機器學習在電力系統故障中的運用

劉津銘

（華北水利水電大學 電力學院，河南 鄭州 450045）

0 引 言

隨著科技的不斷創新，人們的生活質量得到了改善，與此同時伴隨的是用電負荷的不斷增加。這就要求電力系統具有更高的可靠性，一旦電力系統出現故障，若不及時發現并進行有效控制，就有可能使故障范圍擴大，進而造成大面積的停電和一系列不可預測的后果。本文闡述電力系統中比較典型的故障，并進行分析，提出了更加可靠簡便的檢測方法，讓系統的運行更加可靠安全。

1 電力系統故障

1.1 城市軌道交通的電力系統故障

人流量較大的城市中，軌道交通起到極其重要的作用。因此，軌道交通系統若出現故障，將會引起不可預估的后果。電力系統中，電纜線由于長時間的使用會造成線路老化，受到電動力的影響，固定點不牢固，在回路中一旦經過很強的沖擊電流則會出現電流短路，進而造成線路跳閘現象[1]。此外，城市軌道交通電力系統運行過程中，如果在調度系統、通信系統及控制系統上出現故障，就會導致地鐵列車失控，從而引發較嚴重的交通事故。

1.2 偏遠地區的輸電線路故障

我國很多地區由于地理位置偏僻，再加上氣候環境的影響，大大降低了輸電線路運行的可靠性，如果沒有及時對其進行監控，就極有可能造成大面積的停電事故。常見的輸電線路故障包括風偏故障、雷擊跳閘及線路污閃等。

1.3 電力系統繼電保護不穩定產生的故障

人們大量的生活用電提高了用電負荷，使得電力維護顯得至關重要，而電力維護中最為重要的保護環節是繼電保護。但是電力系統運行中，繼電保護系統因軟件的問題會造成對繼電器的拒動或誤動。同時，二次回路線路的老化、斷路器及繼電保護輔助裝置等硬件因素，也會對電力系統造成嚴重的后果。

1.4 電網新能源故障

近年來，由于科技的發展，新能源的開發與利用在全球受到了極大的重視。但是隨著新能源的發展以及大量地投入使用，電網的安全可靠運行面臨著巨大挑戰。規模化新能源接入電力系統時，會在電壓和電壓的穩定性、潮流及頻率等多方面對整個電網帶來影響，產生較大的擾動，造成嚴重的電力事故。

2 機器學習在電力系統故障中的運用

2.1 人工智能技術

人工智能是研究應用以計算機的軟硬件為基礎通過某些程序計算機語言或者算法來模擬人類的某些智能行為的基本理論、方法和技術。簡單地講，就是讓計算機像人一樣去處理一些事情[2]。

目前，人工智能技術被廣泛應用于各個行業，在航天器遠程操控、計算機網絡管理及教育教學等方面都發揮著舉足輕重的作用。由于人工智能技術具備較強的學習性和靈活性，若將其運用到電力系統中，將使電力系統的診斷操作更加方便，簡單。電力系統故障診斷中，主要可以利用遺傳算法、機器學習、人工神經網絡、邏輯學、專家系統、決策管理及深度學習等知識構建數學模型，得到診斷結果[2]。

2.2 人工智能對電力系統帶來的挑戰

人工智能對電力系統帶來的挑戰主要表現為：信息量大，種類較多，設施不夠完善導致對信息的處理效率不高；將人工智能應用到電力系統網絡的同時要考慮整體網絡的連接以及相關性，還要顧及人工智能系統的網絡安全性與可靠性。

2.3 機器學習算法及其在電力系統中的應用

機器學習（Machine Learning，ML）是一門涉及統計學、概率論、逼近論、凸分析及算法復雜度理論等多領域的交叉學科[3]。作為人工智能一個分支，機器學習專門研究計算機系統如何模擬或實現人類的學習行為，以獲取新的知識或技能，進而重新組織已有的知識結構，使之不斷改善自身的已有性能，可以通過一系列算法來實現。機器學習是讓計算機利用已經歸納出的數據進行總結，進而形成一種模型來對某種事情進行判斷與預測。機器學習的步驟可簡單地概括為三步，如圖1所示。第一步，通過采集的大量數據來選擇構造一個模型（一組函數的集合）。這個模型要適合所研究的問題。第二步，根據研究的問題建立一個適合系統的衡量標準進而判斷函數模型的好壞。第三步，準確快速地找出適合系統衡量標準的函數，最后要代入系統進行測試。

圖1 機器學習算法步驟

近年來，隨著科技的發展，人們不斷地研究創新，致使機器學習迅速發展，其適用性已在電力系統檢測中得到明顯體現。用機器學習來對電力系統故障進行檢測，需要直接或者間接地獲取一些能夠反映電力系統運行質量的數據，然后通過這些數據對系統進行判斷及預測。

首先，要數據采集。電力系統是一個龐大而復雜的結構，包含的數據信息不僅種類較多，而且涉及范圍廣，因此要找到反映故障的本質點。例如，直流匯集系統發生直流雙極短路故障時，要對換流器及變流器進行監控；IIREG故障時，對母線短路點進行檢測故障數據總結；電路二次側保護繼電器拒動或誤動時，要對繼電器進行數據歸納。對過去幾年或者十幾年的數據進行預處理。為了保證數據的全面性和可靠性，可以對不同系統在不同電力負荷、不同故障以及發電機不同出力情況下進行樣本采集。

其次，通過機器學習算法將數據進行總結，構建數學模型。電力系統中發生的故障不同，其故障模式也大不相同，可以收集相對應故障模式下的故障數據組，將大量的數據組通過傳感器輸入到機器學習算法模型中，并反復訓練和學習。當模型學習了大量數據信息后，就可以在電力系統中投入使用，可以對產生的故障點進行判斷，從而準確找出發生故障的位置，同時還可以對故障進行預測，防范于未然。圖2為機器學習運用于電力系統的流程圖。

圖2 機器學習運用于電力系統的流程圖

3 結 論

電力負荷的增加給電力系統帶來了嚴峻的問題和巨大的挑戰。但在大數據的背景下，人工智能不斷發展、進步，電力系統將會與時俱進。因此，要切合實際更好地將機器學習算法運用于電網行業，以更加積極地應對電力系統中發生的故障。