电力系统自动化智能技术在电力系统中的应用

2022-12-22刘艳

通信电源技术 2022年16期

关键词：最优控制模糊控制管控

刘艳

（国网陕西省电力有限公司营销服务中心（计量中心），陕西西安 710000）

0 引言

在电力系统自动化和智能化技术领域，结合高效化控制技术的使用是必不可少的，各体系相互配合、相互协调，提高了整个电力系统的运行效率。企业需要参照电力系统的运行状况，完成对智能化技术定向化的开发，并完善相应的智能控制体系，以提高管控效率。

1 电力系统自动化以及智能化技术概述

电力系统自动化是当今数字化、信息化时代所衍生的一类全新概念，在电力系统运行过程中，其内部的各项软硬件设施高效运行，各设备、各流程、各体系处于协同运行的状态。新时期，随着我国电力系统运行负荷的不断提升，如果仍然依靠传统的人工管控方式来对设备系统进行操作管理，则无法提高工作效率，实施电力系统自动化改造是当今社会经济快速发展环境下的新需求。电气自动化使用范围相对较为宽广，在变电、输电、电力调度甚至发电环节均能提高整个体系的运作效率。自动化控制技术结合网络技术、信息技术、计算机软件技术以及先进的管控技术，模拟人工操作来完成对电力系统高效化的管控，提高了运维人员对整个电力体系的管控效率。总体来说，电力系统自动化实现了自主检测、自动控制、自主管理，能够完成自动生产、自动运输、自动调度，如图1所示，提高了整个体系的运作效率。除此之外，电力系统自动化在线损管理、故障管理、故障分析层面均具有广泛应用，能够提高整个体系的综合运行水平。

图1 电力调度

当今数字化、信息化时代，计算机、网络、物联网技术取得了快速发展，并且随着人工智能系统的进一步优化完善，结合生物测定技术，计算机也具备了模拟人类行为和思考的基本功能，相关系统具备较强的学习能力、适应能力，能够对电力系统内的各项管理工作进行科学高效的组织，可以完善对数据信息的收集、整理、分析，完成对电力系统的调整。智能技术在电力系统中的使用具备较大的优势，能够实时高效地反映出设备当前的运行状态，给予其自动化解决问题的策略。智能技术能够对电力系统自动化控制中存在的非线性以及不确定的问题实施定向化管控，并依托专家控制、模糊控制、神经网络控制以及综合线性控制，提高了整个电力系统的运作水平，保障电力供应安全和稳定[1]。

2 实践应用分析

2.1 神经网络控制系统的应用

在数字化、信息化时代，神经网络控制技术取得了长足发展，该项技术模拟人脑神经元的运作机理，结合神经控制理论，可以完成对非线性问题更加理性化、高效化的分析。神经网络控制系统具备完整的模型结构，在其中需要植入特定的学习算法，将电力系统内部的各种运行机制以及运行体系进行综合全面的管控，并且对各设备体系进行科学合理地配置，提高对故障问题的识别效率，提高系统的响应速度，确保运算结果更加精确可靠，如图2所示。神经网络控制技术借助神经元理论，使得电力系统具备对问题进行高效分析的能力，同时该项技术也具备强劲的学习能力，能够提高对数据信息的处理效率。神经网络控制技术能够有效代替人工控制，实现对系统故障问题自主高效的检测，同时在神经网络控制系统中还与其他智能技术进行了有效整合，实现对电力系统中各项设备故障问题实时高效的诊断分析，通过对数据信息的自动获取、自动分析，降低设备的运行损耗，提高了整个体系的运作效率。人工智能技术中所涉及到的神经网络控制技术尚且处于发展起步阶段，近年来也取得了更加全面的发展突破，其应用范围进一步拓宽[2]。

图2 神经网络控制

2.2 线性最优控制

电力企业在电力系统自动化运行管理过程中也需要实现对整个体系中的各项设备、各项管理流程最优化的控制，最优控制是当代控制理论中不可缺少的关键要素，借助最优控制也能够实现对各项资源综合全面的分配和使用，如图3所示。线性最优控制能够提高电力系统内部各设备的效率，减少设备非计划停止运行的时间。线性最优控制在现代控制理论中相对较为成熟，如在电力系统中结合最优控制能够实现励磁管控，提高远距离输电效率，提高电力传递品质。相比较于古典励磁管控方式，最优线性励磁控制具备显著的管控效果。

图3 线性控制

此外，在水轮机发电环节，结合最优线性控制也取得了较好的管控成果，电力企业在结合线性最优控制理论的基础上也开发出了最优控制器，在输电、生产管理过程中发挥着巨大的作用。在该环节，电力企业也需要参照电力系统来完成对现行最优控制理论以及相关软硬件设施的建设打造，参照电力系统的运行特征，匹配系统内部的各项软硬件设施，提高系统的运行效率。总体来说，线性最优控制在整个电力系统运行环节具备显著的优势，能够对电力系统中现行的设备系统进行定向化管控，减少整个系统的运行能耗，提高整个体系的运作效率。除此之外，线性最优控制在现场管理方面能够帮助系统运维人员和电力营销人员快速锁定线损故障问题，采取行之有效的管控措施降低设备能耗[3]。

2.3 模糊控制

模糊控制可以对电力系统中非线性运行问题实施更加精确、高效的管控。在传统电力自动化运行环节，由于系统中存在大量不确定的因素，相关工作人员在实施电力管控的过程中无法提高自身的工作效率。同时在管理非线性问题时，相关工作人员也无法寻找到特定的管控规律，从而出现系统设备拒动、误动的现象。在该环节，结合动态模拟精确化管控技术的使用必不可少，而在该技术体系中又涉及模糊控制理论和相应的模糊控制技术，能够对系统中的各项变量进行精确化管控。模糊控制技术依托成熟完善的数学模型、数学理论，结合人工推理方式，提高了对整个电力系统故障隐患问题的识别管控效率，依托先进的技术算法，提高了整个系统运行的适应性和准确性，提高对故障问题动态化的掌控效率，并且还能够有效解决电力设备在运行期间所存在的非线性故障问题。模糊控制理论在当代控制体系中的使用相对较为常见，但是电力企业在结合相关控制理论使用的过程中，需要参照电力系统的运行状况，构建成熟完善的数学模型，以此提高管控效率[4]。

2.4 专家控制

电力企业依托专家系统完成电力管控需要构建成熟完善的数据库。在数据库中电力企业需要对电力系统的运行状况进行分析、评估，收集电力系统在运行期间所产生的各类数据故障问题，结合专家管控理论，对特定的问题进行及时、高效的识别，提出行之有效的管理方式，完成系统恢复。例如专家系统控制，依托相应的工作经验库，可实现对电力系统负荷问题、故障问题更加高效的管控，快速隔离故障源，实现配电、输电自动化、智能化管理，但是专家系统控制理论只能针对已经出现过的系统故障问题进行管控，而在每一次设备革新、系统更新之后通常会出现各种各样的新问题，此时专家控制系统所存在的劣势便进一步显现出。虽然专家控制系统具备相应的局限性，但是也是当代电力自动化控制中不可缺少的重要元素，电力企业需要加大对知识库的构建力度，对复杂问题进行综合全面的分析，开发特定的专家系统，注重对专家系统的更新优化，以提高管控效率。

2.5 综合智能控制

电力企业在自动化管理过程中结合人工智能技术的使用能够提高系统的运行效率，但是人工智能系数涉及较多的种类，如专家控制、模糊控制、神经网络控制，不同的控制体系、控制机制均存在不同的管控中心和方向。例如专家系统控制只能够对既存在的故障问题实施管控，虽然其具备较高的管控精确度，但是对新问题却无法进行有效识别。而神经网络系统以及模糊控制理论能够对新故障问题进行实时高效的分析评估，集合神经网络系统的深度学习算法，能够对新故障进行识别、分析，模拟人脑的思考方式，对故障问题进行综合全面管控。综合智能系统是一类集成化的系统，可完成对电力系统内部不同故障源的分工处理，如对既定存在的故障隐患问题可依托专家系统提高系统响应速度、处理效率；而对于新故障问题，可结合神经网络以及模糊控制来实现深度学习探究，实现对非结构化数据信息更加高效的处理管控[5]。