广西南宁 530000
【摘 要】介绍了人工智能中的专家系统、神经网络、模糊理论、模式识别和小波分析技术，以及这些技术在电力系统中的相关应用。
【关键词】人工智能；电力系统；应用
随着信息社会和知识经济时代的来临，信息量急剧增加，使得仅靠人脑来处理纷繁复杂信息变得力不从心，所以需要开发由机器实现的人工智能。同样随着我国电力行业的大力发展，系统结构越来越复杂，各种数据越来越多，这就需要将人工智能的技术应用在电力系统中，帮助人们解决复杂的问题。
2 人工智能技术在电力系统中的具体应用
2.1 人工智能定义
人工智能（artificial intelligence，简称AI）[1]是研究、开发和模拟人类智能、智能行为及其规律的一门学科，是计算机学科的一个分支，它的主要任务是通过建立智能信息处理理论，设计出具有近似于人类智能行为的计算系统。电力系统自动化的领域包括生产过程的自动检测、调节和控制，系统和元件的自动安全保护，网络信息的自动传输，系统生产的自动调度，以及企业的自动化经济管理等。电力系统自动化的主要目标是保证供电的电能质量（频率和电压）、系统运行的安全可靠，提高经济效益和管理效能。
2.2 电力系统中人工智能的研究和应用领域
（1）专家系统。专家系统（ES）是人工智能领域的一个重要分支，它的原理是首先需要对专家在某一个学科领域内的知识和经验进行统计分析，然后采用计算机程序来模拟专家对相同问题的决策过程，最后提出解决问题的方法。例如故障专家系统，可以根据人工提供或现场检测采集到的数据来判断故障发生的具体原因，为排除故障提供参考。在电力系统实际运行时，为保证操作的安全准确性，采用了操作票制度。然而对于现场运行人员来说，编制操作票是一项复杂智能性的劳动，因此可将专家系统应用于编制操作票工作中，这样对于减轻人脑负担和提高准确性都有重要意义。在继电保护中也可采用专家系统，它是针对整个系统中不同保护工作原理，制定相应的鉴别规则、整定原则、核查规则、校正规则等，从而实现设备的智能调整与维护[1]。
（2）人工神经网络。人工神经网络（ANN）从信息收集和处理的角度对人脑神经元网络进行模拟抽象，它采取的是非线性映射的方法，通过对标准样本的学习，不断调整自身的连接权重，经过训练最终能够获得正确的输出，具有强大的知识获取能力，善于解决难以列出方程式或复杂的非线性问题。1975年Dillon等人在第五次PSCC会议上发表了一篇关于用自学习机进行负荷预测的文章，这是ANN在电力系统中的最早应用[5]。但限于当时对ANN本身的研究没有实质性进展，所以ANN在电力系统中的应用没有得到足够的重视，以至于这方面的研究工作中断了很长时间。直至1986年S.Y.OH用模式识别以及联想记忆的方法对一个实际系统进行了安全估计，证明了该方法的可行性。
期刊文章分类查询,尽在期刊图书馆随后，1988年D.J.Sobajic和Y.H.Pao应用ANN中的BP算法进行电力系统的动态安全估计，通过计算结果可知这种方法准确度很高。
（3）模糊理论。模糊理论以模糊集合为基础，其基本思想是接受模糊性现象存在的事实，以处理概念模糊不确定事物为目标，利用模糊隶属度的概念来对不确定事件与现象进行描述。应用模糊理论的模糊识别可以通过对事物的特征进行分类和识别，解决了电力系统中许多需要较长时间的复杂运算来进行故障诊断的问题，提高了电力系统故障诊断的效率。模糊理论主要应用在继电保护的主变保护、线路保护和发电机保护等几个方面[5]。例如在故障电压分量中，电压的高频成分各不相同，提取不同相电压的变换频率特征，将其与模糊集合进行比较，从而可判断出故障相；还可以通过分析对比变压器实际工作电流与理论电流的对称度隶属函数的近似程度进行变压器故障判断，当近似程度超过某一欲定值时，即可以断定变压器发生了故障。但是，模糊系统有自己的缺点，它不具备独立学习能力且建立模型、获取语言规则以及隶属度的方法都不够完善，所以在电力系统中的应用也受到了一定的限制。
（4）模式识别。模式识别是人类的一项基本技能，在日常生活中，人们经常进行“模式识别”，随着人工智能的兴起，人们当然也希望能用计算机来代替或扩展人类的部分脑力劳动。（计算机）模式识别是指通过计算机用数学技术的方法来研究模式的自动处理和判读过程。模式识别技术在电力系统中的应用较为广泛，比如高阻抗检测、距离保护等。例如新式继电保护装置，它是建立在模式识别技术与微处理机基础上的，通过改进配电线接地保护装置，在其内置微处理机上加装模式识别数据库，该数据库可以识别电压和电流信号，通过对线路的电流和电压信号进行实时数据比对，进而能够准确鉴别高阻抗正常或故障状态。
（5）小波分析。小波分析是应用数学和工程学科中一个迅速发展的新领域，与傅里叶变换相比，小波变换是空间（时间）和频率的局部变换，因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析，解决了傅里叶变换不能解决的许多困难问题，适用于非平稳信号的判断与处理。因此非常适用于电力系统中正常信号中突然出现瞬间信号反常问题的分析。小波分析在电力系统中主要应用在与电流、电压相关的故障诊断方面，一般情况下需要与其他方法结合使用。例如对变压器励磁涌流的判断，可以通过小波变换的方法提取励磁涌流的间断角特征，然后结合模糊理论的方法进行具体的故障诊断。目前应用的电力系统监测手段，主要有侧重于记录电磁暂态过程的各种故障录波仪和侧重于系统稳态运行情况的监视控制与数据采集（SCADA）系统。前者记录数据冗余，记录时间较短，不同记录仪之间缺乏通信，使得对于系统整体动态特性分析困难；后者数据刷新间隔较长，只能用于分析系统的稳态特性。两者还具有一个共同的不足，即不同地点之间缺乏准确地共同时间标记，记录数据只是局部有效，难以用于对全系统动态行为的分析。基于GPS的新一代动态安全监控系统，是新动态安全监测系统与原有SCADA的结合。电力系统新一代动态安全监测系统，主要由同步定时系统，动态相量测量系统、通信系统和中央信号处理机四部分组成。
3 结语
本文主要介绍了几种人工智能技术在电力系统中的实际应用，目前各种人工智能技术和方法在系统中的应用还不够深入，但随着研究的不断进行，新的研究成果会为人工智能在电力系统中的规划、运行和控制开拓新的思路提供新的方法。
参考文献：
[1]艾芊.现代电力系统辨识人工智能方法[M].上海交通大学出版社，2012.
[2]王振江.专家系统及其在电力系统中的应用介绍[J].广东输电与变电技术，2004（1）.
[3]韩桢祥，文福栓.人工智能及其在电力系统中的应用-从专家系统到人工神经网络[J].电力系统自动化，1991（3）.
[4]朱福喜.人工智能基础教程[M].清华大学出版社，2011.
[5]赵刚.继电保护中的人工智能技术及其应用[J].江苏科技信息，2014（24）.
论文作者:秦文峰
论文发表刊物:《低碳地产》2016年第6期
论文发表时间:2016/9/22
标签：人工智能论文; 电力系统论文; 专家系统论文; 模糊论文; 系统论文; 方法论文; 故障论文; 《低碳地产》2016年第6期论文;