人工智能在電網故障診斷中的應用

楊劍 顧葉青

南瑞集團有限公司（國網電力科學研究院有限公司），南京 211000

引言：

隨著當前的人工智能越發火熱，關于人工智能的運用當前已經有了非常龐大的覆蓋面，其中電網故障由于電網覆蓋面積大，人員短缺以及診斷難度較大等一系列問題，導致電網故障診斷較難進行實現，人工智能的出現對電網系統能夠有有效進行監測起到了非常重要的作用，因此在未來，人工智能在電網故障診斷方面一定有著非常廣闊的發展前景。在當前對人工智能在電網方面的運用主要有以下幾種措施。

一、診斷系統結構

診斷系統結構主要就是對故障的信息進行分析，例如在電網故障發生的時候，電網中各種相關的元件就會出現做出繼電保護的行為，能夠有效對故障進行預處理，隨后根據周邊的傳感器，將故障信息發送給神經網絡的模塊中進行檢測，這樣就能夠路有效對電網的運行進行監控，同時對故障進行診斷，能夠有效提升電網的故障診斷的實效性，同時也能夠讓電網工作中一旦出現故障的時候，短時間的故障保護不會對現場造成電網系統造成太大的影響。

二、元件神經網絡診斷

隨著我國基礎設施建設的完善，電網設施作為電力系統中較為重要的一個基礎設施類型，在發展上已經較為完善，在當前龐大的規模中，想要對電網元件進行檢修，這是非常困難的一件事情。因此在這樣的情況下，可以利用BP 神經網絡以及GRNN 將電網的主要元件進行連接，其中包括變壓器、線路以及母線，通過將電網分割為不同的區域，這樣讓電網中的元件能夠成為電網神經構成的一部分，這樣一旦出現問題的時候，能夠極快的進行部位的確定，通過這樣的方式，能夠有效對電網中的故障進行確認，讓元件的檢測能夠更好的進行。

三、變壓器神經網絡模塊

神經網絡模塊主要是通過瓦斯保護、差動保護、后備保護以及接地保護等多方面進行神經網絡的保護，如圖1 所示，初次在外，神經網絡模塊也能夠為改平的閉鎖距離保護，通過對后備電流進行保護，這樣保護的線路就能夠達到較長的長度。這樣在發信原件以及閉鎖信號的中間，可以進行有效的后備保護，這樣就能夠讓神經模塊能夠較好的進行，如圖二所示。最后則是對母線神經網絡模塊進行保護，母線的保護與上述的保護幾近相同，主要的差異就是在保護的過程中使用的是電流差動保護，后備的保護則是主要運用過電保護這樣的方式，主要因為母線電流過大，因此在控制上需要進行一定的研究。

圖一：變壓器神經網絡模塊

圖二：線路神經保護模型

四、復雜故障的處理

電流中故障主要發生在內部，因此在對內部的故障進行確定的時候，主要是對神經網絡進行一定的設置。由于神經網絡在發生電力故障的時候，元件本身神經網絡的模塊由于故障的復雜導致無法直接作出診斷的結構。這個時候就需要元件神經網絡的模塊對故障進行外部偵測，這樣作家的好處就是能夠讓繼電保護裝置能夠正常運轉，對該部分的電網功能進行保持，隨后則是利用人工智能中存在的模糊搜索功能，對出現的問題進行模糊搜索，這樣就能夠對故障進行確認，最終名找出其中的解決方法。

五、測試系統

在BP 神經網絡建設完成之后，就應該對其進行測試，測試主要是為了能夠在使用的時候對其使用的范圍以及使用的功能進行足夠的確認，防止在使用的過程中出現問題，并且測試的時候能夠有效對其參數等方面進行收集，從而能夠更好的對具體的運用做出規劃。

在該系統的測試過程中，主要應該經過以下幾方面的測試，首先是對故障的敏感性測試，該系統主要是面對電網故障進行使用的，因此在測試的時候對故障的敏感性自然是首先需要進行測試的，其次就是對其故障準確率進行數據的收集，這樣就能夠有效對其作出分析，從而依靠分析的結果，對不足進行補充。最后則是對系統運行的穩定性進行測試，這種測試一般使用的時間比較長，主要是考慮在各種環境下，該人工智能系統能否承擔起對電網故障測試以及反饋的任務，會議單最終的效果進行確定，那么就是對該系統進行實施了。

在實施的時候，主要是需要注意以下的問題，首先就是在實施的過程中，應該確定一定的試點，這樣在實施的過程中，對電網工作人員的數據進行收集，設計的時候，以及最終實施的時候，雙方由于立場不同，因此對同一事情有不同的習慣，很有可能設計人員對人工智能的使用習慣與使用人員的習慣之間存在出入，因此在使用的過程中會出現一定的問題，因此只有通過實測才能夠對其進一步完善，這樣才能夠讓使用中不會出現任何問題。

六、結束語

綜上所述，當前人工智能技術在電網故障檢測中已經能夠初步進行使用，尤其是上文中所述的BP 神經網絡系統，在未來的電網故障檢測中，只需要對其進行足夠的完善，這樣的方式自然能夠減輕電網故障檢測人員的工作強度，進而讓電網故障檢測有著更加廣闊的前景。