智能技术在电力系统自动化中的应用

智能技术在电力系统自动化中的应用

刘文龙

身份证号： 61052819880609****

摘要：在电力企业信息化过程中，电力信息系统的资源管理逐渐出现信息孤岛、信息重叠、信息兼容性差、信息资源浪费等问题，为电力企业资源整合增加一定难度。现阶段，智能技术主要应用在专家系统、计算机视觉、自然语言处理、智能机器人，以及人工神经网络等领域。

关键词：智能技术；电力系统；自动化控制

引言

随着社会用电需求的增加，对电力系统运行可靠性的要求也越来越高。电力企业应采取有效的保护措施，降低电力系统运行风险，既能保证企业的经济效益，又能维护设备和人员的安全。智能技术是信息技术、计算机技术等科学技术高度发展的产物，将该技术应用于电力系统中对提升电力系统的自动化控制水平有着重要作用。

1、电力系统应用现状

随着电力市场向供需纵深发展，特别是电动汽车和新能源的大规模接入，电力市场负荷预测越来越困难。利用深度学习技术的特征抽象算法，可以准确捕捉各种复杂环境和系统因素对负载的影响，大幅提高计算模型的泛化能力和负荷预测的精度。系统规划专业技术人员使用智能化的规划软件开展电力系统规划。基于电力系统现状、负荷预测结果和电源建设规划，利用积累的电力系统大数据，参考类似规划案例开展自我学习，完成系统规划任务。在规划过程中，利用人工智能算法完成电力系统多维变量、多约束条件和非线性多目标优化等问题的求解，获取最优方案。针对传统计算方法难以建立供需互动模型的不足，采用深度迁移强化学习技术，基础存储的历史任务有效信息，利用高精度的非线性迁移学习算法，快速获得需求响应的最理想的解。

2、智能技术在电力系统的应用措施

2.1人工神经网络

模拟人脑的运行规律，可以使机器运行人类的认知过程，实现对各种信息的快速准确处理。这就是人工神经网络，它在自适应、并行分布式处理和联想记忆方面具有明显的优势，因此逐渐应用于电力系统继电保护。与传统的专家系统诊断方法相比，人工神经网络需要大量的学习和训练，实现对连接权的有效调整，构建强大的模式记忆，为知识获取和精准化分析提供了保障。在电力系统运行中通常会遇到较多的非线性故障问题，传统处理方式往往需要经过复杂的计算，对于算法的要求较高。而应用人工神经网络则可以快速处理非线性问题。电势角度摆开情况下，过渡电阻短路故障会对输电线造成安全威胁，采取传统距离保护的方式无法对故障进行精准化定位。借助于人工神经网络，则能够在大量样本训练的基础上更加准确地判断故障，防止造成严重的拒动和误动问题，维持系统安全性。在方向保护、故障判断和主设备保护等工作中，人工神经网络的应用效果较好。比如在方向保护中，通过BP模型的构建可以满足方向判别的需求，从而为故障处理提供可靠依据。借助于单层感知器网络，能够满足最小二乘算法要求，系统计算在几纳秒时间内就能迅速完成，通过构建神经网络模型，分析电流继电器和阻抗继电器的运行状况，增强系统的自适应性。相较于传统保护模式而言，由于信息量的不断增长，因此可以使继电保护范围扩大化，在学习能力和识别能力上得到改善。

2.2模糊控制技术

模糊控制技术的原理比较简单，也比较容易掌握和应用，特别是在控制智能电器的使用方面。该技术通过模拟模糊推理，或在相关控制程序和系统下输入模糊量，对电力工程系统中存储的数据进行分析，从而实现对系统的有效精确控制。在自动化生产条件小的情况下，如果目标比较明确就可以利用模糊控制技术来有效控制电力系统的工作效率，尤其是对于一些中小型的电力自动化控制系统而言，使用模糊控制技术不仅精准度高，而且效率及控制成本也相对比较理想。例如：如果某个电力模块（如用电器等）出现突发故障，模糊控制技术就会通过“模糊判断”启动应急系统，从而达到避免发生安全事故的目的。另外，将模糊控制技术应用到电力系统中，能够降低控制难度，提高电力系统的监控力度，而且对电力系统的监督和管理也更加简明、清晰，因此模糊控制技术在电力系统中的优越性比较强。模糊控制在自动化运行中的应用价值比较高，它可以根据相关的规则来推导系统数据，经过计算后就能得出最终结果。实践表明：利用智能技术来解决现实社会生活中的问题，不仅能够给人们提供更好的工作条件、方便人们的生活和生产，而且能够显著提升电力系统的安全控制水平，降低危险事故发生的概率。

2.3故障诊断

电力变压器文本信息包括长期运行中积累的试验和巡视记录、故障报告和维护、缺陷和故障报告、文件消除、缺陷等。其中，最重要的维护说明是设备健康信息。国外对故障风险预测的研究是通过故障表进行的，但在词性和语法结构上中英文文本差异性很大，所以，深度挖掘中文文本特征重要信息是十分必要的。鉴于传统机器学习分类器缺乏数据处理和特征提取能力，引入深度学习模型（例如长期记忆和短期记忆神经网络以及卷积神经网络）作为文本分类器实施测试和训练，因此故障原因和相对的影响都可以在故障文本中自动获取，并可以将缺陷的严重程度在故障记录中得以确定，比起传统的机器学习模型，明显提升了分类的精度。中文文本分类问题的处理过程主要包括3个阶段：（1）预处理文本，涵盖句子、分词停止词过滤等；（2）显示文本，就是将文本转换形式，让计算机能充分识别和处理；（3）分类器的选择、构造、训练和测试。

2.4遗传算法

遗传算法已经在实践中得到应用，它可以模仿生物遗传进化中解决问题的方式，从而找到问题的最优解。遗传算法在电力系统继电保护故障诊断中的应用应依赖于相应的数学模型，实现对各类故障信息的整合，明确故障点的基本特征。尤其是适应度函数的构建，使得故障分析和判断更具直观性，有利于故障诊断效果的增强。在寻优性能和鲁棒性能方面，遗传算法相较于其他人工智能技术而言具有更大的优势，而且能够达到多点同时搜索的要求，因此提高了故障问题的处理效率。遗传算法省去了大量繁琐的计算过程，然而在实践中也会遇到一定的局限性，比如故障诊断模型的系统化程度有待提升。

2.5线性最优控制技术

将智能技术应用于电力系统自动控制的目的是提高电力系统的自动控制水平。与其他智能技术相比，线性最优控制技术是一种现代先进的控制技术。应用到电力系统中，可以保证电力系统控制技术的先进性，真正做到与时俱进。作为一种先进的控制技术，线性最优控制在实践中应用较多。目前，我国也在大规模应用线性最优控制技术，并在电子系统中取得了比较理想的应用效果。另外，在电力系统中应用最优励磁控制，能够比较理想地实现长距离的电能输送。目前，我国电力系统大范围地应用了最优励磁控制，且该技术已经成为电力系统中的主流控制技术，并在实践中取得了良好的效果。在实际应用过程中，线性最优控制应该以现代化的电力网络系统为基础，不宜盲目地将其“植入”到原有电力网络系统，否则可能会影响到线性最优控制技术的应用效果，甚至会使系统出现控制偏差。

3.结束语

电力系统与人民生活、社会生产和经济发展密切相关。确保电力系统的安全稳定运行是现代社会进步和发展的基本前提。因为数据质量、异常样本、数据载体等客观原因的束缚，人工智能技术的关联场景的应用还刚刚起步。

参考文献：

[1]卢珊.智能技术在电力系统自动化中的应用[J].工程技术研究,2019,4(15):233-234.

[2]李仕林,韩凯,孙晨曦,马启林,赵旭.人工智能技术在电力系统中的应用研究[J].中国标准化,2019(14):223-224.

[3]杨荣霞.人工智能技术在电力基建领域的研究与实践[J].价值工程,2019,38(19):235-237.