摘要：在电力系统故障诊断方面，我国已经开展不少研究和调查的工作，传统的FD-PS研究主要是建立被诊断系统网络拓扑结构模型的基础上，按照所发生的故障，系统结构、参数变化，造成的系统潮流变化，按照潮流计算变化，对故障问题进行判断。但是潮流结构和分析处理耗时量相对较大，严重的影响到诊断速度、快速故障的恢复处理，除此之外，正常运行中的某些线路潮流值较小，接近于0，所以应用潮流判断故障，也不能有效确保诊断结果准确性。所以，电力系统的故障诊断就用于传统数学方法，系统规模和复杂程度、不确定性因素等限制，使得系统故障的诊断不能有效达到理想效果。本文主要基于作者实际工作经验，简要的探讨电力系统故障诊断中的人工智能技术应用，以供借鉴。
关键词：人工智能技术；电力系统；故障诊断
1 电力系统的故障产生原因
1.1自然损坏
在日常生活中，我们经常会面临各种恶劣天气，而这一部分天气会对电力系统产生直接的破坏，特别是遇到雷击或者是大雪天气，自然破坏力带来的影响是不可预测的。所以，需要增大对电力系统的研究，这样才可以帮助电力系统提升其对自然灾害的抵抗能力。
1.2接地放电
第一，在一些影响因素的作用下，很容易让电缆出现短路问题，再加上主线电流的释放，导致电缆出现故障；第二，振动破裂，很多时候电缆所在区域地面需要被大范围扩建，而导致电缆出现频繁振动等问题，让电缆外皮遭到破坏，进而引发电缆运行故障；第三，超负荷运行，受其他一些因素的影响，供电紧张因素加剧，这也致使电缆始终处于超负荷运行状态，加剧了电缆老化问题，引发更加严重的电网运行故障；第四，接地电阻的影响，在接地电阻阻值确定上，可以为电缆故障解决提供参考，但具体的电阻参数测量与当地土壤情况息息相关，而且与接地电阻相接处的土壤并不会保持一个完全均匀的状态，让整个电阻参数测量存在一些误差，对电缆故障定位工作产生了影响。
1.3技术应用不够广泛
在现阶段，因为故障自动定位以及隔离技术在配电网中应用还不够广泛，缺乏必要的普及度，难以充分发挥相关技术的优势。虽然大多数供电企业是非常认可故障自动定位以及隔离技术，但是电力系统实际运行过程中，受到人员问题和技术问题等因素影响，很多区域无法对故障定位以及隔离技术实现全面应用，导致实际维修效率依旧非常低下，花费大量维修时间，导致长时间停电，影响供用电的稳定与安全。在技术缺乏有效支持下，很难全面做好线路故障运维工作，对企业效益增长和正常运营非常不利。
2 以推理为基础的人工智能技术在电力系统故障诊断中的应用分析
以推理为基础的人工智能技术，主要是模拟人的思维过程，强调以故障信息为基础，结合现有的规则，对造成故障的原因进行逻辑推理的分析，经过人为诊断行为模拟和计算机实现诊断，这就是显型推理，比如说：专家系统，而利用数字化、抽象化等逻辑思维完成故障诊断的称之为隐型推理，如人工神经网络、Petri网等。
专家系统则是经过对相关领域专家决策过程的模拟，利用知识、经验实现推理判断，有效的完成复杂问题的正确决策，将保护和断路器的专业知识和长时间积累的实践经验用规则的形式表示并形成专家系统知识库，当电力系统发生故障时，将故障信息引入数据库并结合数据库的逻辑性获得故障原因，这是专家系统在电力系统故障诊断中应用的具体表现，而正向启发式专家系统推理和正反混合推理都可以在实际应用中使用，但考虑到其虽对故障的解释性较强，由于建设知识和经验完备的专家知识库的难度较大，在诊断的过程中误判、漏判的可能性不容忽视，所以现阶段应用范围只限定在中小型的电力系统故障诊断中。
人工神经网络是对人类神经系统的信息传输和处理等过程的模拟，在通过一般电力系统故障所特有的警示标志来于知识库进行对比，从而准确判定出故障问题出现的真正原因，再进行合理的处理修复。这样的诊断方法简便快捷，而且可以大大地解决人力、物力、财力方面的资源消耗比较大的问题，也正因如此，这样的诊断模式在电力系统故障诊断领域的应用相当广泛，只不过这种诊断系统也存在着一些弊端，那就是在诊断工作中实际算法收敛速度和具体解释能力等方面还有很大的缺陷。
期刊文章分类查询,尽在期刊图书馆
Petri网利用网络表示电力系统各元件之间同时、次序或循环发生的关系，其可对故障发生时的静态和动态关系进行描述，特别是继电保护装置对故障的反应和切除行为的描述获取故障诊断结果，而且将概率理论应用于Petri网对其对不确定因素的处理缺陷有明显的弥补作用，但实际电力系统故障诊断中受其对大量先验知识的依赖性较强的影响，状态空间爆炸的可能性较大，而且容错能力较不理想，对错误的报警信息的识别能力和对多重性装置与保护装置的动作时间差别等处理难度较大，相关研究仍处于探索阶段等因素的影响，其应用范围并不广泛，通常情况下需要结合其他人工智能技术使用。
3 以优化技术为基础的人工智能技术在电力系统故障诊断中的应用分析
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，其将电力系统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，例如，在电力系统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新诊断模型仿真，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，目前在电力系统故障诊断中的应用并不广泛。
4 以不确定性理论为基础的人工智能技术在电力系统故障诊断中的应用分析
不确定理论引入主要是建立在故障信息收到诸多因素的影响，自身经过带有不确定性色彩的基础上，现阶段就以基础人工智能技术，比如说：模糊理论、概率理论、粗糙集理论等。
人工智能诊断方法则是把以往发生过的问题和毛病，统一进行合并处理，然后将这些出现过的数据存入这个人工智能系统中，再通过这套系统来诊断，这样的诊断方式存在很多的漏洞。基于这种现象的发生，采用新兴的科学技术，将模糊理论应用到诊断系统中来，模糊理论不同于以往的技术理论，这套理论系统会处理一些突发的紧急的状况，不像以往的系统一样只能处理一些以前发生过的问题，这套系统会灵活诊断出一些新出现的问题和漏洞。模糊理论系统相比较与人工智能系统，能更好地灵活诊断，这套新兴的系统会根据人脑的判断来处理信息，同样也会存在一些漏洞，任何系统的完美程度都是比不上人脑系统的，模糊理论不具备自主思考的能力。
结束语
总而言之，在人工智能技术不断发展下，现代化电力系统中有着重要作用，在电力系统的日常生产运行各阶段，专家系统、人工神经网络、模糊理论、遗传等人工智能技术已经广泛运用到生产控制、监督管理、故障检测等电力作业当中。现代电网系统当中的智能检测系统主要是指依托人工智能为专业的理论知识依据，以及相关的技术手段，来对电力设备中的各种故障进行智能化、信息化监督管理。为什么现在人工智能系统被得到广泛的认可，主要就是因为在平时的电力系统故障诊断工作中造成故障发生的原因多种多样，而安全检测人员在实际故障检测时容易出现失误，因此，人工智能技术可以帮助解决这些问题，从而保证资源的合理运用，节省人力物力等。
参考文献：
[1]占才亮．人工智能技术在电力系统故障诊断中的应用[J]．广东电力，2011，9：87-92．
[2]王磊．电网故障诊断方法及其系统架构研究[D]．山东大学，2013．
[3]吴欣．基于改进贝叶斯网络方法的电力系统故障诊断研究[D]．浙江大学，2005．
[4]朱丽娟，方倩．智能技术在电力系统故障诊断中的应用研究[J]．城市地理，2014，18：198．
[5]关虹芳.浅谈自适应控制技术在电力系统继电保护中的应用[J].引文版：工程技术，2015，（45）：208-208.
[6]何海峰.分析自适应控制技术在电力系统继电保护中的应用[J].通讯世界，2013，（23）：38-39.
[7]齐凤元.电力系统继电保护问题分析[J].工程技术：引文版，2016，（04）：00206-00206.
论文作者:李绮缘
论文发表刊物:《基层建设》2019年第17期
论文发表时间:2019/9/10
标签：电力系统论文; 故障论文; 人工智能论文; 故障诊断论文; 技术论文; 系统论文; 理论论文; 《基层建设》2019年第17期论文;