)用 摘要 人工智能（Artificial簡稱AI）己在電力系統(tǒng)的應(yīng)用中獲得了健康的發(fā) 展，世戦雪腮鮒技術(shù)如專家系統(tǒng)實用化的同時，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行復(fù)雜性的增加統(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，人工智能在電力系 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)鍵詞：人工智能專

2、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)外己 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)的運行與控制 電力系統(tǒng)中分布著大量的自動控制和手動控制裝置，如繼電器、斷路器、隔離開關(guān)等，由這些相對簡單 的局部控制的協(xié)同作用構(gòu)成整個電力系統(tǒng)復(fù)雜的實時控制。 保護(hù)實時控制有兩種形式，即離散和連續(xù)控制

3、，繼電保護(hù)是一種普遍的離散控制分布于系統(tǒng)的各個環(huán)節(jié)中, 對系統(tǒng)狀態(tài)、正?；蚴鹿实呐袛?，即狀態(tài)評估是實現(xiàn)保護(hù)動作的關(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)評估的重要工具基于規(guī)則的 文獻(xiàn)3提出一種 拓?fù)湔`差檢測算法，效地運用了操作員的經(jīng)驗知識，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)分析具有更好的實時性正確的保護(hù)設(shè)置依 10 賴于設(shè)備運行對系統(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)計中存在著大量的模糊知 識與方法。 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)

4、荷以避免范圍的供電中斷。這時，通過對負(fù)荷 需求和系統(tǒng)行為的分析和啟發(fā)式知識來控制繼電器及時動作，問題用故如果將故障后系統(tǒng)的暫態(tài)穩(wěn)定 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)性和實用性，對輸入特征量的選取和獲得足以描述函數(shù)映射的樣木，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，重要的實時連續(xù)控制系統(tǒng)，對 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)組的投入和快速勵磁系統(tǒng)的應(yīng)用

5、，系統(tǒng)的動態(tài)穩(wěn)定性問題愈來愈突岀，如將模糊集理 論用于勵磁控制系統(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控制信號由EMS傳給各元件，整個過程要做到同步進(jìn)行，這要求EMS具有對大量信 息的實時處理能力，并且能在正常和事故情況下及時、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)外己開發(fā)出多種 基于專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的診斷策略。 自動發(fā)電控制(AGC)是互聯(lián)電力系統(tǒng)運行中的集中化實時計算機(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

6、統(tǒng)之間的能源交換，實現(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)行可控信號的模式識別只對長期擾動響應(yīng)，有效地提高了AGC控制質(zhì)量。 安全評價電力系統(tǒng)中經(jīng)?？赡艹霈F(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，對電力系統(tǒng)在干擾或事故 下的承受能力的評判，即安全評價是十分必要的。神經(jīng)網(wǎng)絡(luò)作為安全評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)定性和動態(tài)穩(wěn)定性分析安全評價領(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)想事故的篩選是個難

7、點，往往需依賴運行人 員的經(jīng)驗，AI作為預(yù)想事故篩選工具具有廣闊的前景，如基于規(guī)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)合運行人員的經(jīng)驗，又有篩選速度快的 優(yōu)點。 恢復(fù)故障后的系統(tǒng)恢復(fù)是個有次序的協(xié)調(diào)過程，即在最短時間內(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)順序可能會引起新的事故。 正確的恢復(fù)動作關(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

8、在內(nèi)的各種因素和實際負(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)計分析方法之外，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)適合解決時間序列 預(yù)報，尤其是平穩(wěn)過渡過程預(yù)報，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和推理方法求解復(fù)雜實際問題的一種人工智能計 算機(jī)程序。一般包括知識庫、數(shù)據(jù)庫、推理機(jī)、接口及知識庫管理系統(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、魯棒性、容 錯性和

9、推廣能力等特點在故障檢測和診斷領(lǐng)域受到廣泛重視。 2. 3模式識別診斷 模式識別診斷是將系統(tǒng)的工作流程經(jīng)過仿真和分析，加上人的經(jīng)驗，建成各種故障模式， 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 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 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及故障診斷

10、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)驗和知識的計算機(jī)程序，并能像人類專家那樣運用 這些知識，通過推理作出決策。一個典型的專家系統(tǒng)由4部分組成：知識庫、推理機(jī)、知識 獲取機(jī)制和人機(jī)界面。專家系統(tǒng)己成為在電力系統(tǒng)中應(yīng)用最為成熟的人工智能技術(shù)。國內(nèi) 外己發(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)測與故障診斷己成為ES在電力系統(tǒng)最重要的應(yīng)用領(lǐng)域。 據(jù)存儲知識的不同方式，可將專家系統(tǒng)分為不同形式，即基于淺知識（經(jīng)驗知識）、 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)?；谀Ｐ偷闹R表示方式

11、 適合于實時處理，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)、斷路器的動作邏輯以及運行人員的診斷經(jīng)驗用規(guī)則表示出來，形成故障診斷專家 系統(tǒng)的知識庫，進(jìn)而根據(jù)報警信息對知識庫進(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) 的特點所決定的。輸電網(wǎng)絡(luò)中保護(hù)的動作邏輯一級保護(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 確保診斷系統(tǒng)的實時性和有效性；能夠在一定程度

12、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，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的表述和存儲，在輸電網(wǎng)絡(luò) 報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)能夠有效地模擬故障診斷專家完成故障診斷的過 程，但是在實際應(yīng)用中仍存在一定缺陷，其主要問題是 知識獲取的瓶頸問題、知識難以維護(hù)，以及不能有效地解決故障診斷中許多不確定因 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，己迅

13、速發(fā)展成為與專家系統(tǒng)并列的人工智能技術(shù)的另一個重要分支。 他以其諸多優(yōu)點，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，而且己顯示出巨大的潛力，并為智能故障診斷的研究開辟了 一條新途徑。 應(yīng)用ANN技術(shù)實現(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，使獲取的知識隱式分布在整個網(wǎng)絡(luò)上，并實 ANN的模式記憶。因此ANN具有強(qiáng)大的知識獲取能力，并能有效地處理含噪聲數(shù)據(jù) 彌補了 ES方法的不足。采用多個人工神經(jīng)元網(wǎng)絡(luò)實現(xiàn)故障診斷，每個ANN負(fù)責(zé)系統(tǒng)中 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，

14、被廣泛地應(yīng)用于 電力系統(tǒng)的實時控制、監(jiān)測與診斷、短期和長期負(fù)荷預(yù)測、狀態(tài)評估等諸多領(lǐng)域而基于 神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測技術(shù)己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（Fuzzy Sets Theory） 在故障診斷中，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

15、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數(shù)字 串尋優(yōu)SA在己知解的鄰近區(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)制的搜索算法對優(yōu)化設(shè)計 的要求較少對目標(biāo)函數(shù)既不要求可微又不要求連續(xù)僅要求問題是可計算的且其搜索始 終遍及整個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 實用價值目前應(yīng)用啟發(fā)式搜索仍

16、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)解不及時停止則會導(dǎo)致過度計算而并不 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分支，是伴隨著并行分布式計算的發(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（M

17、ulti-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用多代理技術(shù)對神經(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)點故障分類精度高尤其在多故障同時性 的診斷中較BP網(wǎng)絡(luò)有更好的模式識別能力 R牡彳五 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

18、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)運行。 參考文獻(xiàn) 張梓奇、蘇健祥, 2、 BRoberts on, of n etworks 人工智能技術(shù)在電力系統(tǒng)中的應(yīng)用探討，科技資訊, G Romero, J Sin gh Tods and Hear is tic op eratio n 2007 3、李若明、談綺倩、金廣厚，電力系統(tǒng)智能控制，農(nóng)網(wǎng)自動化，2005 ,1996 4、 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 5、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 appi icati on M. 1993 IEEE PI CAC. 讀書的好處 lx行萬里路，讀萬卷書 2、書山有路勤為徑，學(xué)海無涯苦作舟。 3、讀書破萬卷，下筆如有神。 4、我所學(xué)到的任何有價值的知識都是由自學(xué)中得來的一一達(dá)爾文 5、少壯不努力，老大徒悲傷 6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲。顏真卿 7、寶劍鋒從磨礪出，梅花香