试析智能化诊断方法在电力系统故障诊断中的运用

韩宝国

摘 要：随着现代社会对电力的需求量逐步加大，电网规模与电网结构也呈现出日益扩大的趋势，这也导致了整个电力系统变得更加复杂化。而为了保障电力供应的安全稳定，加强关于智能化诊断方法在电力系统故障诊断中的运用便显示出其紧迫性作用。由此，本文从电力系统故障诊断的内容概况出发，并提出具体的智能诊断办法，以期为各位读者提供参考。

关键词：智能化；电力系统；故障诊断；方法运用

中图分类号：TP391.5 文献标识码：A 文章编号：1671-2064（2017）22-0125-02

由于电力系统自身具有的复杂性特征，容易出现故障成因难以查明、故障解决困难等情况，当电力系统欠缺科学合理的故障诊断方法时，不仅会对人们的日常生产生活带来不利影响，严重时甚至会造成巨大的安全隐患。据此，将智能化的诊断方法纳入到电力系统诊断实践中，也便具有了较为深刻的现实意义。

1 电力系统故障诊断的相关概述

电力系统的故障诊断需要以综合性的技术为支撑，其内容包含了人工智能、信号处理、小波变换、模式识别、模糊逻辑、数理统计以及现代控制研究等多项理论，为了确保电力系统诊断的良好成效，关键还需从基于数学模型的系统与基于专家系统的模型出发进行诊断，从而才能为确保诊断的智能化、有效化奠定良好的基础。

针对电力系统的故障诊断需求是随着电力行业壮大而发展起来的，当故障产生时容易出现断路器与其他保护装置误动、拒动；警报信息畸变、丢失；多个设备元件同时损坏等情形，这便使得智能化技术在电力系统诊断中得到更多的运用。举例来说，由于电网运载电量的不断加大，以往基于诊断网络拓扑结构而建立起的模型基础FD-PS无法适应当下区域运行极限的性能需求，根据故障发生时其系统结构与参数出现变化的情况，使得系统潮流也产生变化，因而以潮流计算出现的变化来对故障进行判断也无法满足当下的真实需求。从传统的数学诊断方法来看，采用单一化的求解方式也会因电力系统巨大的规模性和复杂性而无形增加其诊断难度。将当前的电力运行结构视作一个呈分布式的大系统，集中求解的方式显然难以得到理想诊断效果，所以只有选用智能化的办法，才能对电力系统中的故障诊断予以更快更好的解答。

2 智能化诊断方法在电力系统中的运用

2.1 基于ES基础的故障诊断方法

ES又被称作专家系统，是开发较早、较为成熟的一种新型人工智能技术，例如，ES中的解释模块可以实现对知识的推理、应用以及解释结论，ES作为复杂的程序系统，其内容存储了丰富的专业知识与经验内容，该系统通过对专家决策过程进行模拟，从而利用已经掌握的专家经验知识对复杂问题予以解决。在专家系统中，由于囊括了众多的知识表达方式与不同的研究领域，所以在专业的技能运用方面借助书本理论的融合便可以完成对各种问题的处理定性，与此同时新的解决手段也被记录在系统中，从而为知识经验的归纳积累创造了有利的条件。ES中的知识表达形式主要可以分为基于谓词逻辑、生产规则、知识模型、框架模式、面对对象等表示法。ES在电力系统故障诊断中的应用主要是建立在生产规则基础之上的，通过将短路器、保护设置的动作逻辑与诊断经验运用逻辑规则的形式展示出来，再经所构建起的知识库对警示信息进行推理，并最终得出诊断结论。

一般来说，在输电网络之中的动作逻辑与断路保护之间的关系是较为直观的，所展示的模块规则内容等也能够随着ES内规则的增加、删减而变化，由此可见，在不断修改规则的背景下，专家系统中的规则往往可以具备优良的时效性与准确性，对于一些不能及时予以处理的故障，也能夠对根据符合人类习惯的结论对其进行解释。ES常见的推理方法可以分为正向、反向与正反向混合三种方式。其中，正向推理是以原始数据为出发点，并按照专家知识策略对结论予以推导，例如，当电力系统中发生故障时通过输入动作保护与跳闸断路等信息，从而得出相关的空间规则，据此搜索出故障诊断的结果，再将匹配规则归入到候选的队列之中，利用冲突消解来获取最后的诊断结果。反向推理则是由假设出发寻找出可以支持该理论的证据，利用目标驱动来获取事实数据。而混合使推论顾名思义即将正向与反向推导相互结合，从而构建出正反混合的诊断模式。因而ES也能够使得电力系统的诊断与表达能够具备更好的层次性、结构性与继承性。

2.2 建立在ANN及ES基础上的故障诊断方法

人工神经网络简称为ANN，指的是通过对人类的神经系统进行模拟，从而实现数据传输、信息处理过程的智能技术。ANN原理同专家系统相比较而言具有明显不同，首先，人工神经网络主要通过连接神经元间的有向权重来对电力系统中的隐含问题进行处理，而ES专家系统在问题推论上的建立基础存在着显著差异。其次，ANN与ES相比在学习能力、性能目标方面也有着较大区分，举例来说，人工神经网络具备的学习能力包含了基本结构、算法学习、样本训练、组织知识等内容，ANN具备的泛化能力能够满足多样化的学习要求，同时ANN的自我容错能力也较为突出，即使在输入带有干扰噪声信号的前提下，ANN仍然能够得出科学的结果，同时，由于神经元所具有的独立性，也使得ANN在执行命令进行故障诊断的过程中也能达到更快的速度。总结来说，从诊断过程来说，ES为推论过程，ANN为学习过程；从数据信息的输入来看，ES为输入知识，ANN为输入模式；从运算方法来看，ES为启发式，运用逻辑量或符号，ANN为统计式，利用数字量；从数据的处理方式来看，ES为串行，ANN为并行；从输出结果来看，ES为推论式，ANN为归纳式。

ANN的运用并不是无懈可击的，在对电力系统中的故障进行诊断时人工神经网络也存在一些问题亟待完善，例如，ANN缺乏电网拓扑结构的表达能力，所以智能化功能的发挥通常被限定在较小规模的电网之中，而要制作出能够满足更大要求的大型故障诊断处理智能网络，则还需要向ANN提供大量具有代表性特征的样本以供学习。再如，ANN在对启发性知识进行处理的过程中往往能力有所欠缺，缺乏解释能力也让ANN的算法速度控制、诊断结果显示方面产生瑕疵，对于工作人员来说ANN的诊断过程是“黑箱”，因而也不利于从业者理解诊断的结果。endprint

2.3 其他的智能化诊断方法

智能化的诊断方法作为新兴领域，现正处于如火如荼的发展之中，当前关于电力系统故障诊断的智能化办法还包括了如下内容：

（1）petri网络。该网络的应用是基于数学模式建立而成的，通过对系统中各个元件间的关系架构为基础，从而对系统中同时、循环或按次序发生的活动运用网络予以表示。在输电网络运行过程中，当各类、各级系统出现故障时，petri网络能够对故障点进行切除并加以描述，将petri作为工具结合概率信息加权表示，从而为建模与诊断提供行之有效的决策办法，此种方法既满足快速、简便的使用效果，同时也保障了故障概率的信息值形式能够为工作人员带来具有启发式的信息内容。

（2）小波分析。該种诊断分析是近年兴起的一种时频分析办法，小波分析（如下图1所示）是在Fourier分析基础上发展而来的，对时频的局部变化具备良好的适应性，并且对信号适应也能达到多尺度“变焦”的分析效果，可以对非平稳的信号进行良好的处理。小波分析能够满足多重分辨的能力，对刻画信号的局部特性予以清晰辨识，所以利用该类时频分析法能够符合信号探测的需求，也能对瞬态反常的现象予以展示。将小波分析运用在RTU子诊断模块之中，便可以有效避免因信号干扰而造成的误诊情形，从而大幅提高了故障诊断的准确程度。

（3）模糊理论。通过将经典的集合理论予以模糊化，并引入至近似推理与语言变量的模糊逻辑中，从而构建出完整的推理体系，这种理论的建立也更加接近于人们的表达习惯。由于电力系统中爆发的故障问题通常具有分散性特点，因而运用模糊理论对电力系统信息进行推理，也能更好的解决分布式的故障问题。为了使工作人员便于操作，当前已开发了模糊知识与图形建模的学习平台与故障信息的专门管理系统，

（4）遗传算法。对自然界的生物进化情况进行模拟，从而得出优化计算模型，也能为人们解答复杂问题提高新的思路。遗传算法能够对信息庞杂、概率较大的问题运用最少时间求出最优解，经过大量的实践测试表明，将此种合理的计算方法运用到电力系统的故障诊断中，也能够切实提高诊断的有效性与准确性。

3 结语

由于受到气候环境、人为干扰等主客观原因的影响，电力系统中出现故障也是难以彻底避免的，所以做好故障诊断策略研究，尤其是及早查找出故障原因、切断故障点并恢复整个电力系统的正常运行也成为从业人员日益关注的话题。因此，只有不断强化智能化诊断方法研究，并将这些有益经验积极运用到实践中去，才能提高电力系统的稳定性，进而促进电力行业迎来更好的发展。

参考文献

[1]曹荣，刘翠娜.浅谈电力系统故障诊断中的智能化方法与应用[J].信息通信，2013，（09）：133-134.

[2]郭步阳.试论人工智能技术在电力系统故障诊断中的应用[J].科技创新与应用，2015，（34）：206.

[3]赵启纯.人工智能技术在电力系统故障诊断中的运用分析[J].电脑知识与技术，2017，13（02）：183-185.

[4]饶瑶.电力系统故障诊断的研究现状与发展趋势[J].中国新技术新产品，2014，（06）：29.endprint