摘要：近十幾年來，國內外將AI技術用于電力系統的研究已有不少，并取得了有成效的成果，且部分成果已在實際中得到了應用。本文結合工作實踐，簡述了人工智能理論的基本特點，結合計算機化、神經網絡、模糊理論、遺傳算法的在電力系統繼電保護中的應用進行綜述。
　　關鍵詞：電力系統；人工智能；繼電保護；應用；
　　1引言
　　近年來，隨著人工智能理論技術的不斷發展，以模糊技術、人工神經網絡和遺傳算法為代表的智能理論方法在電力系統領域得到了十分廣泛的應用。眾所周知，電力系統是由各類發電裝置、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模動態系統，電力系統本質上是一個非線性動態大系統，存在著許多極為復雜的工程計算和非線性優化問題，例如：電力網絡的無功優化調度電力系統規劃運行、發電機組的優化組合、電力系統最優潮流計算、電力市場的交易定價等一系列問題。而這些問題都是多參數，多約束的非凸優化問題。長期以來，電力系統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中存在的問題無法得到快速與精確的結果。其主要原因在于：
　　(1)電力系統中的有些向題還無法建立精確切實的數學模型，包括不能完全用數學來表示反映問題實質的約束條件。
　　(2)隨著問題的規模和復雜程度的增加，利用現有的算法和計算機條件，無法在較短的時問內獲得滿意的計算結果。
　　(3)許多問題的條件具有模糊性，對干系統的了解還不夠精確，此外在求解問題的過程中需要專家的知識經驗。這些都無法用精確的數學形式表示出來。
　　與傳統的計算方法相比較，人工智能方法對于復雜的非線性系統問題求解有著極大的優勢。它彌補了傳統方法的單純依靠數學求解的不足，解決了某些傳統計算方法難于求解或不能解決的問題。
　　2人工智能技術在繼電保護中的應用
　　2．1計算機化
　　隨著計算機硬件的迅猛發展，微機保護硬件也在不斷發展。某電力學院研制的微機線路保護硬件已經歷了3個發展階段：從8位單CPU結構的微機保護問世，不到5年時間就發展到多CPU結構，后又發展到總線不出模塊的大模塊結構，性能大大提高，得到了廣泛應用。
　　某電力自動化研究院一開始就研制了16化CPU為基礎的微機線路保護，已得到大面積推廣，目前也在研究32位保護硬件系統。某大學研制的微機主設備保護的硬件也經過了多次改進和提高。某大學一開始即研制以16位多CPU為基礎的微機線路保護，1988年即開始研究以32位數字信號處理器(DSP)為基礎的保護、控制、測量一體化微機裝置，目前已與某電自動化設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算機。采用32位微機芯片并非只著眼干精度，因為精度受A／D轉換器分辨率的限制，趟過l6位時在轉換速度和成本方面都是難以接受的；更重要的是32位微機芯片具有很高的集成度，很高的工作頻率和計算速度，很大的尋址空間，豐富的指令系統和較多的輸入輸出口，CPU的寄存器、數據總線、地址總線足32位的，具有存儲器管理功能、存儲器保護功能和任務轉換功能，并將高速緩存(Cache)和浮點數部件都集成在CPU內。
　　電力系統對微機保護的要求不斷提高，除了保護的基本功能外，還應具有大容故障信息和數據的長期存放空間，快速的數據處理功能，強大的通信能力，與其它保護、控制裝置和調度
　　聯網以共享全系統數據、信息和網絡資源的能力，高級語言編程等。這就要求微機保護裝置具有相當于一臺PC機的功能。現在，同微機保護裝大小相似的工控機的功能、速度、存儲容量大大超過了當年的小型機，因此，用成套工控機作成繼電保護的時機已經成熟，這將是微機保護的發展方向之一。某大學已研制成用同微機保護裝置結構完全相同的一種工控機加以改造作成的繼電保護裝置。這種裝置的優點有：①具有486PC機的全部功能，能滿足對當前和未來微機保護的各種功能要求。⑦尺寸和結構與目前的微機保護裝置相似，工藝精良、防震、防過熱、防電磁干擾能力強，可運行于非常惡劣的工作環境，成本可接受。③采用STD總線或PC總線，硬件模塊化，對于不同的保護可任意選用不同模塊，配置靈活、容易擴展。
　　繼電保護裝置的微機化、計算機化是不可逆轉的發展趨勢。但對如何更好地滿足電力系統要求，如何進一步提高繼電保護的可靠性，如何取得更大的經濟效益和社會效益，尚須進行具體深入的研究。
　　2．2人工神經網絡
　　人工神經網絡(ANN)是模擬人腦組織結構和人類認知過程的信息處理系統。它以其諸多優點，如并行分布處理、自適應、聯想記憶等，在智能保護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的研究開辟了一條新途徑。應用ANN技術實現故障診斷不同于ES診斷方法。ANN方法通過現場大量的標準樣本學習與訓練，不斷調整ANN中的連接權和閡值，使獲取的知識隱式分布在整個網絡上，并實現ANN的模式記憶。因此ANN具有強大的知識獲取能力，并能有效的處理含噪聲數據，彌補了ES方法的不足。
　　神經網絡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雜的非線性問題，應用神經網絡方法則可迎刃而解，因此在繼電保護中也得到越來越多的應用，例如在輸電線兩側系統電勢角度擺開情況下發生經過渡電阻的短路就是一非線性問題，距離保護很難正確作出故障位置的判別，從而造成誤動或拒動；如果用神經網絡方法，經過大量故障樣本的訓練，只要樣本集中充分考慮了各種情況，則在發生任何故障時都可正確判別。近幾年來，電力系統繼電保護領域內出現了用人工神經網絡來實現故障類型的判別、故障距離的測定、方向保護、主設備保護等。用人工神經網絡原理來實現高壓輸電線的方向保護，提出用BP模型作為方向保護的方向判別元件。研究結果表明，該方向判別元件能準確、快速地判別出故障的方向。基于神經網絡的繼電保護系統的優越性；論證了由單層感知器網絡或TH網絡可以實現最小二乘算法，這兩種網絡都可以在極短的時間(數納秒或幾百納秒)內完成全部運算；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網絡模型，并證明了三種模型都具有很強的自適應性。基于人工神經網絡的智能型自適應繼電保護原理，利用了比傳統保護多得多的信息量。它比傳統保護能區分更多的故障類型，提高了繼電保護的適用范圍，從原理上解決了經高阻抗的短路故障保護問題。利用人工神經網絡實現自適應電流保護的方法。該方法充分利用了人工神經網絡所具有的強大的自適應能力，學習能力和模式識別能力，實現對電力系統中的各種故障情況的識別，解決電流保護中的靈敏度補償和故障方向識別問題，使電流保護對正方向各種故障都有足夠的保護范圍，而對反方向的各種故障實行閉鎖，從而實現電流保護的自適應。
　　利用神經網絡可以在一定程度上提高故障診斷效率，解決用常規繼電保護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、不擅長處理啟發性的知識、訓練時容易陷入局部最小”等問題。由于專家系統方法與神經網絡方法在許多方面可以協調工作、互為補充，因此，如何取長補短將神經網絡技術與故障診斷專家系統融為一體，以彌補診斷中的不足，并提供新的診斷技術和方法，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)的應用
　　模糊邏輯能夠完成傳統數學方法難以做到的近似計算。近幾年來，模糊集理論在電力系統中的諸多應用領域取得了飛速進展，包括了潮流計算、系統規劃、模糊控制等方面。例如對干負荷變化和電力生產的不確定性，就可運用模糊值來表示某不確定負荷在實際集合中的隸屬函數，建立起電力系統最優潮流的模糊模型。
　　傳統無功電壓優化算法一般是單目標優化問題，并沒有考慮有功網損的降低和限制控制量調節數最少，而且在處理電壓約束時，未考慮“軟約束”特性。可引入模糊線性規劃算法以解決這一問題。為很好地協調降低網損、限制調節量和確保節點電壓裕度三者的關系，在有限控制量調節的前題下，可實現校正違界電壓、降低系統網損和確保所有節點電壓留有一定的裕度。利用模糊綜合評判的方法對電能質量進行綜合評價的二級評判法。
　　2．4遺傳算法(GeneticAlgorithms,GA)的應用
　　遺傳算法是基于自然選擇和遺傳機制，在計算機上模擬生物進化機制的尋優搜索算法。他能在復雜而龐大的搜索空間中自適應的搜索，尋找出最優或準最優解，且算法簡單，適用，魯棒性強。遺傳算法對待求解問題幾乎沒有什么限制，也不涉及常規優化問題求解的復雜數學過程，并能夠得到全局最優解或局部最優解集，這是他優于傳統優化技術之處。遺傳算法從優化的角度出發基本上可以解決故障診斷問題，尤其是在復故障或存在保護、斷路器誤動作的情況下，能夠給出全局最優或局部最優的多個可能的診斷結果。但是如何建立合理的輸電網絡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學模型，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式優化算法解決故障診斷問題。
　　3智能方法的綜合應用
　　每種智能控制方法都有其內在的局限性，難以滿足處理電力系統實際復雜問題的需要。如何將這些控制方法結合起來形成一種綜合的智能控制，使綜合的智能控制系統能夠體現出各種控制方法的優勢而盡量避免各自的不足，綜合利用模糊理論及人工神經網絡各自的特點形成的模糊神經網絡成為提高電力系統的可靠性、快速性、靈敏性及選擇性的主要研究方向。結合ES和ANN實現對以變電站故障診斷為基礎的分層分布時故障診斷系統。基于模糊理論與神經網絡理論，根據特征氣體法和改良IEC三比值法，建立了模糊神
　　經網絡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，并具有較強的知識獲取能力。從基于人類思維發展模式的角度，融合設備故障診斷的ES和ANN模型，構造了電力變壓器的故障診斷分析系統。
　　綜上所述，將不同的人工智能技術結合在一起。分析不確定因素對智能診斷系統的影響．從而提高診斷的準確率，是今后智能診斷的發展方向。
　　4結語
　　人工智能技術在電力系統的應用中已經獲得了良好的發展。然而在我國，人工智能技術在電力系統中的應用研究才剛剛開始。隨著我國電力系統的持續發展，電力系統數據總量的不斷增加，管理上復雜程度的大幅度增長，以及市場競爭的影響和加大，為人工智能技術在電力系統的應用提供了廣闊前景。可以預見，加強智能科學在電網中的科研和應用，將能更好的保證電網安全穩定經濟運行。
　　參考文獻
　　[1]韓富春，王娟娟；基于神經網絡的電力系統狀態估計[J]；電力系統及其自動化學報，2002(6)：49-51．
　　[2]陳噪華，陳少華，楊宜民，多Agent系統及其在電力系統繼電保護中的應用[J]．電氣應用，2005，24(4)．
　　[3]王威，郁惟鏞，張沛超；面向對象的繼電保護整定計算專家系統的研究[J]．電力系統及其自動化學報．2001，13(2)．