电力系统人工智能的应用研究
摘要： 本文从四个方面介绍了近年来人工智能在电力系统中的应用情况。主要介绍了人工智能在理论方面取得的进展，得出综合智能是人工智能在电力系统中应用的主要发展方向。
关键词：人工智能 专家系统 人工神经网络 模糊集
[Abstract]
The essay from four aspects introduces applicable circumstances of artifical intelligence in the electrical system in recent years. The principal introduces that artifical intelligence gets some progress in theories. Get that complex intelligence is a main developing direction for aoolication in the electrical system.
[Key Words]
artifical intelligence specialist system
artifical nevral network confuse assemble
人工智能是一门关于知识的科学，它主要研究知识的获取、表示和运用。人工智能这一术语是在1956年由美国的McCarthy和Minsk等人提出的，当年他们的Dartmouth举行了第一次智能模拟学术讨论会，在会上首次使用了这一术语，这标志着人工智能作为一门学科的诞生。
自计算机问世以来，它在电力系统潮流计算和短路计算、经济调度以及稳定等方面的应用取得了很大的成功。近十多年来，它又被广泛的应用于电力系统的信号检测与处理、电网及设备保护。然而，计算机作为电脑，能够做的事远不止这些。人工智能作为计算机的一个新兴，长于分析推理，为发挥计算机的作用提供了又一技术条件，并被广泛应用于各行各业。
人工神经网络在电力系统中的应用也成为热门课题。
一、专家系统
实际应用方面,如美国Reliant电力公司与德克萨斯州A&M大学合作开发出一种供电系统管理专家系统(Reliant专家系统)这种专家系统带有数字故障记录仪(DFR),可根据DFR的数据诊断故障扰动.该DFR可在系统故障期间记录系统参数.例如,雷电冲击和操作冲击引起的电压突升或突降、供电中断、过电压、欠电压、谐波和暂态等.
传统的方法是,故障时DFR自动启动,记录并存储相关数据之后,保护工程师进行离线分析,评估保护系统的效果,而Reliant专家系统可省掉上述过程,自动从DFR提取数据,分析并撰写报告,然后通过Fax或E-mail的形式发送给系统调度或相关人员.
分析报告包括的日前、持续时间、故障类型、故障定位、继电保护动作时间、断路器跳闸时间,或载波信号传播,以及RMS值的快速点记.
目前该专家系统已有商业化产品,并有专为MicrosoftWindows95/NT设计的应用软件.
Reliant公司已在几个变电站安装了该系统,并在做进一步的完善工作.专家系统还可以用于培训变电站的运行人员，巴西国家电力系统使用的Esrase培训程序就是采用专家系统进行变电站自动恢复训练，其中模拟了实际的故障情景,并有一整套变电站运行人员的操作步骤.对于特殊的供电质量问题,Esrase不断能够解决,而且可以解释解决的过程.
二、人工神经元网络
基于神经网络(Neural net work)的自适应保护和监控，由大量的神经元以一定的方式连接而成的,单个神经元的作用是实现输入到输出的一个非线性函数关系,他们之间广泛的连接组合就使得整个神经网络有了复杂的发线性特性,神经网络将大量的信息隐含在其连接权值上,根据一定的学习算法调节权值使神经网络实现从m维空间到n空间复杂的非线性映射.
运用神经网络对电力系统进行自适应保护和控制,器网络的结构较为复杂,维便于研究可以按功能分块,用几个小网络组成一个大网络,各个小网络附有不同的功能,如网络1用来判断故障类型以及故障的方向,网络2进行故障测距，网络3判别故障是永久的还是暂时的,网络1的输出触发网络2,网络2 的输出又触发网络3,最后,由网络3 输出进行重合或闭锁判断.
人工神经网络广泛用于暂态保护,用于故障判断及选线,快速而准确,且不受系统运行方式、故障类型、互感器饱和等因素的影响;用于无通讯保护,能提取故障高频信号,取得较好的仿真效果;用于雷电波,开关操作波及故障行波的辨识,亦有收获.
三、模糊集理论
基于模糊集理论的多目标决策方法有Belman-Zaden的最大化法和模糊优先关系(fizzy preference relation)法在电力系统负荷管理和变电站选址规划中的应用.用模糊集方法构造变压器保护原理,以区别内部故障、选取变压器原、副边的电流为特征量,根据EMTP程序得到的仿真结果,采取统计方法得到的模糊规则，之后,采用Dempster-Shafer证据理论对模糊规则进行处理,得到最终结果.还可以采用模糊方法寻求维持系统安全运行和充分利用输电容量之间的折中系统. 安全方面主要考虑了电压稳定性，系统运行的一些不确定因素,如失负荷量,气象因素的影响及停运时间等采用模糊集模拟.
四、综合方法
每种智能控制方法都有其内在的局限性,难以满足处理电力系统实际复杂问题的需要.如何将这些控制方法结合起来形成一种综合的智能控制,使综合的智能控制系统能够体现出各种控制方法的优势而尽量避免各自的不足,综合利用模糊理论及人工神经网络各自的特点形成的模糊神经网络成为提高电力系统的可靠性、快速性、灵敏性及选择性的主要研究方向.由于模糊神经网络中已融入了模糊控制系统的所有信息,包括影响模糊控制器控制性能的所有参数,因此,可通过对其权值和阀值的调整来实现对模糊控制系统参数的综合优化调整,提高控制器的控制精度,保证系统的可靠运行.因而,现在的电力系统是综合智能控制系统,是神经网络与专家系统的结合、专家系统与模糊控制结合、神经网络和模糊控制及自适应控制的结合.但用得较多的是FNN(模糊神经网络)技术,它被广泛用于发电机、变压器故障检测,具有建模方便,同时克服了神经网络收敛及其费时的缺点,明显改善了收敛性能.
结束语:
总的来讲,近年来各种智能系统方法的应用在广度和深度都得到了发展,由2种以上智能方法构成的混合系统在电力系统中的应用越来越广 ，这些研究工作从总体上讲有2种方式:一种方式是应用成熟的人工智能技术如专家系统来解决电力系统的实际问题,实用性是追求的主要目标;另一种方式是应用最近几年出现的人工智能方法来解决电力系统的问题,主要做一些探索性的研究工作，这两种研究方式的协调发展表明人工智能在电力系统中的研究已进入比较平稳而健康的发展轨道。
参考文献：
1 朱永利 粟然 人工智能发展概况和实用技术简介 《电力学报 》no。3 1996
2 余然 采用人工智能技术提高供电质量 《国际电力》第三期 2000
2003 年 4 月5日
