人工智能技術在電氣自動化控制中的應用研究

楊小敏

（國網山東省電力公司東營供電公司，山東 東營 257100）

在全新時代背景下，人工智能技術在電氣工程中應用前景廣闊，逐漸取代了傳統的手動控制與自動控制方式，由智能控制系統基于程序運行準則和決策分析結果下達控制指令，把控電氣工程運行過程，電氣控制精度與整體運行效率得到明顯提升。但由于人工智能技術應用時間尚短，實際應用場景有限，如何將人工智能技術應用范圍涵蓋至電氣自動化控制的各個方面，是當前一項重要課題。

1 人工智能技術概述

1.1 技術概念

人工智能概念最早在1956年Dartmouth 學會上被提出，被一致認為是一種負責模擬、延伸與擴展人類智能方法技術的新興科學。隨著科技水平的持續提高以及計算機視覺、自然語言處理、機器學習、模糊邏輯算法等技術的問世，多項外圍技術共同構成實質意義上的人工智能技術，可以模擬人類思維方式進行決策分析、判斷與執行指令。簡單來講，在無人工干預條件下，模擬人類思維方式來判斷問題，尋求最優解答案并將其付諸行動[1]。

1.2 技術應用價值

在電氣工程中，相比于傳統控制方式，人工智能技術價值主要體現在減少成本、提高控制精度、節省人力資源3個方面，具體如下。

減少成本。人工智能憑借卓越的現場控制與環境感知能力，既可以保證電氣設備始終維持良好運行工況，避免因執行錯誤操作指令而出現不必要的物料損耗、設備燒損問題，由此節省物料成本，延長設備實際使用壽命。同時，也可以根據生產要求與現場環境的變化而實時調整設備負荷，避免因電氣設備長時間保持滿負荷、超負荷狀態而造成電能浪費，系統運行能耗居高不下。

提高控制精度。在早期電氣自動化控制系統中，主要采取遠程控制、自動控制2 種方式，遠程控制是由工作人員遠程掌握系統工況與下達控制指令，自動控制是由系統基于程序準則、預導入方案來下達控制指令，如果現場環境發生明顯變化，或是工作人員決策錯誤，都會對控制精度造成明顯影響。相比之下，人工智能技術有著強大的邏輯運算與環境感知能力，根據系統運行要求來制定控制方案，并在現場環境等要素發生變化時，重新尋求最優解答案，對控制方案內容與各項參數的整定值進行優化調整，始終維持高水準的控制精度。

節省人力資源。人工智能技術可以模擬人類思維方式進行決策判斷，在系統運行期間出現超出預先導入控制方案預期的突發狀況時，系統可以準確判斷現場情況、運行工況和問題形成原因，根據智能算法輸出值來調節控制方案內容，如調整電氣參數的整定值。如此，除去電氣設備檢修、零部件更換等少數工作外，其他流程無需工作人員深度參與，在無人工干預條件下維持電氣工程良好運轉，起到節省人力資源、縮減工作團隊規模的作用。

2 人工智能技術在電氣自動化控制中的主要應用場景

2.1 電氣設備設計

電氣設備是電氣自動化控制系統的重要組成部分，設備使用性能決定著系統控制能力的上限、下限。為間接改善電氣工程運行效果和電氣控制效果，需要在電氣設備設計場景中應用到人工智能技術，賦予電氣設備一定的智能決策與環境感知能力，在面對突發狀況時，可以在無人工干預前提下自動執行相應動作，以此來恢復設備正常運行工況。例如，在電氣設備上加裝微型控制器與執行元器件，當監測到設備處于異常狀況時，由控制器判斷設備狀態，向執行元器件下達暫時斷路、充電放容等控制指令。

2.2 故障預警

在電氣控制系統運行期間，借助傳感器等終端感知設備，持續采集現場環境參數與電氣參數，包括工作溫度、電流值、電壓值等，將現場監測信號提交至系統后臺。隨后，對監測信號進行預處理后轉換為可識別數字量，對比監測值與整定值，如果二者偏差程度超標，或是運行參數處于異常波動狀態，表明電氣系統實際工況與預期情況不符，由系統自動發送故障預警信號，幫助工作人員快速發現故障問題并采取處理措施，避免因故障發現不及時而造成電氣設備燒損等嚴重損失。在故障預警場景中，相比于自動控制技術，人工智能技術的優勢在于，除對比實時監測值與整定值的預警手段外，系統將對所采集現場監測量進行邏輯分析，根據一段時間內參數變化情況，掌握電氣設備運行工況，判斷是否存在設備故障前征兆，在識別到故障征兆后即可報警，無需等到出現實質性故障問題后再發送自動報警信號[2]。

2.3 故障排查診斷

首先，在故障排查場景，通過配置PLC 控制器等裝置，在電氣自動化控制系統中設立若干自檢信號，依托智能芯片，采取圖像處理、電路診斷和頻率參數分析等多種方法，定期對高壓變壓器、電機等電氣設備的運行狀態進行檢查，逐項排查電氣設備是否出現各類型故障問題，在檢測到設備故障，或是設備運行參數曲線變化與故障特征相似度達到一定標準后，判斷設備故障問題出現，進而觸發故障預警、故障診斷等其他程序，完成故障排查任務。而故障排查原理在于，由系統持續采集設備數據和故障維修數據，對所采集數據進行清洗、解析、補全、標注處理，再由人工智能引擎從中提取關鍵特征量并開展模型訓練作業，預測設備剩余使用壽命和判斷是否出現故障。

其次，在故障診斷場景，依托專家智庫，根據故障設備運行參數變化情況，從中調取相似度較高的故障案例作為樣本數據，對比故障設備參數與同類案例中的電流、電壓等參數量變化曲線，根據對比結果來確定故障類型、故障形成原因和鎖定故障點位，并憑借智能算法，自動生成故障診斷報告、應急處置方案和設備檢修方案。同時，工作人員也可使用系統的溯源分析工具，從系統數據庫中調取故障出現前后的設備運行數據，掌握設備故障發展情況，對比溯源分析報告與故障診斷報告是否一致，為故障診斷精度提供雙重保障。

2.4 電氣設備閉環邏輯控制

在電氣設備控制過程中，人工智能技術將采取閉環邏輯控制方式，把受控對象的狀態信息反饋到輸入端，對比輸入值和反饋信息，根據二者偏差情況來下達相應糾偏指令，直至系統輸出情況達到預期要求為止。如此，在無人工干預前提下，系統可以自動糾偏受外部環境、設備老化、設備長時間運行等因素影響而偏離的運行參數，避免參數誤差持續積累而引發設備故障等一系列連鎖問題出現。如此，工作人員僅需提前編寫控制程序、設定各項參數整定值與劃定偏差范圍、不定期檢查系統運行狀況和著手解決設備故障等突發問題，即可保持電氣設備乃至電氣工程的良好運行工況，無需全程參與到電氣控制過程當中，這有利于簡化控制流程與減輕工作負擔。此外，考慮到現場環境與設備狀態并非一成不變，由電氣控制系統定期對既定整定值的合理性進行分析，綜合分析現場環境條件、控制要求、電氣設備運行狀況等因素，重新計算電壓、電流、電機轉速等電氣參數的最佳整定值，從而解決現場環境等要素發生變化后固有整定值缺乏實際參考價值的問題。

2.5 狀態監測

在早期電氣工程中，所構建電氣自動化控制系統的故障處理能力有限，秉持著被動控制理念，往往是在設備故障出現后，再采取自動報警、故障診斷、切斷故障部分與正常部分連接等措施，造成耽誤生產活動開展等實質性損失。對此，需要在狀態監測場景中應用到人工智能技術，根據實時采集數據與歷史運行數據，預測未來一段時間的設備運行工況，判斷超載、欠壓、過流等故障的出現率，在故障出現率達到相應標準時，立即采取調節設備運行參數、設備停機檢修等處理措施，將電氣設備故障隱患消弭于無形，避免出現設備故障并造成實質性損失。

3 人工智能技術在電氣自動化控制中的應用策略

3.1 建立中央控制智能系統

在電氣自動化控制系統運行期間，各臺電氣設備間保持緊密的內在聯系，在任意一臺設備出現故障問題或處于異常工況時，會對相連設備運行狀態造成明顯影響，嚴重時造成設備大范圍癱瘓運行的后果。針對這一問題，需要依托人工智能技術來建立中央控制智能系統，采取集中監控方式，全面采集所接入電氣設備與現場環境的監測信號，形成一套完全覆蓋電氣工程的控制系統，以及在各臺電氣設備與控制系統間形成一個信息網[3]。簡單來講，則是把電氣工程視作為一個整體，解決電氣設備缺乏聯動控制的難題。例如，在單臺電氣設備出現故障問題后，系統根據已掌握信息，準確判斷設備故障問題對其他電氣設備與電氣工程造成的具體影響，采取切斷故障部分與非故障部分連接、調整相關聯設備控制方案內容等措施，最大程度地減小設備故障對整體運行狀況造成的影響。

3.2 組合應用人工智能與大數據技術

現代電氣工程有著規模龐大的特征，接入大量電氣設備，在控制過程中需要持續采集海量信息、處理復雜邏輯問題。在這一工程背景下，微處理器、PLC控制器等裝置的運算處理能力有限，在同時處理多項復雜問題時，容易出現系統卡頓、程序并發無序運行等問題，難以在短時間內提供運算處理結果，進而對電氣控制效果造成影響。例如，在多臺電氣設備同時出現運行故障時，要求計算機工作站同步進行故障診斷，診斷周期有所延長，故障設備受損程度隨時間推移而持續加劇。

對此，需要組合應用到人工智能與大數據技術。在電氣自動化系統運行期間，正常情況下由計算機工作站、現場分處理器共用完成運算分析任務，用于判斷設備狀態、檢查是否出現故障問題。而在出現設備大面積故障、現場環境明顯改變等突發情況，或是執行設備狀態預測等較為復雜的操作時，則將運算任務提交至大數據平臺，采取分布式計算方法，由多臺服務器完成獨立計算任務，把計算結果匯總整理后提交至電氣自動化系統，在極短時間內完成復雜運算任務，獲取準確結果。對這2 項技術的組合應用，既可以顯著改善電氣控制效果和提高決策精度，還可以擺脫硬件設備性能與數量造成的限制，僅需在控制系統中配置少量微處理器、控制器等裝置，并保持電氣控制系統與大數據平臺的通信連接狀況，即可滿足實際控制要求，把電氣控制系統乃至電氣工程的建設成本控制在合理范圍內[4]。

3.3 強化人工智能自學習能力

人工智能技術具備自學習能力，通過模型訓練來提高系統決策分析能力，模型訓練時間越長，所提供樣本數據越多，則系統決策分析能力提升幅度越大。對此，為深挖人工智能技術價值，持續提升電氣自動化控制系統的智能化程度，需要進一步加大人工智能模型訓練量、豐富專家智庫樣本類型與增加樣本數量，由智能控制系統在不同假定條件下開展運算分析操作來獲取最優解答案。例如，Tesauro 在TD-Gammon 棋類程序中便采取機器學習算法，該款程序陸續進行150萬次的自生成對弈模型訓練，決策分析能力達到人類頂尖選手的專業水準，在后續棋類比賽中取得39∶1的良好成績，充分論證了人工智能技術的自學習價值[5]。

4 結語

綜上所述，人工智能技術的問世，為電氣自動化控制提供了全新方向，系統可以在無人工干預前提下完成更為復雜的控制任務，是提升電氣控制水平的重要舉措。從業人員理應認識到人工智能技術的應用價值，加大技術應用推廣力度，在故障排查、故障診斷等場景中做到落地應用，依托人工智能技術來打造新一代的電氣自動化控制系統，推動中國電氣事業的健康、穩步發展。