论文部分内容阅读
【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統、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，应用模糊集合和模糊规则进行推理．表达过渡性界限或定性知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。对难以描述和处理的自动控制过程、疑难病症的诊断、大系统的研究等方面，都具有突破：为人类从精确性到模糊性、从确定性到不确定性的研究提供了正确的研究方法。模糊理论的优点是：更接近人的表达习惯，在相当程度上增强了系统的容错性。但模糊理论目前在应用中还存在一些缺陷。
(1)模糊系统的知识库或相关规则的模糊度要随输电网络的结构和自动装置的配置进行相应的修改。
(2)不具备学习能力。
因而把专家系统和模糊理论相结合，精确推理就变为近似推理，于是增强了专家系统的容错性。也可以把遗传算法和模糊理论相结合，后面有详细介绍。
4、遗传算法
遗传算法(Genetic Algorithms，简称GA)是20世纪60年代后期出现的一种优化技术．通过模仿生物遗传和进化的过程寻求复杂问题的全局最优解或局部最优解。它将问题的每个候选解都编码形成“染色体”，而相应编码位则类似于生物的“基因”。并用适应度函数来衡量该候选解的优劣，多个“染色体”构成遗传过程中的一代。当形成第一代个体以后，按照生物界适者生存的原则选择生命力强，即适应度高的个体存活到下·代，随后使用交叉over)和变异算子对这些“染色体”中的“基因”进行操作，从而产生新个体，此时再次进行选择产生下一代。可以证明这样若干代以后存活下来的个体将逐渐逼近问题的最优解。用遗传算法去解决电力系统继电保护故障诊断问题，首次需要建立根据故障信息估计故障点的数学模型，并从诊断结果应该能够尽可能解释所有故障信息的角度出发，给出故障诊断问题的适应度函数，从而将输电网络故障诊断问题转化为0-1整数规划问题。但遗传算法目前在应用中还存在一些缺陷。
(1)网络结构和运行特点一定程度上限制了GA的寻优能力，使其实时性较差
(2)相应的数学模型建立困难。
5、Petri网络
Petri网络（Petri Net）是在1960～1962年间由德国数学家C．A．Petri提出的一种通用的数学模型，它以描述系统中各组件之间的关系为基础，用网络来表示系统中同时发生、次序发生或循环发生的各种活动。Petri网络是一个加权有向网络，其中节点可以被分割为两个非空有限集合，分别称为位置和跃迁，这些节点之间用加权有向弧连接起来。网络结构是静态的．网络的动态性质是由位置中令牌的数目及其跃迁体现出来的。电力系统继电保护中各级各类保护系统反应于故障，并有选择地切除故障的过程正属于系统同时发生或次序发生的活动的范畴，适于用Petri网络。但Petri网络目前也还存在一些缺陷。
(1)建模对网络结构依赖性较强。
(2)网络规模较大时，诊断效率低下。
6、人工智能技术的综合应用
通过以上分析可知，每种技术都有其优点和不足之处，实用中很难单纯采用一种技术来达到要求的效果。故障信息处理的复杂性使得没有一种技术能够全部胜任。但它们本身并不是孤立的，很多情况下可以相互结合以达到更好的诊断效果。因此，最好的解决办法是混合采用几种技术。
6、1 人工神经网络与专家系统有机结合
人工神经网络与专家系统的有机结合，是解决专家系统开发中“瓶颈”问题的一个好办法。两者结合是充分利用专家系统的推理判断能力和人工神经网络的学习和容错能力．有效提高了电力系统故障诊断的性能。结合电力系统电网故障的实际情况，依据故障信息的监测参数，设计利用神经网络进行知识获取、专家系统进行故障诊断的电网故障诊断系统。通过神经网络对电网故障复杂问题实例的不断学习训练，获得用于智能诊断的知识，完成对事故发生可能性的初步诊断。
6、2 人工神经网络与模糊理论有机结合
人工神经网络与模糊理论有机结合。构成模糊神经网络用于故障诊断。近年来，人工神经网络和模糊理论在电网故障诊断中已得到广泛的应用。它们取长补短，提高了系统的学习能力与表达能力，是目前人工智能科学领域备受人关注的前沿之一。利用神经网络的学习方法，根据输入输出样本来自动设计和调整模糊系统的设计参数，实现模糊系统的自学习和自适应功能，能够拟合逼近较为复杂的输入输出之间的线性和非线性映射关系；利用模糊理论加快人工神经网络的学习速度并应用人工神经网络构造高性能的模糊逻辑系统。模糊神经网络汇集了二者的优点，集训练、联想、自适应及模糊信息处理于一体的一种特殊的人工神经网络。它特别适用于复杂的非线性系统。
6、3 Petri与遗传算法有机结合
将遗传算法应用到模糊Petri网中，利用遗传算法的全局优化搜索能力．对模糊Petri试网的网络参数进行调整优化，运用极大代数运算的不确定性并行推理算法，来进行输电网故障诊断问题的分析，以提高输电网故障诊断分析的速度和效率。Petri网和遗传算法相结合的配电网故障恢复方法。Petri网模型主要是根据故障区域与非故障区域的联系情况、系統安全运行情况来选择恢复策略。当要进行甩负荷操作时，转由遗传算法来进行优化，获得最佳的甩负荷方案。使甩负荷损失最小，从而提高经济性。
6、4 模糊理论与遗传算法有机结合
模糊理论和遗传算法的结合就构成了模糊遗传算法。模糊遗传算法，即融合模糊优化设计思想的遗传算法。把模糊优化和遗传算法优化结合起来．构成一种混合优化的设计方法。其目的是利用模糊优化设计的优点，克服一般遗传算法优化设计存在的不足，从而使得系统的优化设计更灵活、方便，取得好的设计效果。用模糊遗传算法解决此问题，充分利用遗传算法的鲁棒性及全局最优性。采用模糊理论处理边界，并将模糊控制理论用于遗传算子的在线控制，改善了遗传算法的性能。模糊遗传算法在电力系统继电保护故障分析研究中也有应用。
7、结束语
针对电力系统继电保护的复杂性和故障的多样性，很难用精确的数学模型表示系统状态和断路器分闸速度之间的关系，提出采用模糊控制建立断路器开断速度特性的运动模型，并采用遗传算法对模糊模型的隶属函数进行优化，使得智能操作模糊控制的隶属函数在全局得到优化。并得出了优化后的隶属函数，为断路器智能控制的理论深入研究提供了一种可行的新方法。从实用化的观点对他们在电力系统故障诊断中的应用特点、存在问题进行分析。最后指出综合运用多种人工智能技术是电力系统中的人工智能技术应用的最新发展动向，并提出了模糊理论和遗传算法结合的可行性方法。
注：文章内所有公式及图表请以PDF形式查看。
【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統、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，应用模糊集合和模糊规则进行推理．表达过渡性界限或定性知识经验，模拟人脑方式，实行模糊综合判断，推理解决常规方法难于对付的规则型模糊信息问题。对难以描述和处理的自动控制过程、疑难病症的诊断、大系统的研究等方面，都具有突破：为人类从精确性到模糊性、从确定性到不确定性的研究提供了正确的研究方法。模糊理论的优点是：更接近人的表达习惯，在相当程度上增强了系统的容错性。但模糊理论目前在应用中还存在一些缺陷。
(1)模糊系统的知识库或相关规则的模糊度要随输电网络的结构和自动装置的配置进行相应的修改。
(2)不具备学习能力。
因而把专家系统和模糊理论相结合，精确推理就变为近似推理，于是增强了专家系统的容错性。也可以把遗传算法和模糊理论相结合，后面有详细介绍。
4、遗传算法
遗传算法(Genetic Algorithms，简称GA)是20世纪60年代后期出现的一种优化技术．通过模仿生物遗传和进化的过程寻求复杂问题的全局最优解或局部最优解。它将问题的每个候选解都编码形成“染色体”，而相应编码位则类似于生物的“基因”。并用适应度函数来衡量该候选解的优劣，多个“染色体”构成遗传过程中的一代。当形成第一代个体以后，按照生物界适者生存的原则选择生命力强，即适应度高的个体存活到下·代，随后使用交叉over)和变异算子对这些“染色体”中的“基因”进行操作，从而产生新个体，此时再次进行选择产生下一代。可以证明这样若干代以后存活下来的个体将逐渐逼近问题的最优解。用遗传算法去解决电力系统继电保护故障诊断问题，首次需要建立根据故障信息估计故障点的数学模型，并从诊断结果应该能够尽可能解释所有故障信息的角度出发，给出故障诊断问题的适应度函数，从而将输电网络故障诊断问题转化为0-1整数规划问题。但遗传算法目前在应用中还存在一些缺陷。
(1)网络结构和运行特点一定程度上限制了GA的寻优能力，使其实时性较差
(2)相应的数学模型建立困难。
5、Petri网络
Petri网络（Petri Net）是在1960～1962年间由德国数学家C．A．Petri提出的一种通用的数学模型，它以描述系统中各组件之间的关系为基础，用网络来表示系统中同时发生、次序发生或循环发生的各种活动。Petri网络是一个加权有向网络，其中节点可以被分割为两个非空有限集合，分别称为位置和跃迁，这些节点之间用加权有向弧连接起来。网络结构是静态的．网络的动态性质是由位置中令牌的数目及其跃迁体现出来的。电力系统继电保护中各级各类保护系统反应于故障，并有选择地切除故障的过程正属于系统同时发生或次序发生的活动的范畴，适于用Petri网络。但Petri网络目前也还存在一些缺陷。
(1)建模对网络结构依赖性较强。
(2)网络规模较大时，诊断效率低下。
6、人工智能技术的综合应用
通过以上分析可知，每种技术都有其优点和不足之处，实用中很难单纯采用一种技术来达到要求的效果。故障信息处理的复杂性使得没有一种技术能够全部胜任。但它们本身并不是孤立的，很多情况下可以相互结合以达到更好的诊断效果。因此，最好的解决办法是混合采用几种技术。
6、1 人工神经网络与专家系统有机结合
人工神经网络与专家系统的有机结合，是解决专家系统开发中“瓶颈”问题的一个好办法。两者结合是充分利用专家系统的推理判断能力和人工神经网络的学习和容错能力．有效提高了电力系统故障诊断的性能。结合电力系统电网故障的实际情况，依据故障信息的监测参数，设计利用神经网络进行知识获取、专家系统进行故障诊断的电网故障诊断系统。通过神经网络对电网故障复杂问题实例的不断学习训练，获得用于智能诊断的知识，完成对事故发生可能性的初步诊断。
6、2 人工神经网络与模糊理论有机结合
人工神经网络与模糊理论有机结合。构成模糊神经网络用于故障诊断。近年来，人工神经网络和模糊理论在电网故障诊断中已得到广泛的应用。它们取长补短，提高了系统的学习能力与表达能力，是目前人工智能科学领域备受人关注的前沿之一。利用神经网络的学习方法，根据输入输出样本来自动设计和调整模糊系统的设计参数，实现模糊系统的自学习和自适应功能，能够拟合逼近较为复杂的输入输出之间的线性和非线性映射关系；利用模糊理论加快人工神经网络的学习速度并应用人工神经网络构造高性能的模糊逻辑系统。模糊神经网络汇集了二者的优点，集训练、联想、自适应及模糊信息处理于一体的一种特殊的人工神经网络。它特别适用于复杂的非线性系统。
6、3 Petri与遗传算法有机结合
将遗传算法应用到模糊Petri网中，利用遗传算法的全局优化搜索能力．对模糊Petri试网的网络参数进行调整优化，运用极大代数运算的不确定性并行推理算法，来进行输电网故障诊断问题的分析，以提高输电网故障诊断分析的速度和效率。Petri网和遗传算法相结合的配电网故障恢复方法。Petri网模型主要是根据故障区域与非故障区域的联系情况、系統安全运行情况来选择恢复策略。当要进行甩负荷操作时，转由遗传算法来进行优化，获得最佳的甩负荷方案。使甩负荷损失最小，从而提高经济性。
6、4 模糊理论与遗传算法有机结合
模糊理论和遗传算法的结合就构成了模糊遗传算法。模糊遗传算法，即融合模糊优化设计思想的遗传算法。把模糊优化和遗传算法优化结合起来．构成一种混合优化的设计方法。其目的是利用模糊优化设计的优点，克服一般遗传算法优化设计存在的不足，从而使得系统的优化设计更灵活、方便，取得好的设计效果。用模糊遗传算法解决此问题，充分利用遗传算法的鲁棒性及全局最优性。采用模糊理论处理边界，并将模糊控制理论用于遗传算子的在线控制，改善了遗传算法的性能。模糊遗传算法在电力系统继电保护故障分析研究中也有应用。
7、结束语
针对电力系统继电保护的复杂性和故障的多样性，很难用精确的数学模型表示系统状态和断路器分闸速度之间的关系，提出采用模糊控制建立断路器开断速度特性的运动模型，并采用遗传算法对模糊模型的隶属函数进行优化，使得智能操作模糊控制的隶属函数在全局得到优化。并得出了优化后的隶属函数，为断路器智能控制的理论深入研究提供了一种可行的新方法。从实用化的观点对他们在电力系统故障诊断中的应用特点、存在问题进行分析。最后指出综合运用多种人工智能技术是电力系统中的人工智能技术应用的最新发展动向，并提出了模糊理论和遗传算法结合的可行性方法。
注：文章内所有公式及图表请以PDF形式查看。