论文部分内容阅读
【摘要】人工智能AI技术是一项具有良好的通用性，适用于很多条件下，其中就包括了电力企业。结合现代电力企业人工智能AI技术应用表现来看，一般将此项技术应用在电力系统当中，通过技术功能对电力系统进行监控、问题分析、智能决策与智能管控，理论上介于AI技术的优良性能，可以优化电力系统的运维质量，然而因为AI技术出现的时间较短，其实际应用表现还有待验证，所以对其在电力系统中的应用进行研究，具有实践性意义。
【关键词】人工智能；AI技术；电力系用
0.引言
在电力企业近代的发展过程上来看，其很早就开始利用智能化技术来优化电力系统运维，并取得了良好的成绩，而随着智能技术的发展，早期智能化技术现已成为了人工智能AI技术，在理论上人工智能AI技术相较于早期智能化技术，具有功能、性能上的优势，所以部分电力企业因自身发展需求，开始将人工智能AI技术与电力系统融合，对电力系统进行全面管理。
1.人工智能AI技术在电力系统中的应用范围
1.1电力系统运维管控
电力系统运维表现将决定电能供给的质量，这对于社会区域发展等有着重大影响，那么为了保障电力系统运维质量，许多电力企业将人工智能AI技术应用于电力系统运维管控当中，使管控功能体系智能化。关于人工智能AI技术电力系统运维管控表现，具体包括智能化继电保护、智能化切负荷控制、智能化励磁控制三类，本文为了充分了解AI技术的应用，将在下文进行相关分析。
（1）智能化继电保护
继电保护本质上属于离散保护功能，广泛分布于电力系统当中，与其各个环节相互连接，此时根据各个环节运维时产生的数据报告，判断当前电力系统是否存在故障，如果存在故障将激发继电保护动作，使故障点停止运行，以防故障恶化。传统继电保护其判断逻辑过于简便，不能对所有故障进行判断，说明其存在缺陷，而智能化继电保护，通过AI技术可以模拟人的思维方式形成智能化逻辑，此时可以对绝大部分的电力系统故障现象进行判断，并通过智能化技术的性能优势，加快继电保护机制的运行速度，相较之下可见智能化继电保护具有明显优势。原理上，智能化继电保护主要通过数据采集装置、模糊算法、知识储存库来运作，即先由数据采集装置来获得故障信息，之后通过模糊算法获得信息特征，最终将计算结果与知识储存库中的信息相似度匹配，最终选择相似度最高的信息作为判断结果，可以确认当前是否存在故障、故障具体类型[1]。
（2）智能化切负荷控制
切负荷控制本质上同样属于离散保护功能，主要对电力系统各类负荷进行调整，例如某电力设备出现了元件失效现象导致突然设备停机，此时电力系统的运维容量会大幅度上涨，相应产生较高的负荷，而当负荷超过极限容量之后，会带来大面积的电力事故，此时就需要通过切负荷控制将负荷涨降低，以保障电力系统整体安全。传统切负荷控制的运行原理，主要根据电力系统的暂态性来进行判断，但单纯依靠暂态性判断故障，使无法保障判断结果准确性的，所以在传统切负荷控制中经常出现误判问题，而智能化切负荷控制，主要利用AI系统来运行微分方程逻辑，计算故障现象与系统暂态性之间的数学映射关系，再通过神经元方法，对数学映射关系中的接近功能进行分析，通过分析结果可以得到准确的负荷数据，最终根据数据结果展开运维。综上，智能切负荷控制在运维质量明显优于传统功能，因此其具有更高的应用价值[2]。
（3）智能化励磁控制
励磁控制属于一项针对性较强的功能，主要针对电力系统中发电机电压、无功功率进行控制，在运维形式上主要以实施连续性控制模式为主，可以有效避免发电机出现过电压、无功功率过多的现象。传统励磁控制在功能上没有太多问题，但存在实时性不足的缺陷，即在理论上当发电机出现故障之后，励磁控制功能应当在极短的时间内了解具体情况，并作出相应控制动作，但实际上传统功能的延时性较高，导致实时性不足，而智能化励磁控制中，主要采用模糊集理论来进行控制，可以有效提高功能实时性。
1.2故障诊断
针对上述分析内容可见，人工智能AI技术要在电力系统运维中取得良好成绩，必须确切的了解故障类型，所以其存在故障诊断功能。人工智能AI技术的电力系统故障诊断功能主要由专家系统来实现，该系统集成了大量电力故障研究数据以及相关的处理方法，并围绕研究结果，通过多种诊断方法来判断故障，常见的诊断方法包括：人工神经网络诊断、模式识别诊断、故障树分析法等，关于这些算法的具体内容，下文将进行相关分析。
（1）人工神经网络诊断
人工神经网络诊断方法是一种模拟人类神经网络，通过神经元来对电力系统故障现象进行分析以得出故障特征，再根据资料库中的资料信息，找到与故障特征匹配的资料来进行决策的功能，该功能是现代电力系统人工智能AI技術应用中最常规的模式。在应用优势上，该方法具有并行处理、鲁棒性良好、容错性高的特点，所以受到了广泛的重视。此外，人工神经网络诊断还具有自适应学习功能，即当网络无法从资料库中找到匹配信息时，其会对故障信息的特征进行记录，此时如果在后续工作中如果再次遇到此类故障，就可以根据本次记录来进行诊断。
（2）模式识别诊断
模式识别诊断是一种仿真故障诊断方法，即当电力系统出现故障之后，会将故障信息记录，之后仿真模拟电力系统正常运行流程，同时将记录的故障信息带入仿真环境当中进行运作，最终依照仿真环节中电力系统因故障信息而产生的参数变化来判诊断故障模式类型，给之后智能化或人工处理提供明确方向。在应用当中，模式识别诊断功能在故障诊断精确性上处于劣势，但并未脱离合理范围，而其优势在于运行效率较高，可以实时对故障进行诊断。
（3）故障树分析法
故障树分析法本质上属于数学方法，该方法主要先收集所有与故障相关的因素，再通过故障树计算方法来确认每项因素与故障之间的关联度，根据关联度将所有隐私依序排列，形成了故障树因素集，最终通过智能终端对故障树因素集进行分析，了解当前故障具体是因为那些因素所引起的，同时围绕这些因素反向推理也可以得出故障类型。应用当中因为盖房啊整个流程通可以通过数据来证实，所以具有安全性、可靠性较高的特点。
2.人工智能AI技术在电力系统中的应用方法
2.1资料库建设
综合上述分析内容可见，部分人工智能AI技术在电力系统应用当中，都需要资料库作为数据支撑，否则将无法运行，所以在应用当中，必须建立资料库。目前，常见的资料库建设方法为专家资料库建设方法，即通过人工以往的研究资料，将其中信息录入到一个数据储存库当中，再将储存库与AI系统相互连接，此时数据储存库就成为了资料库，AI系统的一切运行动作，都需要将其中资料记录作为依据。
2.2逻辑算法应用
人工智能AI技术的最大特点在于其具有逻辑运行功能，而实现这一点的因素就是逻辑算法。目前，人工智能AI技术电力系统中常见的逻辑算法为遗传算法，该算法是一种能够在复杂、海量的数据体系中找到最优解的数学方法，可以保障人工智能AI技术电力系统运维效果最优化，同时该算法本身还具有便捷性良好、鲁棒性强的优点，所以适用于电力运维当中。
3.结语
本文主要对人工智能AI技术在电力系统的应用进行了分析，通过分析得到结论：当前人工智能AI技术在电力系统中有着广泛的应用，可以有效改变传统电力系统中各项功能的缺陷，具有较高应用价值；对人工智能AI技术在电力系统中的应用方法进行了分析，为AI系统建设提供了方向。
【参考文献】
[1]郭步阳.试论人工智能技术在电力系统故障诊断中的应用[J].科技创新与应用,2015(34):206.
[2]胡斌.人工智能技术在电力系统继电保护中的应用[J].电子技术与软件工程,2017(20):257.
【关键词】人工智能；AI技术；电力系用
0.引言
在电力企业近代的发展过程上来看，其很早就开始利用智能化技术来优化电力系统运维，并取得了良好的成绩，而随着智能技术的发展，早期智能化技术现已成为了人工智能AI技术，在理论上人工智能AI技术相较于早期智能化技术，具有功能、性能上的优势，所以部分电力企业因自身发展需求，开始将人工智能AI技术与电力系统融合，对电力系统进行全面管理。
1.人工智能AI技术在电力系统中的应用范围
1.1电力系统运维管控
电力系统运维表现将决定电能供给的质量，这对于社会区域发展等有着重大影响，那么为了保障电力系统运维质量，许多电力企业将人工智能AI技术应用于电力系统运维管控当中，使管控功能体系智能化。关于人工智能AI技术电力系统运维管控表现，具体包括智能化继电保护、智能化切负荷控制、智能化励磁控制三类，本文为了充分了解AI技术的应用，将在下文进行相关分析。
（1）智能化继电保护
继电保护本质上属于离散保护功能，广泛分布于电力系统当中，与其各个环节相互连接，此时根据各个环节运维时产生的数据报告，判断当前电力系统是否存在故障，如果存在故障将激发继电保护动作，使故障点停止运行，以防故障恶化。传统继电保护其判断逻辑过于简便，不能对所有故障进行判断，说明其存在缺陷，而智能化继电保护，通过AI技术可以模拟人的思维方式形成智能化逻辑，此时可以对绝大部分的电力系统故障现象进行判断，并通过智能化技术的性能优势，加快继电保护机制的运行速度，相较之下可见智能化继电保护具有明显优势。原理上，智能化继电保护主要通过数据采集装置、模糊算法、知识储存库来运作，即先由数据采集装置来获得故障信息，之后通过模糊算法获得信息特征，最终将计算结果与知识储存库中的信息相似度匹配，最终选择相似度最高的信息作为判断结果，可以确认当前是否存在故障、故障具体类型[1]。
（2）智能化切负荷控制
切负荷控制本质上同样属于离散保护功能，主要对电力系统各类负荷进行调整，例如某电力设备出现了元件失效现象导致突然设备停机，此时电力系统的运维容量会大幅度上涨，相应产生较高的负荷，而当负荷超过极限容量之后，会带来大面积的电力事故，此时就需要通过切负荷控制将负荷涨降低，以保障电力系统整体安全。传统切负荷控制的运行原理，主要根据电力系统的暂态性来进行判断，但单纯依靠暂态性判断故障，使无法保障判断结果准确性的，所以在传统切负荷控制中经常出现误判问题，而智能化切负荷控制，主要利用AI系统来运行微分方程逻辑，计算故障现象与系统暂态性之间的数学映射关系，再通过神经元方法，对数学映射关系中的接近功能进行分析，通过分析结果可以得到准确的负荷数据，最终根据数据结果展开运维。综上，智能切负荷控制在运维质量明显优于传统功能，因此其具有更高的应用价值[2]。
（3）智能化励磁控制
励磁控制属于一项针对性较强的功能，主要针对电力系统中发电机电压、无功功率进行控制，在运维形式上主要以实施连续性控制模式为主，可以有效避免发电机出现过电压、无功功率过多的现象。传统励磁控制在功能上没有太多问题，但存在实时性不足的缺陷，即在理论上当发电机出现故障之后，励磁控制功能应当在极短的时间内了解具体情况，并作出相应控制动作，但实际上传统功能的延时性较高，导致实时性不足，而智能化励磁控制中，主要采用模糊集理论来进行控制，可以有效提高功能实时性。
1.2故障诊断
针对上述分析内容可见，人工智能AI技术要在电力系统运维中取得良好成绩，必须确切的了解故障类型，所以其存在故障诊断功能。人工智能AI技术的电力系统故障诊断功能主要由专家系统来实现，该系统集成了大量电力故障研究数据以及相关的处理方法，并围绕研究结果，通过多种诊断方法来判断故障，常见的诊断方法包括：人工神经网络诊断、模式识别诊断、故障树分析法等，关于这些算法的具体内容，下文将进行相关分析。
（1）人工神经网络诊断
人工神经网络诊断方法是一种模拟人类神经网络，通过神经元来对电力系统故障现象进行分析以得出故障特征，再根据资料库中的资料信息，找到与故障特征匹配的资料来进行决策的功能，该功能是现代电力系统人工智能AI技術应用中最常规的模式。在应用优势上，该方法具有并行处理、鲁棒性良好、容错性高的特点，所以受到了广泛的重视。此外，人工神经网络诊断还具有自适应学习功能，即当网络无法从资料库中找到匹配信息时，其会对故障信息的特征进行记录，此时如果在后续工作中如果再次遇到此类故障，就可以根据本次记录来进行诊断。
（2）模式识别诊断
模式识别诊断是一种仿真故障诊断方法，即当电力系统出现故障之后，会将故障信息记录，之后仿真模拟电力系统正常运行流程，同时将记录的故障信息带入仿真环境当中进行运作，最终依照仿真环节中电力系统因故障信息而产生的参数变化来判诊断故障模式类型，给之后智能化或人工处理提供明确方向。在应用当中，模式识别诊断功能在故障诊断精确性上处于劣势，但并未脱离合理范围，而其优势在于运行效率较高，可以实时对故障进行诊断。
（3）故障树分析法
故障树分析法本质上属于数学方法，该方法主要先收集所有与故障相关的因素，再通过故障树计算方法来确认每项因素与故障之间的关联度，根据关联度将所有隐私依序排列，形成了故障树因素集，最终通过智能终端对故障树因素集进行分析，了解当前故障具体是因为那些因素所引起的，同时围绕这些因素反向推理也可以得出故障类型。应用当中因为盖房啊整个流程通可以通过数据来证实，所以具有安全性、可靠性较高的特点。
2.人工智能AI技术在电力系统中的应用方法
2.1资料库建设
综合上述分析内容可见，部分人工智能AI技术在电力系统应用当中，都需要资料库作为数据支撑，否则将无法运行，所以在应用当中，必须建立资料库。目前，常见的资料库建设方法为专家资料库建设方法，即通过人工以往的研究资料，将其中信息录入到一个数据储存库当中，再将储存库与AI系统相互连接，此时数据储存库就成为了资料库，AI系统的一切运行动作，都需要将其中资料记录作为依据。
2.2逻辑算法应用
人工智能AI技术的最大特点在于其具有逻辑运行功能，而实现这一点的因素就是逻辑算法。目前，人工智能AI技术电力系统中常见的逻辑算法为遗传算法，该算法是一种能够在复杂、海量的数据体系中找到最优解的数学方法，可以保障人工智能AI技术电力系统运维效果最优化，同时该算法本身还具有便捷性良好、鲁棒性强的优点，所以适用于电力运维当中。
3.结语
本文主要对人工智能AI技术在电力系统的应用进行了分析，通过分析得到结论：当前人工智能AI技术在电力系统中有着广泛的应用，可以有效改变传统电力系统中各项功能的缺陷，具有较高应用价值；对人工智能AI技术在电力系统中的应用方法进行了分析，为AI系统建设提供了方向。
【参考文献】
[1]郭步阳.试论人工智能技术在电力系统故障诊断中的应用[J].科技创新与应用,2015(34):206.
[2]胡斌.人工智能技术在电力系统继电保护中的应用[J].电子技术与软件工程,2017(20):257.