APP下载

电力系统故障诊断的研究现状与发展趋势

2021-11-22欧阳圣睿

电气传动自动化 2021年4期
关键词:人工神经网络知识库遗传算法

欧阳圣睿

(长沙理工大学,湖南长沙410000)

我国工业经济的高速发展对电力能源的供给提出了较高的要求,电力系统的规模得以进一步扩大,系统内部的组织架构形式也越来越复杂,这给工作人员诊断和排查系统故障带来了一定难度。在当前人工智能迅速发展的大背景下,以智能化为导向发展的电力系统正常安全运行为基本前提,而这离不开高质量的电力系统故障诊断工作。在电力系统故障诊断工作中,准确找到导致故障的零部件,从而判别故障发生的位置和故障类型,是整个诊断过程的关键所在。当诊断出故障所在位置并掌握与之相关的其他信息后,工作人员需要及时解决故障问题,否则就会导致停电事故发生,影响居民的正常生活。本文基于电力系统故障诊断工作的重要现实意义,探讨了相关技术手段的研究现状和未来发展趋势。

1 电力系统故障诊断国内外研究现状

近年来,由于受到经济高速发展的影响,全社会都在对电能提出源源不断的高需求,如下图1所示。

图1 2015-2020年全社会用电量及增速情况(单位:万亿千瓦时,%)

1.1 专家系统技术

专家系统技术是当前普遍应用且较为成熟的诊断技术中发展时间最长的一项智能化技术。专家系统技术,顾名思义,是指将各个领域专家学者有价值的专业理论知识和相关经验等信息储存在一个智能计算机系统中。当遇到某一领域的问题时,通过检索功能寻求相应的解决策略,即跨越时空利用曾经的专家知识和经验来解决现在的问题。

通常,专门用于存储专家系统技术的智能化计算机系统是由专业知识库、数据来源、推理机器、咨询说明、知识学习和人机交互界面这六个具备不同功能的模块组成。专业知识库和推理机器共同作为系统程序的核心模块,其中,专业知识库的功能是存储被搜集用于解决待解决的某些领域问题的专业知识和该领域专家的相关经验,而推理机器的功能则是控制和协调以确保整个系统程序的正常运作。

在电力系统中,专家系统技术的应用机制主要是由工作人员将断路器和保护器的动作逻辑和专家的实践经验相结合,以计算机系统程序能够理解和接受的形式录入系统专业知识库。当发生故障时,推理机器通过综合分析电网发出的报警信息和专业知识库中的相关信息诊断出具体的故障所在位置和类型等,并将这些诊断信息和可供参考的解决策略发送给电网调度员。

专家系统技术的发展为电力系统故障诊断工作带来了巨大的便利,简化了诊断故障工作中的解析过程,大幅度提高了工作效率。但是,专家系统技术在当前互联网技术越来越复杂的背景下也存在许多局限性,诸如工作人员对专业知识库的应用灵活程度不够高且不具备自主学习的能力,仅停留在浅显理论知识层面,这就造成工作人员在运用专家系统技术开展故障诊断工作时出现误判情况。

1.2 模糊理论方法

模糊理论方法是指对一系列的经典理论进行模糊化处理,近似于推理体系模糊逻辑应用的智能化技术。模糊理论系统程序的构成相对于专家系统显得较为简单,仅由模糊知识库、模糊推理机器和人机交互界面三个模块组成。模糊理论方法在应用时,依托于接近人们日常表达思维模式的语言变量,同时近似推理的体系也使得这一过程中推理逻辑模糊化,从而为上述专家系统技术的应用提供了更多的容错空间,这样两项技术相结合适用于解决各类具有不确定风险因素的问题。

当模糊理论方法被应用于电力系统故障诊断工作中时,根据实际开展诊断工作时依据的报警信息正确与否需要分两种情况分别讨论下一步操作。由于模糊理论方法的应用基础是近似的推理体系,因此在实际应用时需要与其他技术结合共同构建一个完善的逻辑体系。

1.3 人工神经网络方法

人工神经网络方法是人工智能在电力系统故障诊断领域的重要应用技术之一,其主要工作原理是通过模拟人类神经网络中各类信息的传输机制和处理方法等实现在电网中信息的高效传输和处理。在应用人工神经网络方法时,同样首先需要对相关领域的专家知识和经验等收集和整理,依据实际发生的故障案例类型分类存储在特定知识库中,这样可以免去后续的重复操作,提高工作效率。人工神经网络处理方法在实际应用过程中,依托于类似神经元元件存储解决问题的相关知识和经验等信息,这些神经元既相互独立又能够实现有机结合,具备较强的自主学习能力和组织能力,同时也拥有充足的试错空间,从而取代了推理机器模块。

采用人工神经网络方法能够实现高质量的推理过程,这一显著优势吸引了大量的专家学者在该领域开展研究工作。然而,人工神经网络方法在电力系统故障诊断工作中的应用同样也存在许多问题,尤其是在大型电力网络中,如诊断结果的精确性需要完备的样本作为支撑;对某些输出结果无法给出合理的解释;容易陷入局部最优的陷阱,而不是实现整体最优等等。

1.4 遗传算法

遗传算法最早是依据达尔文的生物进化论中有关生物进化过程中的自然选择机制和遗传学原理等相关理论提出的用于寻求整体最优解的一种优化算法。遗传算法主要是依据大自然中生物弱肉强食的自然选择机制,基于遗传学原理在可能存在解决方法基因的群体中选择适合繁衍的部分群体,通过遗传不断优化群体基因,并最终寻找到其中的最优个体,即找到满足整体最优要求的解决方法。

遗传算法有效应用于诊断工作的前提是将诊断故障问题视为寻求最优解的问题。电路在发生故障时可能存在由于断路器和保护器等元件等共同导致的故障,这种情况的形成原因相对复杂,因此利用遗传算法可能会得出几个不同的故障原因,即在优化问题中意味着有多个最优解。而这种可以在报警信息不完善的情况下得出多种可能情况的最优解也是遗传算法的一大优势,为遗传算法的逻辑严谨性提供了保障,同时也有效推动了遗传算法的普及和应用。

2 电力系统故障诊断未来发展趋势

尽管上文中已经提到集中当前应用较为广泛且发展较为成熟的电力系统故障诊断技术,但是这些技术仍然无法全面地覆盖电力系统中实际发生的所有故障。因此,针对电力系统中待解决的故障问题其研究方向是电力系统故障诊断未来发展的重要趋势。

2.1 完善报警数据信息

不论是采用哪一种方法开展电力系统故障诊断工作,都必须依据系统内部的报警信息开展下一步操作,但是,电力系统自身提供的报警信息通常都存在缺失甚至有误的情况,这不利于正常诊断工作的开展。因此,电力系统故障诊断的未来发展趋势之一是不断完善自身提供的报警数据信息,同时努力实现在信息不完善的情况下高质量完成故障诊断工作。后者要求工作人员在开展故障诊断工作时,首先要在信息不完善的前提下进行假设研究,然后有效结合多种技术方法弥补不完善信息带来的漏洞,继而完成高质量的诊断工作。

2.2 采用多元化智能方法

随着科学技术水平的不断提高,尤其是近年来人工智能发展的势头十分喜人,有机结合多种智能方法开展电力系统故障诊断工作显然会比仅采用单一的技术手段取得更加高效的工作成果,采用多元化智能方法也是电力系统故障诊断未来发展趋势之一。这就要求工作人员首先需要熟知现存的每一种智能方法,包括方法设计的专业理论知识和具体实践方法,以及这些方法存在的优势和局限性。在此基础上,工作人员在实际开展故障诊断工作时,针对不同的实际故障,有效结合能够实现互补的几种智能方法并应用于诊断过程中,将会提高诊断工作的效率和诊断结果的精确性。

2.3 推进理论实用化研究

当前关于电力系统故障诊断领域的研究数量多且范围广,但是大部分都仅仅停留在理论层面的研究,缺乏实用方面的研究,同时由于电力系统故障诊断本身就具备较强的实践性特点,因此推进该领域的理论研究,转向实用化研究也是电力系统故障诊断的未来发展趋势之一。应用于电力系统故障诊断中的各项技术都与人工智能和互联网计算机技术等现代化信息技术存在密切联系,因此,推进这些技术的相关研究实用化,有利于电力系统故障诊断工作的高质量开展,还将对现代社会的全智能化进程起到重要推动作用。

3 结论

电力系统的正常安全运作关乎全体居民的日常生活和工作,因此,相关管理部门必须确保电力系统不会出现任何影响正常运作的故障问题。当前,基于人工智能等高新信息技术开展的电力系统故障诊断技术研究规模较大,主要是围绕专家系统技术、模糊理论技术和模拟人类神经网络方法这几种技术方法展开的。为了进一步推动电力系统故障诊断工作的高质量开展,相关工作人员必须着眼于完善报警数据信息、采用多元化智能方法和推进理论研究实用化,将这些作为电力系统故障诊断工作未来发展的趋势。

猜你喜欢

人工神经网络知识库遗传算法
利用人工神经网络快速计算木星系磁坐标
基于TRIZ与知识库的创新模型构建及在注塑机设计中的应用
人工神经网络实现简单字母的识别
滑动电接触摩擦力的BP与RBF人工神经网络建模
一种基于遗传算法的聚类分析方法在DNA序列比较中的应用
基于遗传算法和LS-SVM的财务危机预测
高速公路信息系统维护知识库的建立和应用
软件发布规划的遗传算法实现与解释
基于改进的遗传算法的模糊聚类算法
基于Drupal发布学者知识库关联数据的研究