基于电力系统继电保护故障分析中人工智能技术探讨.docVIP

基于电力系统继电保护故障分析中人工智能技术探讨 　　【摘要】随着计算机技术的飞速发展及计算机在电力系统继电保护领域中的普遍应用，本文根据笔者多年工作经验，通过对电力系统继电保护故障分析常用的几种人工智能技术进行分析和研究，简述了专家系统、人工神经网络、模糊理论、遗传算法及petri网络等人工智能技术的优点及存在的缺陷，并提出了解决方案。仅供参考。 　　【关键词】人工智能电力系统故障分析应用 　　前言 　　随着计算机技术在电力系统的广泛应用，继电保护和故障检测方法研究越来越引起人们的重视。电力系统继电保护是电网安全运行的重要保障。人工智能技术则由于其善于模拟人类处理问题的过程，善于利用人的经验和具有一定的学习能力等特点在电力系统故障分析领域得到了广泛的应用。常用的有专家系统、人工神经网络、模糊理论、遗传算法及Petri网络等人工智能技术。本文针对上述几种人工智能技术进行了分析，并指出了各自的优点及存在的缺陷，并提出了解决方案。 　　专家系统 　　专家系统是人工智能应用研究最活跃和最广泛的课题之一，它是一个智能计算机程序系统，其内部具有大量专家水平的某个领域知识与经验，应用人工智能技术根据某个领域一个或多个人类专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程，以解决那些需要专家决定的复杂问题专家系统可以划分为基于规则系统、基于模型系统、基于逻辑系统和其他智能系统技术。 　　基于规则系统一般由产生式规则库、推理引擎和一个记录当前推理状态的工作存储区构成，见图1。规则库中的每条规则，都使用“IF-THEN”语句。推理方式有两种：前向推理和后向推理。前向推理是一种数据驱动推理方式，而后向推理是一种目标驱动推理方式。对于故障征兆有限而故障原因很多的问题，可以采用前向推理技术，否则，后向推理技术更为合适。在求解某些复杂问题时，可以综合使用前向推理和后向推理技术。 　　 　　 　　 　　图1 基于规则专家系统的一般结构 　　电力系统继电保护故障诊断专家系统大多是采用基于规则系统。从近几年的研究成果看，专家系统在使用中仍存在着许多缺陷。 　　(1)知识获取主要依靠大量的知识工程师将专家的知识移植到计算机中，所以建造专家系统周期长、效率低。系统的开发也离不开知识工程师。从而极大地限制了专家系统的应用。 　　(2)它的推理能力被严格限制在狭窄的专业领域中，无法处理没碰到过的情况。对于相近领域的边缘性问胚，求解能力差。结构简单、学科单一、缺乏层次．所以只能用在专门场合．来求解较为简单的问题。对复杂的系统无能为力。 　　(3)目前的专家系统一般还不具有自学习的能力和联想记忆的功能．不能在运行过程中自我完善、发展与创新知识。不能通过联想记忆、识别和类比等方式进行推理，系统的功能由设计者的知识和能力决定。它的本领也只是输入知识的总和。推理能力弱。推理速度慢、效率低。 　　2、人工神经网络 　　人工神经网络(Artificial Neural Network。简称ANN)是模拟人类神经系统传输、处理信息过程的一种人工智能技术。自1943年Mcculloch和Pitts第一次提出模拟神经元以来．它迅速发展成为与专家系统并列的人工智能技术的另一个重要分支。与专家系统相比，它的优点是：自我学习能力强，在学习完成之后。还具有一定的泛化能力；容错能力比较强，即使输人信号带有一定的干扰噪声，仍能给出正确的输出结果。目前ANN在应用中也存在着一些缺陷。如何设计适用于大型输电网络的故障诊断系统仍然是一个有待于进一步研究的问题。 　　(1)ANN在使用之前需要大量的、有代表性的样本供其学习，且学习算法收敛的速度一般比较慢；学习完成后，如果系统结构发生变化，则需要增加新的样本重新学习。 　　(2)ANN具有较好的内插结果，但外推时则可能误差较大．特别是当系统非线性较强或具有病态特性时误差更为严重。 　　(3)ANN对诊断结果缺乏解释能力，对运行人员来讲ANN的工作过程是一个黑箱。 　　目前在电力系统继电保护中。就已将人工神经网络和专家系统结合起来，研制出神经网络理论的保护装置，可判别更复杂的模式，其因果关系是更复杂的、非线性的、模糊的、动态的和非平稳随机的。它是神经网络(ANN)与专家系统(Es)融为一体的神经网络专家系统，其中，ANN是数值的、联想的、自组织的、仿生的方式，ES是认知的和启发式的。 　　3、模糊理论 　　模糊理论(Fuzzy Theory)是将经典集合理论模糊化，并引入语言变量和近似推理的模糊逻辑，具有完整的推理体系的智能技术。模糊理论(Fuzzy Theory)解决问题的方法主要是模仿人脑的不确定性概念判断、推理思维方式，对于模型未知或不能确定的描述系统，以及强非线性、大滞后的控制对象，应用模糊集合和