摘要：近十幾年來，國內(nèi)外將AI技術(shù)用于電力系統(tǒng)的研究已有不少，并取得了有成效的成果，且部分成果已在實(shí)際中得到了應(yīng)用。本文結(jié)合工作實(shí)踐，簡述了人工智能理論的基本特點(diǎn)，結(jié)合計(jì)算機(jī)化、神經(jīng)網(wǎng)絡(luò)、模糊理論、遺傳算法的在電力系統(tǒng)繼電保護(hù)中的應(yīng)用進(jìn)行綜述。
　　關(guān)鍵詞：電力系統(tǒng)；人工智能；繼電保護(hù)；應(yīng)用；
　　1引言
　　近年來，隨著人工智能理論技術(shù)的不斷發(fā)展，以模糊技術(shù)、人工神經(jīng)網(wǎng)絡(luò)和遺傳算法為代表的智能理論方法在電力系統(tǒng)領(lǐng)域得到了十分廣泛的應(yīng)用。眾所周知，電力系統(tǒng)是由各類發(fā)電裝置、輸配電線路、變壓器以及用電裝置等一系列單元組合而成的大規(guī)模動態(tài)系統(tǒng)，電力系統(tǒng)本質(zhì)上是一個非線性動態(tài)大系統(tǒng)，存在著許多極為復(fù)雜的工程計(jì)算和非線性優(yōu)化問題，例如：電力網(wǎng)絡(luò)的無功優(yōu)化調(diào)度電力系統(tǒng)規(guī)劃運(yùn)行、發(fā)電機(jī)組的優(yōu)化組合、電力系統(tǒng)最優(yōu)潮流計(jì)算、電力市場的交易定價(jià)等一系列問題。而這些問題都是多參數(shù)，多約束的非凸優(yōu)化問題。長期以來，電力系統(tǒng)自動化研究者一直在尋找高效可靠的方法來解決這些問題。然而有許多電力系統(tǒng)中存在的問題無法得到快速與精確的結(jié)果。其主要原因在于：
　　(1)電力系統(tǒng)中的有些向題還無法建立精確切實(shí)的數(shù)學(xué)模型，包括不能完全用數(shù)學(xué)來表示反映問題實(shí)質(zhì)的約束條件。
　　(2)隨著問題的規(guī)模和復(fù)雜程度的增加，利用現(xiàn)有的算法和計(jì)算機(jī)條件，無法在較短的時問內(nèi)獲得滿意的計(jì)算結(jié)果。
　　(3)許多問題的條件具有模糊性，對干系統(tǒng)的了解還不夠精確，此外在求解問題的過程中需要專家的知識經(jīng)驗(yàn)。這些都無法用精確的數(shù)學(xué)形式表示出來。
　　與傳統(tǒng)的計(jì)算方法相比較，人工智能方法對于復(fù)雜的非線性系統(tǒng)問題求解有著極大的優(yōu)勢。它彌補(bǔ)了傳統(tǒng)方法的單純依靠數(shù)學(xué)求解的不足，解決了某些傳統(tǒng)計(jì)算方法難于求解或不能解決的問題。
　　2人工智能技術(shù)在繼電保護(hù)中的應(yīng)用
　　2．1計(jì)算機(jī)化
　　隨著計(jì)算機(jī)硬件的迅猛發(fā)展，微機(jī)保護(hù)硬件也在不斷發(fā)展。某電力學(xué)院研制的微機(jī)線路保護(hù)硬件已經(jīng)歷了3個發(fā)展階段：從8位單CPU結(jié)構(gòu)的微機(jī)保護(hù)問世，不到5年時間就發(fā)展到多CPU結(jié)構(gòu)，后又發(fā)展到總線不出模塊的大模塊結(jié)構(gòu)，性能大大提高，得到了廣泛應(yīng)用。
　　某電力自動化研究院一開始就研制了16化CPU為基礎(chǔ)的微機(jī)線路保護(hù)，已得到大面積推廣，目前也在研究32位保護(hù)硬件系統(tǒng)。某大學(xué)研制的微機(jī)主設(shè)備保護(hù)的硬件也經(jīng)過了多次改進(jìn)和提高。某大學(xué)一開始即研制以16位多CPU為基礎(chǔ)的微機(jī)線路保護(hù)，1988年即開始研究以32位數(shù)字信號處理器(DSP)為基礎(chǔ)的保護(hù)、控制、測量一體化微機(jī)裝置，目前已與某電自動化設(shè)備公可合作研制成一種功能齊全的32位大模塊，一個模塊就是一一個小型計(jì)算機(jī)。采用32位微機(jī)芯片并非只著眼干精度，因?yàn)榫�度受A／D轉(zhuǎn)換器分辨率的限制，趟過l6位時在轉(zhuǎn)換速度和成本方面都是難以接受的；更重要的是32位微機(jī)芯片具有很高的集成度，很高的工作頻率和計(jì)算速度，很大的尋址空間，豐富的指令系統(tǒng)和較多的輸入輸出口，CPU的寄存器、數(shù)據(jù)總線、地址總線足32位的，具有存儲器管理功能、存儲器保護(hù)功能和任務(wù)轉(zhuǎn)換功能，并將高速緩存(Cache)和浮點(diǎn)數(shù)部件都集成在CPU內(nèi)。
　　電力系統(tǒng)對微機(jī)保護(hù)的要求不斷提高，除了保護(hù)的基本功能外，還應(yīng)具有大容故障信息和數(shù)據(jù)的長期存放空間，快速的數(shù)據(jù)處理功能，強(qiáng)大的通信能力，與其它保護(hù)、控制裝置和調(diào)度
　　聯(lián)網(wǎng)以共享全系統(tǒng)數(shù)據(jù)、信息和網(wǎng)絡(luò)資源的能力，高級語言編程等。這就要求微機(jī)保護(hù)裝置具有相當(dāng)于一臺PC機(jī)的功能。現(xiàn)在，同微機(jī)保護(hù)裝大小相似的工控機(jī)的功能、速度、存儲容量大大超過了當(dāng)年的小型機(jī)，因此，用成套工控機(jī)作成繼電保護(hù)的時機(jī)已經(jīng)成熟，這將是微機(jī)保護(hù)的發(fā)展方向之一。某大學(xué)已研制成用同微機(jī)保護(hù)裝置結(jié)構(gòu)完全相同的一種工控機(jī)加以改造作成的繼電保護(hù)裝置。這種裝置的優(yōu)點(diǎn)有：①具有486PC機(jī)的全部功能，能滿足對當(dāng)前和未來微機(jī)保護(hù)的各種功能要求。⑦尺寸和結(jié)構(gòu)與目前的微機(jī)保護(hù)裝置相似，工藝精良、防震、防過熱、防電磁干擾能力強(qiáng)，可運(yùn)行于非常惡劣的工作環(huán)境，成本可接受。③采用STD總線或PC總線，硬件模塊化，對于不同的保護(hù)可任意選用不同模塊，配置靈活、容易擴(kuò)展。
　　繼電保護(hù)裝置的微機(jī)化、計(jì)算機(jī)化是不可逆轉(zhuǎn)的發(fā)展趨勢。但對如何更好地滿足電力系統(tǒng)要求，如何進(jìn)一步提高繼電保護(hù)的可靠性，如何取得更大的經(jīng)濟(jì)效益和社會效益，尚須進(jìn)行具體深入的研究。
　　2．2人工神經(jīng)網(wǎng)絡(luò)
　　人工神經(jīng)網(wǎng)絡(luò)(ANN)是模擬人腦組織結(jié)構(gòu)和人類認(rèn)知過程的信息處理系統(tǒng)。它以其諸多優(yōu)點(diǎn)，如并行分布處理、自適應(yīng)、聯(lián)想記憶等，在智能保護(hù)中受到越來越廣泛的重視，而且已顯示出巨大的潛力，并為智能化繼電保護(hù)的研究開辟了一條新途徑。應(yīng)用ANN技術(shù)實(shí)現(xiàn)故障診斷不同于ES診斷方法。ANN方法通過現(xiàn)場大量的標(biāo)準(zhǔn)樣本學(xué)習(xí)與訓(xùn)練，不斷調(diào)整ANN中的連接權(quán)和閡值，使獲取的知識隱式分布在整個網(wǎng)絡(luò)上，并實(shí)現(xiàn)ANN的模式記憶。因此ANN具有強(qiáng)大的知識獲取能力，并能有效的處理含噪聲數(shù)據(jù)，彌補(bǔ)了ES方法的不足。
　　神經(jīng)網(wǎng)絡(luò)是一種非線性映射的方法，很多難以列出方程式或難以求解的復(fù)雜的非線性問題，應(yīng)用神經(jīng)網(wǎng)絡(luò)方法則可迎刃而解，因此在繼電保護(hù)中也得到越來越多的應(yīng)用，例如在輸電線兩側(cè)系統(tǒng)電勢角度擺開情況下發(fā)生經(jīng)過渡電阻的短路就是一非線性問題，距離保護(hù)很難正確作出故障位置的判別，從而造成誤動或拒動；如果用神經(jīng)網(wǎng)絡(luò)方法，經(jīng)過大量故障樣本的訓(xùn)練，只要樣本集中充分考慮了各種情況，則在發(fā)生任何故障時都可正確判別。近幾年來，電力系統(tǒng)繼電保護(hù)領(lǐng)域內(nèi)出現(xiàn)了用人工神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)故障類型的判別、故障距離的測定、方向保護(hù)、主設(shè)備保護(hù)等。用人工神經(jīng)網(wǎng)絡(luò)原理來實(shí)現(xiàn)高壓輸電線的方向保護(hù)，提出用BP模型作為方向保護(hù)的方向判別元件。研究結(jié)果表明，該方向判別元件能準(zhǔn)確、快速地判別出故障的方向。基于神經(jīng)網(wǎng)絡(luò)的繼電保護(hù)系統(tǒng)的優(yōu)越性；論證了由單層感知器網(wǎng)絡(luò)或TH網(wǎng)絡(luò)可以實(shí)現(xiàn)最小二乘算法，這兩種網(wǎng)絡(luò)都可以在極短的時間(數(shù)納秒或幾百納秒)內(nèi)完成全部運(yùn)算；給出了電流繼電器、圓特性以及四邊型特性阻抗繼電器的神經(jīng)網(wǎng)絡(luò)模型，并證明了三種模型都具有很強(qiáng)的自適應(yīng)性。基于人工神經(jīng)網(wǎng)絡(luò)的智能型自適應(yīng)繼電保護(hù)原理，利用了比傳統(tǒng)保護(hù)多得多的信息量。它比傳統(tǒng)保護(hù)能區(qū)分更多的故障類型，提高了繼電保護(hù)的適用范圍，從原理上解決了經(jīng)高阻抗的短路故障保護(hù)問題。利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)自適應(yīng)電流保護(hù)的方法。該方法充分利用了人工神經(jīng)網(wǎng)絡(luò)所具有的強(qiáng)大的自適應(yīng)能力，學(xué)習(xí)能力和模式識別能力，實(shí)現(xiàn)對電力系統(tǒng)中的各種故障情況的識別，解決電流保護(hù)中的靈敏度補(bǔ)償和故障方向識別問題，使電流保護(hù)對正方向各種故障都有足夠的保護(hù)范圍，而對反方向的各種故障實(shí)行閉鎖，從而實(shí)現(xiàn)電流保護(hù)的自適應(yīng)。
　　利用神經(jīng)網(wǎng)絡(luò)可以在一定程度上提高故障診斷效率，解決用常規(guī)繼電保護(hù)方法難以解決的問題，但該方法也存在“性能取決于樣本是否完備、不擅長處理啟發(fā)性的知識、訓(xùn)練時容易陷入局部最小”等問題。由于專家系統(tǒng)方法與神經(jīng)網(wǎng)絡(luò)方法在許多方面可以協(xié)調(diào)工作、互為補(bǔ)充，因此，如何取長補(bǔ)短將神經(jīng)網(wǎng)絡(luò)技術(shù)與故障診斷專家系統(tǒng)融為一體，以彌補(bǔ)診斷中的不足，并提供新的診斷技術(shù)和方法，具有很大的潛力和廣闊的前景，是值得我們深入探討和研究的。
　　2．3模糊理論(FuzzySetsTheory)的應(yīng)用
　　模糊邏輯能夠完成傳統(tǒng)數(shù)學(xué)方法難以做到的近似計(jì)算。近幾年來，模糊集理論在電力系統(tǒng)中的諸多應(yīng)用領(lǐng)域取得了飛速進(jìn)展，包括了潮流計(jì)算、系統(tǒng)規(guī)劃、模糊控制等方面。例如對干負(fù)荷變化和電力生產(chǎn)的不確定性，就可運(yùn)用模糊值來表示某不確定負(fù)荷在實(shí)際集合中的隸屬函數(shù)，建立起電力系統(tǒng)最優(yōu)潮流的模糊模型。
　　傳統(tǒng)無功電壓優(yōu)化算法一般是單目標(biāo)優(yōu)化問題，并沒有考慮有功網(wǎng)損的降低和限制控制量調(diào)節(jié)數(shù)最少，而且在處理電壓約束時，未考慮“軟約束”特性。可引入模糊線性規(guī)劃算法以解決這一問題。為很好地協(xié)調(diào)降低網(wǎng)損、限制調(diào)節(jié)量和確保節(jié)點(diǎn)電壓裕度三者的關(guān)系，在有限控制量調(diào)節(jié)的前題下，可實(shí)現(xiàn)校正違界電壓、降低系統(tǒng)網(wǎng)損和確保所有節(jié)點(diǎn)電壓留有一定的裕度。利用模糊綜合評判的方法對電能質(zhì)量進(jìn)行綜合評價(jià)的二級評判法。
　　2．4遺傳算法(GeneticAlgorithms,GA)的應(yīng)用
　　遺傳算法是基于自然選擇和遺傳機(jī)制，在計(jì)算機(jī)上模擬生物進(jìn)化機(jī)制的尋優(yōu)搜索算法。他能在復(fù)雜而龐大的搜索空間中自適應(yīng)的搜索，尋找出最優(yōu)或準(zhǔn)最優(yōu)解，且算法簡單，適用，魯棒性強(qiáng)。遺傳算法對待求解問題幾乎沒有什么限制，也不涉及常規(guī)優(yōu)化問題求解的復(fù)雜數(shù)學(xué)過程，并能夠得到全局最優(yōu)解或局部最優(yōu)解集，這是他優(yōu)于傳統(tǒng)優(yōu)化技術(shù)之處。遺傳算法從優(yōu)化的角度出發(fā)基本上可以解決故障診斷問題，尤其是在復(fù)故障或存在保護(hù)、斷路器誤動作的情況下，能夠給出全局最優(yōu)或局部最優(yōu)的多個可能的診斷結(jié)果。但是如何建立合理的輸電網(wǎng)絡(luò)故障診斷模型是使用遺傳算法的主要“瓶頸”。如果能夠建立合理的數(shù)學(xué)模型，那么不僅可以使用遺傳算法解決故障診斷問題，還可以使用其他類似的啟發(fā)式優(yōu)化算法解決故障診斷問題。
　　3智能方法的綜合應(yīng)用
　　每種智能控制方法都有其內(nèi)在的局限性，難以滿足處理電力系統(tǒng)實(shí)際復(fù)雜問題的需要。如何將這些控制方法結(jié)合起來形成一種綜合的智能控制，使綜合的智能控制系統(tǒng)能夠體現(xiàn)出各種控制方法的優(yōu)勢而盡量避免各自的不足，綜合利用模糊理論及人工神經(jīng)網(wǎng)絡(luò)各自的特點(diǎn)形成的模糊神經(jīng)網(wǎng)絡(luò)成為提高電力系統(tǒng)的可靠性、快速性、靈敏性及選擇性的主要研究方向。結(jié)合ES和ANN實(shí)現(xiàn)對以變電站故障診斷為基礎(chǔ)的分層分布時故障診斷系統(tǒng)。基于模糊理論與神經(jīng)網(wǎng)絡(luò)理論，根據(jù)特征氣體法和改良IEC三比值法，建立了模糊神
　　經(jīng)網(wǎng)絡(luò)的變壓器故障診斷模型。該模型有效的處理了故障診斷中的不確定因素，并具有較強(qiáng)的知識獲取能力。從基于人類思維發(fā)展模式的角度，融合設(shè)備故障診斷的ES和ANN模型，構(gòu)造了電力變壓器的故障診斷分析系統(tǒng)。
　　綜上所述，將不同的人工智能技術(shù)結(jié)合在一起。分析不確定因素對智能診斷系統(tǒng)的影響．從而提高診斷的準(zhǔn)確率，是今后智能診斷的發(fā)展方向。
　　4結(jié)語
　　人工智能技術(shù)在電力系統(tǒng)的應(yīng)用中已經(jīng)獲得了良好的發(fā)展。然而在我國，人工智能技術(shù)在電力系統(tǒng)中的應(yīng)用研究才剛剛開始。隨著我國電力系統(tǒng)的持續(xù)發(fā)展，電力系統(tǒng)數(shù)據(jù)總量的不斷增加，管理上復(fù)雜程度的大幅度增長，以及市場競爭的影響和加大，為人工智能技術(shù)在電力系統(tǒng)的應(yīng)用提供了廣闊前景。可以預(yù)見，加強(qiáng)智能科學(xué)在電網(wǎng)中的科研和應(yīng)用，將能更好的保證電網(wǎng)安全穩(wěn)定經(jīng)濟(jì)運(yùn)行。
　　參考文獻(xiàn)
　　[1]韓富春，王娟娟；基于神經(jīng)網(wǎng)絡(luò)的電力系統(tǒng)狀態(tài)估計(jì)[J]；電力系統(tǒng)及其自動化學(xué)報(bào)，2002(6)：49-51．
　　[2]陳噪華，陳少華，楊宜民，多Agent系統(tǒng)及其在電力系統(tǒng)繼電保護(hù)中的應(yīng)用[J]．電氣應(yīng)用，2005，24(4)．
　　[3]王威，郁惟鏞，張沛超；面向?qū)ο蟮睦^電保護(hù)整定計(jì)算專家系統(tǒng)的研究[J]．電力系統(tǒng)及其自動化學(xué)報(bào)．2001，13(2)．