摘要：新时期背景下，传统能源的开采过度，人口数量迅速增加，直接引发了生态环境恶化与气候变暖等多种问题。其中，在航运领域，燃油的价格显著提高，对于船舶气体的排放也提出了全面的要求，直接增加了船舶营运的成本。为此，借助全新技术强化船舶运营经济性以及绿色性具有一定的现实意义，特别是对电力推进技术的应用。基于此，文章将船舶动力推进系统作为研究对象。
关键词：人工智能；电力系统；故障诊断
引言
近年来人工智能技术在很多领域得到了成功应用，特别是故障诊断方面。船舶电力系统是保障船舶自动化系统正常工作的重要组成部分。由于船舶电力系统工作环境恶劣，因而船舶电力系统一旦出现故障将会产生很严重的后果。传统船舶电力系统故障检测费时费力，本文通过对人工智能技术进行分析，研究了人工智能技术在船舶电力系统故障诊断中的应用，提出了一种故障诊断系统架构，重点研究了基于人工神经网络以及专家系统的电力系统故障诊断，设计了神经网络模型，给出了推理机的故障诊断流程。
1概述
1.1船舶电力推进系统概述
与传统柴油机动力系统不同，船舶电力推进系统的控制系统结构与系统特性都存在一定的差异。其中，柴油发电机组发电装置是电力推进系统的核心部件，在电站的作用下完成配电，并且经过变频装置的处理，以保证对主推电机进行驱动，使螺旋桨形成推进船舶前进的动力。长期以来，都是由柴油机转变成变频器与电动机，核心控制转变具体表现在2方面：一方面，电机控制当中的参数量大，状态的变化速度也相对较快，要想实时监测并控制参数，系统本身的数据采集频率必须提高，所以对电力推进监控系统数据处理的能力提出了全新的要求。另一方面，在电力电子装置控制功率的过程中，很容易形成谐波，影响船舶电网电能的质量。由此可见，船舶电力推进系统的实时监控以及诊断功能实现具有一定的现实意义。
1.2人工智能技术
人工智能技术的发展目标是为了使用现代化的计算机技术以及通信技术等模拟人类的思维以及思想，在船舶电力系统故障诊断中，人工智能技术通过构建专家知识系统库就可以进行电力系统故障诊断，并且通过不断地学习可以将曾经出现的故障记录下来，进而不断学习和进化，使得人工智能系统能够不断提升电力系统的诊断效率。人工智能技术不是一项单一的技术，而是使用多种技术，包括遗传算法、人工神经网络、逻辑学、决策管理、深度学习等，在人工智能的应用上将这些技术进行综合应用，为各个领域解决实际问题。
2电力系统故障诊断技术
1）船舶电站使用的线缆由于老化以及使用环境等因素造成输电线路断路；2）输电线路绝缘层老化导致短路；3）发电机输出的三相电流不均衡是由于发电机系统中存在短路线匝。对电力系统进行故障的诊断通常有在线和离线2种方法，而且经常是将2种方法结合起来使用。以短路为例，对船舶电力系统故障可以采用电阻测量、交流耐压试验等方法确认是否短路。在线诊断则是利用采集到的传感器值输入到电脑中，在电脑上通过一系列的程序算法进行判断。不管使用什么方法，船舶电力系统故障诊断存在以下特点：1）船舶故障种类多，而且引发这些故障的原因（需要监测的故障点）也很多，因而在船舶故障诊断上会存在很多困难；2）由于船舶电力系统的特殊性，因而一般的故障诊断系统难以直接应用到船舶电力系统中。目前在电力系统故障诊断中应用较多的是模糊理论、专家系统以及神经网络。模糊理论是利用了模糊集合的一种理论，神经网络是模仿动物的神经行为特征对信息进行并行处理的一种技术，专家系统是一个统称，实际应用的专家系统是使用了各类诊断技术的应用系统，如应用了神经网络的船舶电力故障诊断系统。
期刊文章分类查询,尽在期刊图书馆本文重点对基于神经网络的专家系统进行研究和分析。神经网络包括人工神经网络（ANN）以及生物神经网络（NN），人工神经网络是通过人工模拟神经元而建立起的一个网络，能够模拟人工神经网络的结构和功能，人工神经网络具有较强的容错能力、学习能力以及大规模的处理能力，因而非常适合应用于船舶电力系统故障诊断中，并且已经有很多公司研发了人工神经网络芯片，因而可以在硬件和软件上非常方便地加以实现。为了保证人工神经网络技术成功应用于船舶电力系统故障诊断，需要大量的经验积累，即需要很多的故障数据并让系统进行学习以及推理，船舶电力系统的复杂程度将直接影响故障诊断系统的学习时间，并且难以保证能够达到最佳效果。
3 人工智能在船舶电力系统故障诊断中的应用
3.1故障诊断系统架构
整个系统的工作过程为：首先诊断专家将自己的专业知识输入到知识库中，知识库将专家输入的故障样本数据存储下来，并进行训练，当船舶电力系统发生故障时，通过获取的故障现象，即采集的各类传感器数据或者观察到的现象，推理机使用人工神经网络技术进行推理，确认船舶电力系统的故障位置以及原因，并将获取的船舶电力系统故障信息通过解释器让用户获知。推理机和知识库之间的数据是双向连接，在推理故障信息时，推理机需要从知识库中获取专家信息对故障的情况进行推理，在推理完成后获取的故障信息又可以进一步补充知识库中的故障信息，以提升下一次故障推理的效率。
3.2基于人工神经网络的故障诊断
基于人工神经网络以及专家系统的船舶电力系统故障诊断的关键在于对故障的推理和诊断的实现。首先需要构造一个神经网络，这个神经网络一般包括5层，分别为输入层、中间层、输出层、附加层1、附加层2等。通过构造这样的神经网络，那么所有的故障就可以通过这个网络进行基本训练，每一个故障对应的输入为这种故障所对应的传感器数据信息，如短路对应某两点之间的电阻值为0，电压值也为0，将这些传感器数据信息用x1~x6表示。系统启动后首先开始采集船舶电力系统的传感器数据，然后确定特征函数，使用特征函数对这些数据进行计算，得到第1层的输出值，然后将第1层的输出值作为第2层的输入值，最终得到计算输出层的输出结果，将此结果和阈值函数进行比较，若符合要求则直接输出结果，若不符合则重新进行计算。
结语
本文对人工智能技术，特别是人工神经网络以及专家系统在船舶电力系统故障诊断中的应用进行研究，提出了一种人工智能故障诊断系统的架构，并重点分析了推理机的工作流程。使用人工智能技术可以有效提升电力系统故障诊断效率，因而必将得到广泛应用。船舶动力推进系统的应用实现了船舶电气电力设备的自动化发展，确保了船舶操控性能的全面提升。特别是具备在线监测与准确诊断的功能，使系统本身的功能更加强大，进一步增强了关键设备协调控制的效果，为船舶动力推进系统的安全稳定运行提供了必要的保障。通过上文研究发现，在线监测与诊断是促进船舶动力推进系统发展的重要途径。
参考文献：
[1]张旭，魏娟，赵冬梅，等. 电网故障诊断的研究历程及展望[J].电网技术，2013，37（10）：2745–2753.
[2]邓武，杨鑫华. 粗糙集、神经网络和专家系统模型用于电力系统故障诊断[J]. 高电压技术，2009，35（07）：1624–1628.
[3]毕天姝，倪以信. 基于新型神经网络的电网故障诊断方法[J].中国电机工程学报，2002（02）：74–79.
[4]蒋德松，谢春玲，孙聿峰. 一种基于联合动力装置的船舶电力推进原动机模块[J]. 热能动力工程，2003，（03）：248–251，322–323.
论文作者:范青超
论文发表刊物:《电力设备》2019年第7期
论文发表时间:2019/8/29
标签：船舶论文; 神经网络论文; 电力系统论文; 故障诊断论文; 人工智能论文; 系统论文; 故障论文; 《电力设备》2019年第7期论文;