智能化技術在電力系統電氣工程自動化中的應用研究

鞏冬梅，馬 源，張祎瑋

（1.國網冀北電力有限公司營銷服務中心，北京 100000；2.國網北京海淀供電公司，北京 100086；3.國網北京海淀供電公司配電站，北京 100086）

1 智能化技術在電力系統監控自動化中的應用需求

電力系統智能監控主要是指通過實時監控電力系統電氣工程設備的運行狀態，對電力系統進行全方位、全過程的監控，從而實現預測和防范電力系統潛在的故障風險，有效提高電力系統的可靠性和安全性[1]。

1.1 電力系統監控體系的智能化需求

從電力系統監控內容上來看，其既包括了各項設備的運行指標，也包括了圖像、音頻、視頻，還包括了巡檢人員的巡查反饋。其中，設備監控是對電力系統設備的運行狀態、運行參數等進行實時監測和控制，保證電力設備的安全穩定運行；環境監控是對電力系統設備所在的環境進行監測，包括溫度、濕度、灰塵、輻射等方面的環境參數，以保證電力設備運行環境的穩定[2]。

1.2 電力系統智能監控體系的功能需求

人工智能神經網絡智能技術在監控體系中的應用，至少需要實現如下五方面功能。

1） 數據采集與處理功能。監控系統需要采集電力設備的運行數據，包括電壓、電流、功率、溫度等各項參數。在采集數據的基礎上，利用神經網絡技術對數據進行分析和處理，從數據中提取出電力設備的故障特征和運行模式，并對其進行分類和識別。

2） 異常檢測與故障診斷功能。監控系統需要對電力設備的異常情況進行檢測，利用神經網絡技術對異常數據進行分類和識別，通過檢測判斷電力設備是否出現故障。如果電力設備出現故障，可以利用神經網絡技術進行故障診斷，確定故障類型和故障位置。

3） 實時監控與遠程控制功能。監控系統需要對電力設備的運行狀態進行實時監控，利用神經網絡技術對電力設備的運行狀態進行分析和預測，提前發現電力設備可能存在的問題。

4） 智能化決策與優化調度功能。監控系統需要對電力設備進行優化調度和智能化決策。利用神經網絡技術對設備的運行數據進行分析和建模，制定最優的調度方案和決策方案，實現電力系統的智能化和自動化控制。

5） 自動報警與安全防護功能。監控系統需要對電力設備進行自動報警和安全防護。利用神經網絡技術對電力設備的運行數據進行實時監測和分析，當電力設備出現異常或故障時，及時發出報警信號，并采取相應的安全防護措施，保證電力設備的安全穩定運行。

1.3 智能監控體系主要功能的實現方式

本文重點探討的是電力系統智能監控體系異常檢測與故障診斷功能，以及智能化決策與優化調度系統的實現。異常檢測與故障診斷神經網絡及智能化決策與優化均可在神經網絡的總體規劃下得以實現，其中的區別在于異常檢測與決策優化分屬不同的多元模型體系，二者的構建、訓練及測試數據存在一定的差異，輸出結果也不同[3]。在具體的主要功能實現過程中，可以使用多種神經網絡模型，如多層感知器（Multi-Layer Perceptron，MLP）、卷積神經網絡（Convolutional Neural Network，CNN）、循環神經網絡（Recurrent Neural Network，RNN） 等，根據具體任務需求選擇合適的模型。其中，卷積神經網絡較為常見。圖1 為卷積神經網絡一般模型示意圖。

圖1 卷積神經網絡一般模型示意圖

由圖1 可知，卷積神經網絡模型具體結構有如下5 個方面。

1） 輸入層。主要完成模型的輸入，通常是一個圖像或一組固定參數。每個參數被表示為一個矩陣，其中每個元素表示像素值或者參數的特征值。

2） 卷積層。主要完成模型的主要計算。每個卷積層由多個不同的卷積核（也稱為過濾器） 組成，每個卷積核都是一個小的矩陣，通常為3×3 或5×5 的大小。卷積層將輸入圖像與卷積核進行卷積操作，得到一個特征圖（Feature Map）。卷積操作可以捕捉到圖像中的局部特征，例如邊緣、角點和紋理等。

3） 池化層。池化層對特征圖進行下采樣（Pooling），減少特征圖的尺寸，降低模型的計算量和參數數量。最常用的池化方式是最大池化（maxpooling），它取特征圖中每個子區域的最大值作為該子區域的輸出，池化可以防止過擬合并，提高模型的泛化能力。

4） 全連接層。池化層之后通常是一個或多個全連接層，它們將池化后的特征圖作為輸入，輸出模型的預測結果。全連接層中的神經元與輸入圖像的尺寸無關，因此可以處理任意大小的圖像。

5） 輸出層。這是模型的最終輸出，通常是一個Softmax 函數，將全連接層的輸出轉換為概率分布，表示模型對不同類別的預測結果。

2 智能化技術在電力系統控制自動化中的應用優勢

智能化技術在電力系統控制自動化中的應用是指通過智能化技術實現對電力系統電氣工程設備的自動控制和調節，包括電力系統的電壓、頻率、功率因數等參數。通過智能化技術在電力系統控制自動化中的應用提高電力系統的穩定性和效率，降低操作人員的勞動強度和誤操作的風險。

2.1 智能化技術專家系統在電力控制中的優勢

專家系統是一種模擬人類專家解決領域問題的計算機程序系統。智能化技術專家系統內部含有大量的某個領域專家水平的知識與經驗，能夠應用人工智能技術和計算機技術，根據系統中的知識與經驗進行推理和判斷，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復雜問題[4]。

專家系統用于電力控制具有以下3 個優勢。

1） 專家系統能夠將固定的知識放入系統中，以便系統遇到問題時可以隨時獲得該專門領域的知識；專家系統允許通過數據庫的方式解決相關數據的問題，推理中間信息過程，通過推理求解問題，得到數據表達的組織形式需要與知識庫的組織形式相兼容。

2） 成熟的專家系統模型能夠構建出有效的推理機用于決策或輔助決策。推理機是用來控制和協調專家系統的運行程序，可以通過知識庫的知識和數據庫的數據按相應的程序去推理，解決需要解決的問題[5]。

3） 專家系統允許獲得外部數據。專家系統既可以從人類專家那里獲取知識，也可以通過互聯網或其他方式進行自行檢索，并將檢索到的知識整理和組織成系統的知識庫。

2.2 專家系統的實現與應用

專家系統的構建主要包括以下7 個步驟。

1） 知識獲取。從專家那里獲取知識，整理和組織成系統的知識庫。

2） 知識表示。將獲取的知識表示為規則、決策樹、框架、語義網絡等形式。

3） 推理機。基于知識表示，進行推理并生成結論。

4） 知識驗證。驗證專家系統生成的結論是否正確。

5） 知識維護。對專家系統中的知識進行維護和更新。

6） 用戶接口。專家系統與用戶進行交互的接口，方便用戶輸入和獲取結果。

7） 解釋器。解釋專家系統的推理過程和結果，幫助用戶更好地理解系統的工作原理。圖2 為專家系統設計示意圖。

圖2 專家系統設計示意圖

由圖2 可知，知識的獲取是以人工設計（專家）、知識解釋（用戶） 為主，在知識驗證、維護及用戶接口的基礎上進行人機交互，為智能化技術在電力自動化控制系統中的應用提供基礎保障；在具體的功能實現中，知識庫一般采用決策樹形式對其進行表征，將整個決策樹表示為一個結構體或類，其中包括了每個節點的條件、決策、子節點等信息，通過遍歷這個結構體或類，可以實現決策樹的推理過程。

知識庫具體包括以下4 點。

1） 節點初始化。創建一個根節點，并將數據集中的所有樣本放入該節點。

2） 節點分裂。對于每個非葉子節點，找到一個最佳的劃分屬性，將該節點分裂成多個子節點，使得每個子節點中的樣本屬于同一類別。

3） 葉子節點分類。對于每個非葉子節點，將該節點中的樣本分配到其子節點中，并根據子節點的類別進行分類。

4） 剪枝處理。為避免過擬合，對決策樹進行剪枝處理，移除一些不必要的節點和分支。在決策階段則利用式（1） 和式（2） 分別對模型的召回率和F1得分進行計算，并利用統計學標準對其進行篩選。

式中：P為精確率；TP 為真正例；FP 為假正例；R為召回率；FN 為假反例。

3 智能化技術在電力系統診斷自動化中的應用實現

在電力系統電氣工程設備診斷系統中引入智能化技術，不僅能夠實現對電力設備的故障診斷和維修指導，快速定位電力系統故障位置并解決故障問題，還可以減少維修時間和維修成本，提高電力系統的運行效率和質量。

3.1 電力系統故障定位的常見方法

針對電力系統故障的定位主要有如下3 種常見方法。

1） 測量法。通過對故障線路周圍各個點之間的電壓、電流、電阻等參數進行測量，確定故障位置。測量法有非常高的精度和可靠性，但是需要特殊的儀器和技術，維修成本較高。

2） 統計法。通過對歷史故障數據進行統計和分析，推導出故障線路的可能位置。統計法不需要特殊的儀器和技術，且具有一定的普適性，但是其預測的故障位置也需要通過實際檢查來驗證。

3） 人工干預法。通過對電力系統的直覺和經驗進行判斷，確定故障線路的位置。人工干預法具有較高的靈活性和實用性，但是其主觀性較強，容易受到外界因素的影響，精度和可靠性有待提高。

3.2 基于智能技術的反演法應用與實現

在上述分析中不難發現，引入智能化技術可以通過反演法的方式在大量數據計算碰撞的基礎上對故障點位進行較為精準的預測（反演法是一種應用于數學和計算機科學的技術，用于隨機過程模擬）。首先，反演法是通過研究的系統模型，將每個部件的信息流方向反轉，即將輸入與輸出互換，并反轉時間的方向來得到原始系統的伴隨系統（或共軛系統、對偶系統）；其次，用伴隨系統代替原始系統后，可以用模擬計算機一次性求得系統的均方誤差，反演法在某些情況下有一定的局限性，如僅適用于線性系統且每次模擬只能對固定的時刻求解；最后，電力系統故障定位反演模型的實現通常采用基于牛頓-拉夫森（Newton-Raphson） 方法的迭代反演算法。該模型的基本原理是通過測量故障時刻的電壓、電流等參數，反演計算出故障位置[6]。

具體來說，電力系統故障定位反演模型采用以下步驟進行故障定位。

1） 建立配電線路的數學模型。通常采用分布參數模型，表示為

2） 測量故障時刻的電壓、電流等參數，得到故障邊界條件為

3） 通過牛頓-拉夫森方法進行迭代反演計算，求解故障位置x*，使得

4） 根據求解的故障位置x*，判斷故障類型和位置，并進行相應的維修處理。

綜上，電力系統故障定位反演模型的構建具有較高的精度和可靠性，能夠快速定位電力系統故障，提高電力系統的穩定性和可靠性。

4 結束語

智能化技術在電力系統電氣工程自動化中的應用具有較大的潛力和價值。隨著智能化技術的引入和發展，將為電力系統運行效率和供電質量的提升、輸配電成本和安全風險的降低做出更大的貢獻。因此，人們需要進一步加強智能化技術的研究和開發，推動其在電力系統電氣工程自動化中的廣泛應用。