阅读文章--机电之家
人工智能技术在电力系统故障诊断中应用及最新发展动向
[ 来源：'d' | 类别：技术 | 时间：2008-6-24 9:15:57 ][字体：]
廖志伟1，2，孙雅明1，叶青华2
(1．天津大学电气与自动化工程学院，天津300072；
2．华南理工大学电力学院，广州510640)
摘 要：对人工神经网络、专家系统、遗传算法、模糊理论等人工智能技术的基本概念进行了简单的介绍，并从实用化的观点对它们在电力系统故障诊断中的应用特点、存在问题进行分析，最后指出人工智能技术用于电力系统故障诊断的最新发展动向。
关键词：电力系统；故障诊断；人工智能
1 引言
电力系统实时故障诊断问题的研究，一般都是根据在故障过程中，对某些装置和设备所出现的一系列数字和状态信息量进行分析和推理。在此基础上查出导致系统某种功能失调的原因和性质，判断故障发生的元件以及预测故障恶化的发展趋势，得出诊断结论。在电力系统的故障诊断(faultdiagnosis of power system——FD－PS)方面已开展了不少研究，传统型的FD－PS研究是在建立被诊断系统网络拓扑结构模型的基础上，根据发生故障时，系统结构和参数变化，导致系统潮流的变化，进而根据潮流计算的变化判断出故障。但潮流计算和分析处理的耗时量大，会影响诊断速度和快速故障恢复处理。另外正常运行时某些线路潮流值小，接近于0(如线路轻载运行)，故用潮流来判断故障，也不能保证诊断的准确性。所以电力系统故障诊断用传统的数学方法，因系统规模、复杂程度和不确定因素等的限制，系统故障诊断难以达到理想的效果。
由于电力系统的整个故障过程难以用数学模型来进行描述，而AI善于模拟人类分析和处理问题的智能行为，适宜对难以用数学模型分析和求解问题的研究，所以AI技术的发展为FD－PS的研究开辟了新途径和新方法。近十几年来，国内外将AI技术用于电力系统的研究已有不少，并取得了有成效的研究成果，且已有部分成果在实际中得到了应用［1～3］，但转成商用化的数量与研究数量相比实在是太少了，因此在新的世纪中，应致力于将AI的研究推广应用到实际中，作为进一步研究的目标。
本文对国内外已研究的智能型FD－PS作全面分析和归纳，主要对ES、ANN、FST、GA及Petri网络等技术在FD－PS中应用研究进行全面的概述，并在此基础上用实用化的观点来分析它们在FD－PS中应用的特点以及存在的主要问题，对智能技术在FD－PS中的发展趋势进行了探讨。
2 基于ES原理的电力系统故障诊断［4～20］
ES［4～6］是发展最早，也是比较成熟的AI分支之一，它与知识工程研究紧密联系在一起。在ES构造中，它必须涉及所研究问题领域的知识表达方式，知识处理与知识运用方面的理论和方法。ES不仅是融合了书本相关的理论知识来处理各种定性的问题，而且还可总结和利用专家的经验知识(或称启发式知识)来求解问题。它不仅可解决那些依靠解析方法不能解决的问题，也可使所求解问题的知识搜索和推理范围缩小，提高问题求解速度和推理效率；另外ES的解释模块能够对推理所用的知识、推理过程及结论进行解释。在电力系统中，ES在故障诊断和恢复处理方面的研究较多，可根据ES知识表达方式和推理机结构的不同对ES进行划分。
在电力系统故障诊断的ES中，常用的知识表达方式有：基于谓词逻辑表示法，基于产生式规则表示法，基于过程式知识表示法，基于框架式表示法，基于知识模型表示法和基于面向对象表示法。实质上后两种是由于计算机和语言技术、智能技术的发展而形成的，它们是在前三种基础上的新形式和新结构。对它们在电力系统故障诊断应用的特性分析如下：
谓词逻辑法是一种较早的知识描述方法之一。文献［7］提出利用保护和断路器信息来构造知识库，文中使用Prolog语言用谓词逻辑构造三个知识库：1)描述电力系统结构、保护和断路器动作关系及断路器的状态方面的知识；2)描述保护原理方面的知识；3)描述故障位置的规则和启发性知识。它根据故障设备与保护、断路器的信息关系，采用反向推理，实现多重故障、保护和断路器误动、拒动诊断的功能。但谓词逻辑仅仅依据形式逻辑进行，推理过程太冗长，效率低；不便于加入启发性知识；灵活性差。故其应用范围受限制。