人工智能在电力系统及综合能源系统中的应用综述
摘要:推进能源生产和消费革命,构建清洁低碳安全高效的能源体系,需要发
展更加智能的新一代电力系统及综合能源系统。人工智能(AI)是当前最具颠
覆性的科学技术之一,在计算智能、感知智能和认知智能方面具有强处理能力。
人工智能技术在电力系统和综合能源系统中的应用,将改变能源传统利用模式,
促进系统进一步智能化。
关键词:人工智能;电力系统;综合能源系统;应用
1.人工智能在电力系统故障诊断中的应用
电气设备的故障诊断本质上是一种复杂的模式识别问题,传统模式识别方法进行故障诊
断时存在故障特征依赖主观选取的问题,而人工智能的强辨识能力必然能够提升故障诊断能
力。人工智能深度学习能够辨识出大数据内在的耦合特征,并将获取的特征信息融入建模过
程中,从而消除了人为选取特征的不足和传统特征提取所带来的复杂性。例如:为解决异步
电机故障诊断方法因电机结构复杂、信号非平稳和机械大数据等因素引起的诊断困难问题,
利用堆叠降噪自编码提取信号特征,结合 softmax 分类器实现高效、准确的电机故障诊断;
采用深度自编码(deepautonencoder,DA)网络模型和逐层编码(layer-wiseencoder,LWE)
网络模型对新能源风电机组的齿轮箱和主轴承进行故障检测,克服了传统方法对诊断经验的
依赖和大数据输入下模型诊断泛化能力的不足;结合电力变压器在线监测油色谱数据特征及
故障类型,提出了基于分类深度自编码网络的变压器故障诊断新方法;还有研究针对电力系
统中常发生的线路跳闸故障,利用长短期记忆网络善于提取时间序列特征的优势,捕获来自
输配电过程的多源数据的时间特性,进行线路跳闸故障预测。
近年来更多的研究集中在利用人工智能进行电网故障诊断。依据诊断原理的不同,主要
包括专家系统方法、粗糙集方法和人工神经网络方法等,各方法诊断原理及优缺点如下:
1.1 专家系统方法
将保护、断路器与设备的映射关系和专家经验知识相融合并规则表示,形成故障诊断专
家知识库。当电网故障时,通过输入告警信息与知识库进行逻辑匹配来诊断出故障元件。此
类方法具有较强的知识表现能力和较强的故障解释能力,但对不完整数据的容忍能力较差,
自学习能力也较差,且系统的维护难度非常大。
1.2 粗糙集方法
利用告警信息的冗余性对数据间的关系进行挖掘,从故障样本集中发现隐含知识,推导
出相应的诊断规则。该方法可在告警信息不完备、不确定情况下进行诊断推理,具有较强的
容错能力,但对于多重关键信息缺失、含错等不可观事件叠加情况,故障诊断效果不够理想。
1.3 人工神经网络方法
以所有可能获得的保护和断路器的0/1状态作为输入,元件的故障诊断结果作为输出,
通过多层神经网络在信息不确定情况下亦能得到合理的诊断结果,具有很强的非线性拟合能
力。
以上电网故障诊断方法各有优劣,但优势难以互补,并且在工程应用中效果并非像预期
的那么好。因此,寻求专家系统、粗糙集、人工神经网络技术相结合或与其他新技术融合,