智能控制在电力系统中的应用文献阅读报告

摘 要：人工智能技术(AI)广泛应用于求解非线性问题中，在电力系统的控制、管理、运行等领域发挥着重要的作用。阐述了专家系统、人工神经网络、模糊集理论和启发式搜索等人工智能技术在电力系统中各自的应用特点，总结了人工智能技术在电力系统中的发展特点，并指出混合智能是人工智能在电力系统中应用的重要发展方向之一。

关键词：人工智能；电力系统；专家系统

电力系统运行控制的一个基本目标就是在经济合理的条件下向用户提供高质量的电能。为此，有必要对电力系统进行规划、监视和控制。随着电力系统规模的不断增加，能源管理系统(EMS)运行人员所面临的决策任务也日趋加大，这使得运行人员很难保证电力系统的安全、经济、可靠运行。另一方面，现有EMS 中心的计算机软件通常为数值分析软件，缺乏智能化处理功能，这一实际情况也使得运行人员的决策判断变得十分重要。特别是在事故状态下，运行人员的决策往往影响到整个电力系统的安全运行。为此，有必要采用人工智能技术(AI)来协助运行人员进行决策和判断，这是近年来各国电力工作者们涌入到人工智能应用研究领域的一个主要起因[1]。电力系统中应用人工智能的另一个技术起因是计算机科学及与之相应的硬件发展水平，也促进了人工智能向其他工业领域的渗透。目前，用于智能化编程的高级逻辑语言种类繁多且趋于成熟；而用于智能软件的硬件系统也不断投入市场，这些现实使得人工智能技术在电力系统中的应用有更加广阔的前景。

随着我国电网规模的迅猛发展和“三华”特高压电网建设，影响电网安全运行的因素越来越多，电网运行机制越来越复杂，为了最大程度保证电网的安全运行，电力系统的人工智能技术研究也显得更为重要。为了研究电力系统中适合通过人工智能工具来解决问题的特性，特将问题按时帧分为实时控制、管理规划两部分。

实时控制包含离散和连续控制系统，在个体操作时，实时控制相对简单，但是它们之间的相互作用影响使得电力系统的控制异常复杂。能源管理系统在现代电力系统中的作用越来越突出。全系统的数据通过监督控制与数据获取(SCADA)传给EMS，控制信号由EMS 传给各元件，整个过程要做到同步进行，这要求EMS 具有对大量信息的实时处理能力，并且能在正常和事故情况下及时、正确地做出控制决策。监测与诊断是EMS 的重要功能。人工智能在状态监测与故障诊断领域发挥着重要作用，国内外已开发了多种基于专家系统和神经网络的诊断策略，本文不再进行阐述。

人工智能在电力系统中的应用主要指专家系统的应用。事实上，一个专家系统就是一个计算机程序集，该程序利用当前的输入信息、知识库及一系列推理规则来完成由某一领域专家才能完成的工作。专家系统的特点在于其符号表达、逻辑推理及渐进式搜索能力。专家系统和传统计算机软件间的主要差别在于知识库和推理机是明确分开的。专家系统在电力系统运行控制中的应用领域可以概述为以下几方面：

(1) 报警信号处理：电力系统出现事故的状态下，警报信息量最高可达2 000个，如此大量的警报信号往往会使运行人员手足无措。此时，若能采用智能化软件，尽快整理出引起报警的事故原因，将对系统的安全运行提供很大帮助。

(2)开关操作：统计数据表明，EMS运行控制任务的40%属于开关操作。因此，开关操作序列的自动化，特别是大量操作序列的自动化无疑将减轻运行人员的工作量。而这种自动化操作的实施必须依靠智能化软件才能完成。

(3)电压控制：电力系统的潮流优化(OPF)在很大程度上依赖于电压控制。而电压控制不仅取决于潮流计算结果，而且还必须考虑对未来负荷的预测及过去控制的历史。这样一个综合决策任务只能由智能决策软件系统才能较好完成。

(4)故障诊断：电力系统可能出现的故障种类繁多，从一次系统的故障看，可分为线路和元件故障两大类；从二次系统的故障看，则可粗略地分为保护系统、信号系统、测量系统、控制系统及电源系统五类故障。如何利用各种可监测的信息来查找上述故障，仍是一个纯逻辑推理问题，显然，这是专家系统的一个极好的应用领域。

(5)恢复控制：由于电力系统大范围停电的概率极低，故一旦出现这种情况，调度运行人员几乎无法迅速采取有效措施来恢复供电。而恢复供电的过程又涉及了大量的开关操作及并网操作，稍不小心，还会再次引起事故。此时，若能提出一个指导操作的专家系统，将大大加速系统恢复过程。

(6)运行规划：电力系统在运行过程中往往要根据系统要求切除或投入某些设备或负荷。这些操作会引起系统拓扑结构的变化。为此，通常只对系统的新旧拓扑结构进行潮流分析，然后确定各种操作的可行性。这一规划任务也是专家系统的一个潜在应用领域。

(7) 运行人员的培训：为了使运行人员获得较高的技能，使他们能在实际调度工作中少犯错误，目前各EMS中心均设有训练仿真器。为此可采用智能化编程软件实现仿真器的软件功能，从而提供正常情况下操作对策训练及预想事故处理的训练。

专家系统在电力系统中应用的必要性以及国内外的研究情况等已有专门的文献进行了很好的论述，本文仅就下列几个问题作简要说明。

3.2.1电力专家系统的特点

(1)主要用于故障诊断、规划调度与运行控制等领域；

(2)主要面向系统而非装置；

(3)将符号处理与数值计算融为一体的混合型系统占很大比例；

(4)符号处理部分通常采用Prolog和Lisp语言，数值计算部分多采用FORTRAN 语言；

(5)大多数专家系统用产生式系统表示知识，框架结构用得很少；

(6)实现专家系统有如下三种方式：用数值程序语言实现、用人工智能语言实现、用人工智能语言实现并配备相应的硬件。

3.2.2从已进行的研究工作中得到的启示

(1)专家系统是一有用的工具，但它只是辅助手段而不能取代运行人员，不是任何问题都适于用专家系统的方法来解决；

(2)从一个小型系统开始，逐步扩充其功能，不要一开始就企图搞一个功能很多结构复杂的系统；

(3)根据问题特征选择适宜的实现语言；

(4)选用合适的专家系统工具，并要避免采用尚未发展完善的工具；

(5)在开发初期就应考虑使其维护方便，修改容易，使用灵活；

(6)在扩充阶段要考虑用户使用方便，也即要有一个友好的接口，否则难以让运行人员接受；

(7)不要交替使用多个专家系统工具，因为接口太多会使效率降低。

3.2.3有关专家系统应用中的问题

综观国内外现有的专家系统，已实际应用的只是少数，在电力系统中也是如此。目前电力系统中实际应用的专家系统是一些比较简单而具体的系统，如刀闸操作票系统等。专家系统的作用只是辅助调度员做出决策，而不是取代，到目前为止，尚未见到有人企图发展完全取代调度员的专家系统。专家系统在电力系统中应用( 尤其是实时应用) 尚有如下问题有待解决：

(1)与数值程序的接口问题。对电力系统运行而言，该问题有特殊的重要性。现有的接口不甚理想，效率很低。主要有几种方法：用某些规则连接；用公共的“黑板”数据库实现信息交换；与一般系统的一体化。

(2)太慢的符号运算速度。提高数据存取时间可能是提高计算速度的关键。这个问题如不较好地解决，就很难使专家系统能在线应用。尽管这个问题通常不认为是建造专家系统的瓶颈问题，但对电力专家系统而言却是一个十分关键的问题，可能的解决途径有：采用更大容量的计算机；采用分布处理和分层推理；开发专用硬件。

(3)知识获取。知识获取是专家系统的主要困惑和重要的问题，电力专家系统也不例外，目前的解决途径是实现自学习。但基于传统AI的方法看来是十分困惑的，用神经网络实现是种很有前途的方法。现已有用神经网络模型之一的BP模型，开发的专家系统工具，这种工具有较好的知识表达与知识的自动获取能力，具有自学习、自组织等特点，并且系统可以随样本的增加而不断修改其权值，不需人去组织大量的规则。对常规专家系统而言，通常是知识越多，推理速度越慢，采用分布处理和分层推理会好一些，但总的趋势仍是如此。神经网络是并行分布式的，因此，基于神经网络的专家系统的运行速度(假如在细颗粒状的并行机上实现的话)不随知识的增多而变慢。

(4)知识库的一致性。这是A I专家关心的问题，目前也没有很好的方法判断，建造电力专家系统(尤其是大型专家系统)必须考虑这个问题。目前的电力专家系统由于多数处于研究阶段，而实用的还只是一些很简单的系统，因而知识库的规模不是很大，容易直观地验证其一致性。

(5)专家系统的维护。实用的专家系统必须易于维护，不易维护的专家系统其实用性将大大降低。目前对此问题尚未给予足够的重视，主要原因是大多数专家系统离实用还有较大的距离。

人工神经网络是模拟的生物激励系统，由大量的神经元以一定的方式连接而成的，单个神经元的作用是实现输入到输出的一个非线性函数关系，它们之间广泛的连接组合就使得整个神经网络有了复杂的非线性特性，神经网络将大量的信息隐含在其连接权值上，根据一定的学习算法调节权值，使神经网络实现从m 维空间到n 维空间复杂的非线性映射。由于神经网络的快速并行处理能力和良好的分类能力，被广泛地应用于电力系统的实时控制、检测与诊断、短期和长期负荷预测、状态评估等诸多领域[3-4]，而基于神经网络的负荷预测技术已成为人工智能在电力系统最为成功的应用之一。人工神经网络还广泛用于暂态保护，用于故障判断及选线，快速而准确，且不受系统运行方式、故障类型等因素的影响；用于无通信保护，能提取故障高频信号，取得较好的仿真效果；用于雷电波、开关操作波及故障行波的辨识，亦有收获。

模糊逻辑可认为是多值逻辑的扩展，能够完成传统数学方法难以做到的近似推理。近年来，模糊集理论在电力系统中的应用取得了飞速进展，应用多目标模糊决策方法，进行故障测距和故障类型识别；给出模糊集理论的配电系统潮流与状态估计方法；采用模糊推理估计配电系统负荷水平，归纳各类用户随不同因素的变化；用模糊集方法构造变压器保护原理，区别内部故障、涌流、过激以及电流互感器饱和情况下的外部故障；寻求维持电力系统安全运行和充分利用输电容量之间的折衷解；运用于配电系统损耗模糊计算模型，提高计算精确度等。对于负荷变化和电力生产的不确定性，用一模糊值表示某不确定负荷在实际集合中的隶属函数，建立电力系统最优潮流的模糊解。

目前，启发式搜索通过随机产生新的解并保留其中较好的结果，并避免陷入局部最小，以求得全局最优解或近似最优解，主要有遗传算法(GeneticAlgorithms，GA)和模拟退火(SimulatedAnnealing，SA)算法两种[5]。采用遗传算法，求解火力发电系统经济调度问题；解决发电规划、输电系统扩展规划；实现发电机励磁系统参数协调的确定；求解无功和电压控制问题；求解燃料合同约束

下的多时段经济调度问题等。两种方法都可以用来求解任意目标函数和约束的优化问题。应用启发式搜索仍有很多待解决的问题，如搜寻终止标准的选择，终止过快易偏离最优解，不及时停止则会导致过度计算而并不能提高解的质量。GA中遗传因子和SA中冷却速率的选择是影响算法性能的关键因素，必须进行适当的调整，否则可能得到局部最优解。

目前，人工智能中的四种主要工具，即专家系统、人工神经网络、模糊集理论和启发式搜索，各有优点和局限，缺少一种普遍有效的方法应用于电力系统的各个领域。混合智能，即综合多种智能技术，成为AI的重要的发展方向之一[6]。分布式人工智能(D A I)技术是20世纪80年代发展起来的人工智能研究的一个分支，是伴随着并行分布式计算的发展而产生的，在电力系统中的应用目前主要集中于运用多代理技术。对神经网络本身结构和算法的改进也是AI在发展中的重要任务。近年来，椭球单元神经网络的提出为故障诊断领域开拓了新的方向。与经典BP网络相比，椭球单元网络具有泛化有界、拒绝性能好等优点，故障分类精度高，尤其在多故障同时性诊断中，较BP网络具有更好的模式识别能力。AI已在电力系统中获得了健康的发展，在较为成熟的技术(如专家系统)实用化的同时，进行多种智能技术的研究和探索。随着我国大电网互联机制的逐步形成，不确定性因素和运行复杂性的增加，AI在电力系统中的应用前景将更加广阔。

总的来讲，近年来各种智能系统方法的应用在广度和深度都得到了很大发展，由两种以上智能方法构成的混合系统在电力系统中的应用越来越广，这些研究工作从总体上讲有两种方式：一种方式是应用成熟的人工智能技术如专家系统来解决电力系统实际问题；另一种方式是应用最近几年出现的人工智能方法来解决电力系统的一些探索性研究工作，这两种方式的协调发展表明人工智能在电力系统中的研究已进入比较平稳而健康的发展轨道。人工智能乃至模糊神经网络在电力系统及继电保护中的应用研究还处于起步阶段，虽然因种种原因目前尚未在电力系统继电保护中实际应用，但由于它既发挥了神经网络的自学习功能，又加强了模糊系统解决不确定问题的能力，定将在未来的电力系统继电保护中发挥重大作用。随着国家电网建设“坚强的智能电网”进程不断深入，反常条件将是未来AI技术在电力系统中应用的主要推动力，主要表现为：输入数据不确定性的增加，管理的复杂性大幅度的增长，电力系统中管理调度受到时间与市场竞争的影响加大。这些情况为人工智能解决未来电力系统的各种问题提供了广阔前景。

[1]吴晓峰,张浩.电力系统中人工智能的应用与研究[J].工业控制计算机, 2003,16(4)：14-16.

[2]唐华锦,陈汉平.电力系统中的人工智能技术应用研究[J].电站系统工程, 2001,17(4)：250-252.

[3]盛戈,涂光瑜,罗毅.人工智能技术在电力系统无功电压控制中的应用[J ] . 电网技术,2002, 26(6) ：22-27.

[4]廖志伟,孙雅明,叶青华.人工智能技术在电力系统故障诊断中应用[J ] . 电力系统及其自动化学报,2003, 15(6) ：71-79.

[5]韩祯祥,文福拴,张琦.人工智能在电力系统中的应用[J].电力系统自动化, 2000,24(2)：2-10.