人工智能在电力系统故障诊断中的应用

摘要：简要介绍了各种人工智能技术在输配电网络故障诊断中的应用，分析它们的优缺点，并提出今后的发展方向，以促进该领域的进一步发展。
关键词：故障诊断；人工智能；输配电网络；专家系统；神经网络；模糊理论；遗传算法

0 引言
    随着电网的不断发展和电力走向市场，人们对电网的安全运行和供电可靠性的要求越来越高。输配电系统是电力系统中发电厂与电力用户之间输送电能与分配电能的中间环节，包括各电压等级的输配电线路和变电所，它的故障是不可避免的。而电力系统规模的不断扩大和各种监控设备的应用使得输配电网络故障诊断显得尤为重要。因为其可靠性指标是影响整个电力系统可靠性的重要因素，其可靠性的改善将给整个电力系统的安全、可靠性和经济运行带来巨大的效益。所以研究工作者一直致力于发展先进、准确、高效的自动故障诊断系统。
    本文简要介绍了相关的人工智能技术，如专家系统(ES)、人工神经网络(ANN)、模糊理论(FZ)、遗传算法(GA)，分别对文献中提出的相应的输配电网络故障诊断方法进行述评，提出各种方法的优缺点。

1 专家系统
    专家系统在输电网络故障诊断中的典型应用是基于产生式规则的系统，即把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，形成故障诊断专家系统的知识库，进而根据报警信息对知识库进行推理，获得故障诊断的结论。
    文献提出了一种知识获取的多层流式的功能模型，用于产生变电站停电后的恢复方案，原理上有创新。文献介绍了一个基于专家系统和多媒体技术开发的配电变压器测试与诊断解释系统。文献采用面向对象技术开发了用于保护系统设计的专家系统，着重考虑了保护系统设计与电力网络本身设计的协调，以确保保护系统是电力系统运行中的一个继承的和有效的部分。
    虽然专家系统能够有效地模拟故障诊断专家完成故障诊断的过程，但是在实际应用中仍存在一定缺陷，其主要问题是知识获取的瓶颈问题，知识难以维护，以及不能有效地解决故障诊断中许多不确定因素，这些问题大大影响了故障诊断的准确性。

2 人工神经网络
    人工神经网络(ANN)是模拟人脑组织结构和人类认知过程的信息处理系统，自1943年首次提出以来已迅速发展成为与专家系统并列的人工智能技术的另一重要分支。
    文献将大型输电网络分区，对各个区域分别建立基于BP算法的故障诊断网络。文献提出了在原有神经网络输入节点的基础上再增加一特征输入节点，以反映输入样本数据大小的特征量的新方法。文献则在分析BP算法缺点的基础上，提出了一种变结构神经网络的最大值算法。
   通过对神经网络结构或算法的改进在一定程度上可以提高故障诊断的有效性。而由于专家系统方法与神经网络方法在许多方面可以协调工作、互为补充，因此，如何取长补短将神经网络技术与故障诊断专家系统融为一体，以弥补诊断中的不足，并提供新的诊断技术和方法，具有很大的潜力和广阔的应用前景，是值得我们深入探讨和研究的。

3 模糊理论
    输电网络故障诊断的不确定因素对于要求严格匹配搜索的专家系统来说，很容易导致错误的结果。当在专家系统中融入模糊理论后，由精确推理变为近似推理，在相当程度上增强了专家系统的容错性。
    文献应用多目标模糊决策方法进行故障测距与故障类型辨识，并做了现场测试。文献研究了在配电网络中，当每个设备的运行状况可以大致知道时，如何决定其适当的维修水平，以兼顾运行安全和维修成本。先用模糊集方法描述设备的运行状况，之后构造了决定适当维护水平的模糊现行规划模型。
    由于一般的模糊系统采用了与专家系统类似的结构，所以它也具有专家系统的一些固有缺陷：a．模糊系统在推理时也要搜索知识库内一定的规则集才能得出诊断结论，所以当系统比较大时完成诊断的速度也比较慢。b．当输电网络的结构或自动装置的配置发生变化时，模糊系统的知识库或相关规则的模糊度也要进行相应的修改，即模糊系统也存在维护的问题。c．模糊系统也不具备学习能力。

4 遗传算法
    遗传算法是基于自然选择和遗传机制，在计算机上模拟生物进化机制的寻优搜索算法。它能在复杂而庞大的搜索空间中自适应地搜索，寻找出最优或准最优解，且算法简单、适用、鲁棒性强。
    文献尝试使用遗传算法解决输电网络故障诊断问题。文章首次建立了根据报警信息估计故障点的数学模型，并从诊断结果应该能够尽可能解释所有报警信息的角度出发，给出了故障诊断问题的适应度函数，从而将输电网络故障诊断问题转化为0～1整数规划问题。
    遗传算法从优化的角度出发基本上可以解决故障诊断问题，但是如何建立合理的输电网络故障诊断模型是使用遗传算法的主要“瓶颈”。

5 结语
    本文分析了近年来专家系统、人工神经网络、模糊理论等人工智能技术在输配电网络故障诊断中的优缺点，从中可以看出，依靠单一智能技术的故障诊断已难以满足复杂的输配电网络诊断的全部任务要求，因此，将多种不同的智能技术结合起来的混合诊断系统是智能化故障诊断研究的一个发展趋势。