電力系統自動化智能技術在電力系統中的應用

劉 艷

（國網陜西省電力有限公司營銷服務中心（計量中心），陜西 西安 710000）

0 引 言

在電力系統自動化和智能化技術領域，結合高效化控制技術的使用是必不可少的，各體系相互配合、相互協調，提高了整個電力系統的運行效率。企業需要參照電力系統的運行狀況，完成對智能化技術定向化的開發，并完善相應的智能控制體系，以提高管控效率。

1 電力系統自動化以及智能化技術概述

電力系統自動化是當今數字化、信息化時代所衍生的一類全新概念，在電力系統運行過程中，其內部的各項軟硬件設施高效運行，各設備、各流程、各體系處于協同運行的狀態。新時期，隨著我國電力系統運行負荷的不斷提升，如果仍然依靠傳統的人工管控方式來對設備系統進行操作管理，則無法提高工作效率，實施電力系統自動化改造是當今社會經濟快速發展環境下的新需求。電氣自動化使用范圍相對較為寬廣，在變電、輸電、電力調度甚至發電環節均能提高整個體系的運作效率。自動化控制技術結合網絡技術、信息技術、計算機軟件技術以及先進的管控技術，模擬人工操作來完成對電力系統高效化的管控，提高了運維人員對整個電力體系的管控效率。總體來說，電力系統自動化實現了自主檢測、自動控制、自主管理，能夠完成自動生產、自動運輸、自動調度，如圖1所示，提高了整個體系的運作效率。除此之外，電力系統自動化在線損管理、故障管理、故障分析層面均具有廣泛應用，能夠提高整個體系的綜合運行水平。

圖1 電力調度

當今數字化、信息化時代，計算機、網絡、物聯網技術取得了快速發展，并且隨著人工智能系統的進一步優化完善，結合生物測定技術，計算機也具備了模擬人類行為和思考的基本功能，相關系統具備較強的學習能力、適應能力，能夠對電力系統內的各項管理工作進行科學高效的組織，可以完善對數據信息的收集、整理、分析，完成對電力系統的調整。智能技術在電力系統中的使用具備較大的優勢，能夠實時高效地反映出設備當前的運行狀態，給予其自動化解決問題的策略。智能技術能夠對電力系統自動化控制中存在的非線性以及不確定的問題實施定向化管控，并依托專家控制、模糊控制、神經網絡控制以及綜合線性控制，提高了整個電力系統的運作水平，保障電力供應安全和穩定[1]。

2 實踐應用分析

2.1 神經網絡控制系統的應用

在數字化、信息化時代，神經網絡控制技術取得了長足發展，該項技術模擬人腦神經元的運作機理，結合神經控制理論，可以完成對非線性問題更加理性化、高效化的分析。神經網絡控制系統具備完整的模型結構，在其中需要植入特定的學習算法，將電力系統內部的各種運行機制以及運行體系進行綜合全面的管控，并且對各設備體系進行科學合理地配置，提高對故障問題的識別效率，提高系統的響應速度，確保運算結果更加精確可靠，如圖2所示。神經網絡控制技術借助神經元理論，使得電力系統具備對問題進行高效分析的能力，同時該項技術也具備強勁的學習能力，能夠提高對數據信息的處理效率。神經網絡控制技術能夠有效代替人工控制，實現對系統故障問題自主高效的檢測，同時在神經網絡控制系統中還與其他智能技術進行了有效整合，實現對電力系統中各項設備故障問題實時高效的診斷分析，通過對數據信息的自動獲取、自動分析，降低設備的運行損耗，提高了整個體系的運作效率。人工智能技術中所涉及到的神經網絡控制技術尚且處于發展起步階段，近年來也取得了更加全面的發展突破，其應用范圍進一步拓寬[2]。

圖2 神經網絡控制

2.2 線性最優控制

電力企業在電力系統自動化運行管理過程中也需要實現對整個體系中的各項設備、各項管理流程最優化的控制，最優控制是當代控制理論中不可缺少的關鍵要素，借助最優控制也能夠實現對各項資源綜合全面的分配和使用，如圖3所示。線性最優控制能夠提高電力系統內部各設備的效率，減少設備非計劃停止運行的時間。線性最優控制在現代控制理論中相對較為成熟，如在電力系統中結合最優控制能夠實現勵磁管控，提高遠距離輸電效率，提高電力傳遞品質。相比較于古典勵磁管控方式，最優線性勵磁控制具備顯著的管控效果。

圖3 線性控制

此外，在水輪機發電環節，結合最優線性控制也取得了較好的管控成果，電力企業在結合線性最優控制理論的基礎上也開發出了最優控制器，在輸電、生產管理過程中發揮著巨大的作用。在該環節，電力企業也需要參照電力系統來完成對現行最優控制理論以及相關軟硬件設施的建設打造，參照電力系統的運行特征，匹配系統內部的各項軟硬件設施，提高系統的運行效率。總體來說，線性最優控制在整個電力系統運行環節具備顯著的優勢，能夠對電力系統中現行的設備系統進行定向化管控，減少整個系統的運行能耗，提高整個體系的運作效率。除此之外，線性最優控制在現場管理方面能夠幫助系統運維人員和電力營銷人員快速鎖定線損故障問題，采取行之有效的管控措施降低設備能耗[3]。

2.3 模糊控制

模糊控制可以對電力系統中非線性運行問題實施更加精確、高效的管控。在傳統電力自動化運行環節，由于系統中存在大量不確定的因素，相關工作人員在實施電力管控的過程中無法提高自身的工作效率。同時在管理非線性問題時，相關工作人員也無法尋找到特定的管控規律，從而出現系統設備拒動、誤動的現象。在該環節，結合動態模擬精確化管控技術的使用必不可少，而在該技術體系中又涉及模糊控制理論和相應的模糊控制技術，能夠對系統中的各項變量進行精確化管控。模糊控制技術依托成熟完善的數學模型、數學理論，結合人工推理方式，提高了對整個電力系統故障隱患問題的識別管控效率，依托先進的技術算法，提高了整個系統運行的適應性和準確性，提高對故障問題動態化的掌控效率，并且還能夠有效解決電力設備在運行期間所存在的非線性故障問題。模糊控制理論在當代控制體系中的使用相對較為常見，但是電力企業在結合相關控制理論使用的過程中，需要參照電力系統的運行狀況，構建成熟完善的數學模型，以此提高管控效率[4]。

2.4 專家控制

電力企業依托專家系統完成電力管控需要構建成熟完善的數據庫。在數據庫中電力企業需要對電力系統的運行狀況進行分析、評估，收集電力系統在運行期間所產生的各類數據故障問題，結合專家管控理論，對特定的問題進行及時、高效的識別，提出行之有效的管理方式，完成系統恢復。例如專家系統控制，依托相應的工作經驗庫，可實現對電力系統負荷問題、故障問題更加高效的管控，快速隔離故障源，實現配電、輸電自動化、智能化管理，但是專家系統控制理論只能針對已經出現過的系統故障問題進行管控，而在每一次設備革新、系統更新之后通常會出現各種各樣的新問題，此時專家控制系統所存在的劣勢便進一步顯現出。雖然專家控制系統具備相應的局限性，但是也是當代電力自動化控制中不可缺少的重要元素，電力企業需要加大對知識庫的構建力度，對復雜問題進行綜合全面的分析，開發特定的專家系統，注重對專家系統的更新優化，以提高管控效率。

2.5 綜合智能控制

電力企業在自動化管理過程中結合人工智能技術的使用能夠提高系統的運行效率，但是人工智能系數涉及較多的種類，如專家控制、模糊控制、神經網絡控制，不同的控制體系、控制機制均存在不同的管控中心和方向。例如專家系統控制只能夠對既存在的故障問題實施管控，雖然其具備較高的管控精確度，但是對新問題卻無法進行有效識別。而神經網絡系統以及模糊控制理論能夠對新故障問題進行實時高效的分析評估，集合神經網絡系統的深度學習算法，能夠對新故障進行識別、分析，模擬人腦的思考方式，對故障問題進行綜合全面管控。綜合智能系統是一類集成化的系統，可完成對電力系統內部不同故障源的分工處理，如對既定存在的故障隱患問題可依托專家系統提高系統響應速度、處理效率；而對于新故障問題，可結合神經網絡以及模糊控制來實現深度學習探究，實現對非結構化數據信息更加高效的處理管控[5]。

3 結 論

總體來說，在現階段電力系統智能化、自動化領域，結合人工智能技術的使用是必不可少的，電力企業需要開展頂層設計，完成對系統的構建和優化，提高整個體系的運行效率。