基于电力系统自动化中智能技术的探析

2012-08-15金旭

科技传播 2012年7期

金旭

安徽广德南方水泥有限公司，安徽宣城 242200

电力系统分布地域广阔，而且大部分元件具有延迟、磁滞、饱和等复杂的地理特性，要对这样大型的系统实现有效控制是极其困难的。而且电力系统在不断增大，人们对电力系统的控制有了越来越高的要求。智能技术是通过先进的传感和测量技术、先进的设备、先进的控制方法，以及先进的决策支持系统，实现电力系统可靠、安全、经济、高效和使用安全的目标。它在电力系统自动化控制中应用得越来越广泛。本文就针对五种典型的智能技术进行了探讨。

1 智能化监控系统

对于电力系统，实时监控是及时有效发现问题的重要手段。特别是随着计算机技术、网络技术和工控技术的不断提高，对电力监控系统智能化的要求也越来越高。智能监控系统采用图形化用户界面，有数字化的监控界面，也有实时趋势显示、柱状图显示、表盘式数据显示、位图动画等直观显示，还有实时报警、图形界面遥控、遥控闭锁、置数、遥调等功能。不仅提高了工作效率，节省了人力成本，更重要的是切实提高了生产的安全可靠性，使科技手段为电力系统的安全管理提供了强有力的保障。

实施智能化监控系统，要根据实际要求定制系统结构。比如，要考虑高压进线、母联和馈线部分；低压变压器进线、联络回路部分；低压的电容补偿、电源切换等回路部分，馈线部分等。具体施工时可考虑采用分层分布式结构。如分为现场监控层、通讯管理层和主控层。实现的功能有监测变压器温度；发电机全电量的测量及转速、油温、油量等发电机状况监测；采集断路器开关量、继电保护跳闸信号、异常报警信号和非电量等遥信量信号；谐波分析、故障录波及事故追忆功能；自动调峰控制，电力需求的控制，设备的开合次数统计及损耗状态的监视等。

2 在故障诊断中的人工智能技术

电力系统的故障诊断传统上是根据某些设备和装置在故障过程中出现的一系列数字的状态信息进行分析，然后推理得出故障原因和故障发生的元件，并预测故障恶化的趋势。近几十年来，国内外将人工智能技术用于电力系统已取得了有效的实际效果。常用的人工智能技术有ES、ANN、FST、GA及Petri网络技术等。

ES是比较成熟的一种人工智能技术，它不融合了书本相关的理论知识，还可总结专家的经验知识来解决问题，是与知识工程研究紧密联系在一起的。它一直在改进知识获取和构造，使知识获取和知识表达工作简化，提高故障诊断的推理效率。基于ANN原理的故障诊断系统最大的特点是不需要为专业知识与专家启发性的知识转化、知识形成、知识表达方式和知识库构造进行大量的工作，而只需以领域专家所提供的大量故障实例，自我学习、自我组织，形成故障诊断样本集，在故障定位和故障类型识别等方面用处很大。FST故障诊断原理是采用模糊隶属度来对故障与对应的动作保护装置和断路器状态之间的可能性进行描述的度量。基于GA和Petri的故障诊断技术都各有优势和存在一些问题。

3 模糊逻辑控制技术

模糊逻辑控制是模拟人的模糊思维方法，用比较简单的数学形式直接将人的判断、思维过程表达出来，用计算机实现与操作者相同的控制。

模糊控制技术应用于电子技术的各个方面，使人容易操作和掌握。相较于建立常规的数学模型，建立模糊关系模型非常简易，在实践中有巨大的优越性。模糊控制通过已经存在的控制规则和数据，对模糊输入量进行推导，从而得到模糊控制输出，进入实时控制。这种模拟人脑的智能技术的优势主要体现在以下几个方面：能有效处理具有不确定性、不精确性的问题和由于噪声造成的问题；通过模糊知识的语言变量表达专家的经验，与人的表达方式接近，知识的抽取和表达更容易完成。如果电力系统出现故障，通过应用模糊理论，也能够及时进行应对并给出解决办法。

4 人工神经网络控制技术

人工神经网络（Artificial Neural Networks，简写为ANNs）是一种模仿动物神经网络的行为特征，进行分布式并行信息处理的算法数学模型。神经网络由大量神经元连接而成。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系。人工神经网络在智能电网中的优势主要表现在3个方面：

1）具有自学习功能。通过用不同的实时运行数据输入人工神经网络，网络就会通过自学习功能，慢慢学会识别电力系统的运行情况，从而为人类快速判定问题提供依据；2）具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想；3）具有高速寻找优化解的能力。寻找一个复杂问题的优化解，往往有很大的计算量。利用一个针对某问题而设计的反馈型人工神经网络，发挥计算机的高速运算能力，可能很快找到优化解。

5 综合智能控制技术

综合智能控制包含了智能控制与现代控制方法的结合，也包含各种智能控制方法之间的组合。在电力系统中研究得较多的综合智能控制有神经网络与专家系统的结合。

神经网络适合处理非结构化信息，而模糊系统更适于处理结构化的知识。人工神经网络控制主要应用于低层的计算方法，把感知器传来的大量数据进行安排和解释，模糊逻辑控制则提供应用和挖掘潜力的框架，用来处理非统计性的高层次的推理。所以，人工神经网络控制和模糊逻辑控制这两种技术正好起互补作用，相结合可以相得益彰，有良好的技术基础。