人工智能技术在电力系统故障诊断中应用浅析朱学科

人工智能技术在电力系统故障诊断中应用浅析朱学科

朱学科

（南瑞集团有限公司211116）

摘要：电力是国家经济发展的重要能源之一，因此，提高电力系统故障诊断效率具有十分重要的现实意义。近几年，人工智能技术不断进步和发展，并且已经在一些行业中得到了良好的应用效果。本文首先对目前电力系统故障诊断中存在的问题进行简要介绍，然后对人工智能技术在电力系统故障诊断中的应用进行详细阐述。

关键词：人工智能技术；电力系统；故障诊断

目前，我国科学技术已经取得了飞跃式的发展，在信息化技术产业的发展上实现了很多创新和突破。信息化技术在自身得到发展的同时也给其他传统行业带来了新的机遇。近几年，为了紧跟时代的步伐，很多传统行业将信息化技术成功的引入到了企业发展中，比如：一些传统行业设置了自动化信息控制系统，对企业内部生产工作实行信息化控制。人工智能技术是信息化技术中的典型代表，经过多年的发展，人工智能技术已经比较成熟，可以为企业解决很多问题。人工智能技术利用了多种信息化手段和多学科知识，使计算机具有分析、计算、感知、存储的能力，目前，人工智能技术在电力系统的故障诊断中发挥了很好的效果，下文对此做具体介绍。

一、电力系统故障诊断的现状

电力系统故障主要指的是：输配电系统故障，变压器故障，发电系统故障等。我国幅员辽阔，电力系统网络分布广泛，这也造成了电力系统故障的多发。电力系统故障一直以来就是困扰电力行业的一个难题，电力系统故障的复杂性主要体现在以下几个方面：一是，当电力系统出现故障时，不能迅速找到故障位置和原因；二是，故障维修不方便，维修人员需要到很远的地方进行故障维修处理；三是，电力系统的关联性较高，有时因为一些小的故障可能会使整个电力系统全部瘫痪。由上可知，在电力系统故障诊断和维修中，如果使用传统的人工诊断方式，不仅工作效率不高，而且还会使用较多的维修时间，因此，将人工智能的方法引入到电力系统故障的诊断中可很好的解决这一难题。

二、人工智能系统在电力故障诊断中的应用

2.1推理型故障诊断方法

推理型故障诊断方法和人的故障诊断思路比较相似，通过对故障的排查分析，逐步推理出故障原因。目前，推理型人工智能故障处理方法主要有两种推理方法，一种是专家推理，另一种是人工神经网络推理。专家推理的出现时间相对较早，其推理方法主要是对电力系统故障维修专家的模仿，根据专家在进行维修过程中的经验，将这些数据性的资料输入到计算机系统中，使计算机可以按照专家以往维修过程中使用的思路和步骤进行诊断。整个专家系统的诊断过程实际上就是对专家进行故障诊断的复制，只不过使用专家系统进行故障诊断可以加快诊断效率，并且减少的故障诊断的经济成本。专家系统主要是利用计算机内存储的电力系统相关资料，对电力系统故障进行推理。在电力系统故障诊断的过程中，专家系统会将得到的故障信息与其数据库中的故障信息进行逐一匹配，找出相似的几种，然后对故障类型进行详细的正向推理和反向推理，最后得出故障诊断结论。人工智能专家系统处理故障的速度很快，但是出错率也比较高，有些数据库中信息量很少的电力故障，专家系统无法对它进行正确的判断。

2.2不确定理论的故障诊断方法

电力系统中的变压器和保护装置会经常发生故障，这些装置在进行故障的诊断过程中会存在很大的不确定性，人工智能中运用模糊理论对这种不确定性故障进行解决。在运用人工智能系统进行故障诊断的过程中，如果难以对二者之间的关系进行有效解释，那么就可以使用专家系统对此故障进行解决。通过模糊理论对电力系统的故障诊断存在一些优点，但是，也有很多的不足，主要表现在以下几个方面，如：系统不能自动进行经验的积累，检验和维护相对困难等。由上可知，在使用模糊理论实现故障诊断的过程中应使用修改隶函数的方法对其进行改进。

在故障诊断过程中结合概率信息可以加大电力故障诊断的准确性。由于使用人工智能对电力故障诊断过程中比较容易出现不确定性，这也是人工智能系统和人脑的根本区别所在，不能将已知信息进行分析处理，为了提高故障诊断的可靠性，将概率信息引入到实际应用中。概率信息的应用增加了人工智能系统对故障的判断和比较能力，但是在现实中的应用仍然存在着一些问题，比如：概率信息的应用前提是必须在智能系统中导入大量故障信息，使系统在进行故障诊断时可以有据可依；系统对于特别复杂的推理仍然不能得出很确切的结论，甚至有时会出现失误的情况。

2.3优化技术故障诊断方法

计算机技术是不断进步和发展的，人工智能也应紧跟计算机技术发展的脚步，在人工智能中不断优化其算法和推理逻辑能力，使人工智能可以更好的在电力故障诊断中发挥作用。技术的优化应对系统算法的规则从新制定，在严格的数学理论基础上，增加系统运行时的逻辑分析能力，用最优的方法实现对整个运算过程的求解。因此，在优化技术的过程中应不断的改进逻辑算法，通过逻辑试错的方法来获取最优的逻辑算法。一般技术的优化应以实际应用需要为基础，在使用人工智能系统对电力故障诊断中，可以分析智能系统的出错的原因，然后重点进行技术优化。目前，故障处理中最常见的故障诊断失误有两种：一是，智能系统中存储的实际故障案例不足，无法对故障类型进行正确的判断；二是，系统的逻辑算法存在弊端，在进行正向逻辑分析和反向逻辑分析时不能掌握正确的逻辑原点。由上可知，优化技术的故障诊断方法执行起来相对困难，需要多学科技术的配合才能得以完成，尤其是数学建模的使用，所以应在优化技术过程中投入足够时间和精力才能保障故障诊断的优良效果。

结束语

综上所述，采用人工智能技术手段对电力系统故障进行诊断是未来的发展趋势，该方法可以大大提高电力系统的故障诊断效率。本文主要阐述了人工智能在电力故障诊断中的几种应用方法，希望可以给电力从业者提供一些参考。

参考文献

[1]肖桂枝.基于免疫算法—粗糙集—贝叶斯网络的电力变压器故障诊断方法[D].湘潭大学,2015.

[2]徐志国.人工智能(AI)在电力系统中的应用[J].现代电子技术,2016,(21):147-150.

[3]彭宁云.基于DGA技术的变压器故障智能诊断系统研究[D].武汉大学,2014.