基于电力系统动态等值的人工智能方法初探

徐浩然

华润電力（海丰）有限公司，广东汕尾 516468

摘 要 我国的经济社会不断发展，电力系统规模越来越大。社会生产生活需要源源不绝的电力，只有保证电力系统的正常运转，才能促进经济社会的可持续发展。在电力系统的运行中，动态等值技术发挥着重要作用。动态等值技术可以保证电力系统的稳定性能，降低电力系统的安全风险。本文具体探讨基于电力系统动态等值的人工智能方法，希望能为相关人士提供一些参考。

关键词 电力系统；动态等值技术；人工智能方法

中图分类号 TP2 文献标识码 A 文章编号 2095-6363（2017）13-0073-02

进入新世纪以来，我国的社会主义市场经济持续繁荣，电力系统朝着现代化和高精端的方向发展。电力系统的规模越大，储存的数据越多，计算分析的难度越大。一旦计算出现失误，就会影响电力系统的正常运行，严重的甚至会导致电力系统停转。动态等值技术能对电力系统进行层次划分，对每个系统层进行分别管理。为了提高电力系统的智能水平，必须掌握电力系统动态等值的人工智能方法。

1 电力系统的动态等值技术

1.1 同调技术

首先，同调技术是动态等值技术之一。所谓的同调技术，就是以发动机作为动力基础的等值技术。同调技术最早源自国外，自20世纪70年代，国外学者就开始对同调发电机进行研究。同调发电机释放的动态因子可以相互聚合，在电力系统上方形成保护层，避免受到外界信号干扰。在应用同调等值技术的过程中，需要将电力系统划分成内部系统和外部系统两个部分。每个部分的发电机组不同，发电性能也呈现出较大的差异。在对内外系统等值简化之后，可以获取同调发电机，拟算聚合值域[1]。就优点来看，同调技术的应用流程比较便捷，对电力系统的控制力较好。就缺点来看，同调技术存在计算误差，会使发电机受到拟合影响。

1.2 模式技术

模式技术是动态等值技术之一。所谓的模式技术，就是以系统模式作为简化基础的等值技术。模式技术可以收集大量信号，对这些信号进行简化和分析。当电力系统受到外界干扰，模式技术可以在第一时间获取干扰数据，并得到干扰数据的动态特征。在应用模式技术的过程中，需要将电力系统分成内外两部分，外部系统可以突出其线性特征，而内部电力系统需要削弱其物理影响。在计算时可以应用系数矩阵，使内外系统的法向量进行转换。就优点来看，模式技术的计算结果比较精确，可以及时判断电力系统的故障。就缺点来看，模式技术的应用流程相对复杂，需要耗费大量的人力物力资源。

1.3 估计技术

估计技术是动态等值技术之一。所谓的估计技术，就是以模型测算作为基础的等值计算。估计技术可以被分为两类：第一类受外界扰动信号干扰影响较大，第二类受外界扰动信号干扰影响较少。两类估计技术的实用效果不同，需要形成不同的数学等值模型，计入干扰数据和非干扰数据。在对数据进行测量时，可以采用最优数学算法，简化计算流程。就优点来看，估计技术的优点为测算效果好。就缺点来看，估计技术的缺点为计算难度大。

2 电力系统动态等值的人工智能方法

2.1 人工智能方法

就目前来看，电力系统动态等值方法被分为三种。第一种方法是层次法，需要将电力系统分割成不同的工作层次，判断每一层次的运行方向。第二种方法是任意法，需要获取大量的随机数据，测算标准数值出现的概率。第三种方法人工智能方法，需要依靠智能技术，对动态等值算法进行自动优化。

人工智能方法具有突出的技术集成性特征，一方面，人工智能技术以网络信息技术作为依托，可以自动识别数据和选择算法。另一方面，人工智能技术以智能技术作为主导，可以习得人脑思维模式和学科知识。由于人工智能技术具有突出的实用价值，得到了社会的广泛关注。将人工智能技术应用在电力系统动态等值中，可以保障电力系统的正常运转，提高电力系统的运行效率。人工智能方法包括遗传算法、禁忌算法等等，上述几种算法普遍适用于复杂系统的计算。与其他方法相比，人工智能计算更加精确，计算量更小，可以节省人力物力资源，降低系统运行风险[2]。

2.2 动态等值分析

在应用人工智能方法时，经常要配合估计等值技术联合应用。估计等值技术存在信号干扰，一旦电力系统受到信号波动影响，就会阻碍电力系统的正常运行，严重的甚至会导致电力系统停转。由于扰动数据较多，可以应用人工智能方法估计等值，用扰动数据推测非扰动数据的值域。人工智能方法以数学计算方法作为依托，在进行动态等值分析时，要应用PARK方程。在构建方程、形成动态数学模型之后，需要导入发电机的运行参数，和外网模型建立联系，计算总负荷量。根据动态等值模型可以发现，在外部电力系统中，扰动数据较多，但是和非扰动数据的值域相近，二者存在对称关系。扰动数据分为两种，一种是人为因素引发的扰动，另一种是自然因素引发的扰动，扰动数据的类型不同，数据波动性也呈现出不同。自然扰动的影响性比较小，并不会对电力系统的正常运转造成过多影响，但是人为扰动的影响非常大，很有可能会威胁到电力系统的安全性。为了避免出现上述问题，需要自动收集扰动数据，根据数据特性划分类别，对人为扰动数据进行科学处理。在收集数据的过程中，需要使用故障录波器。故障录波器可以记录不同时段的电压、电流等等，以此作为依据判断故障类型和故障种类。故障电流信号和常规信号不同，为了截取故障信号，应该介入电流变换器，并应用防护装置，对变换器进行安全保护。

在获取信号之后，需要对数学模型中的动态等值进行计算。在设置算法时，应该遵循以下的几个计算流程：第一，应该对抗原进行识别。所谓的抗原，就是电力系统中的免疫因子；第二，应该建立一个初始群，在群中罗列大量数据；第三，应该对不同抗原的关系进行划定，并看抗原是否满足电力系统运行的约束条件；第四，应该对抗原进行分化，并把分化之后的数据记录在系统碎片之中；第五，应该对碎片进行重组，形成最终的抗体群。在计算之后，可以发现依靠扰动数据和非扰动数据，能形成科学的数学计算模型。估计等值技术具有精确性的特点，将这一技术和人工智能方法组合，能保证电力系统的正常运行。同时，上述动态等值分析方法的鲁棒性非常强，得到的测算结果也比较精确。

3 结论

综上所述，我国的经济社会不断发展，电力系统规模越来越大。为了提高电力系统的智能水平，必须掌握电力系统动态等值的人工智能方法。

参考文献

[1]朱林，盛启亮，刘平，等.基于相似理论的电力系统动态等值精确度量化评价方法[J].电力科学与技术学报，2016（4）：116-122.

[2]刘丽霞，罗敏，李晓辉，等.电力系统常用动态等值方法的比较与改进[J].电力系统及其自动化学报，2011（1）：149-154.