基于数据驱动的电气智能控制技术研究

王旭康,何宝金

摘要：目前，囯家电网正在以实现“新跨越”为主线，积极贯彻“创新驱动”的国家战略，为打造世界一流、中国特色的能源互联网企业，提供了强有力的技术支持。在电网运行中，电气设备的性能对电网运行的稳定与可靠起着至关重要的作用。但在实际运行中，因其工作环境的复杂性和自身固有的缺陷，在实际运行中极易发生意外失效，造成断电等严重后果。要防止这一现象发生，为了确保电网的安全可靠，需要对电网中各种类型的故障进行实时监测。针对这一现状，作者根据自己的工作实践，就如何将数据驱动的智能技术用于电气设备运行状况的分析，提出了几点看法，以供参考。

关键词：数据驱动、电气智能、技术研究

引言

目前，对智能电网运行状况进行数据驱动的研究尚处在起步阶段。在电力系统大数据环境下，人工智能技术能够有效提升电力系统设备运行状况的分析精度，在智能巡检、故障诊断与预报等方面显示出广阔的应用前景。

一、人工智能技术的概念

人工智能技术自诞生之日起，就在社会的每一个领域中得到了广泛的应用，深刻地影响着社会的方方面面，给人们的生产和生活带来了巨大的方便，为社会的深入发展打下了坚实的基础。和其它技术比较起来，人工智能是一种多学科交叉的新技术，其研究领域广泛，在理论与应用上都有很好的基础。通过对人工智能的研究，我们可以看出，其核心思想是利用机器人模拟人类的思想，来完成各种复杂的工作任务。在电力自动控制过程中引入人工智能技术，可以使工业生产效率得到明显提高，从而使企业的经济效益达到最大。

（1）专家系统

专家系统是一种拥有大量专门知识和经验的编程系统，它把人工智能和计算机技术有机地融合在一起，以某一领域内一位或多位专家提供的知识和经验为基础，对它展开推理和判断，并模仿专家的决策过程，从而解决一些复杂的问题。专家系统简单地说，就是一个用计算机编程的方法，来模仿人的经验，来解决一个领域中的问题。

（2）人工神经网络

神经网络在人工智能领域中扮演着重要角色，这是毋庸置疑的。所谓神经网络，是指研究者通过人工神经元、电子元件和处理元件等装置，模拟人脑的组织结构和思考模式，使得计算机程序具有自主学习的能力。目前，计算机视觉技术在数据存储、处理与分析中发挥着重要的作用，是计算机视觉技术的核心技术。该方法将神经元之间的相互作用和细胞之间的分布相关性作为约束，并通过神经元之间的连接权重进行动态调整，这样就得到了一种能够自我学习的神经网络。与常规资料处理方法比较，本文提出了一种新的模糊资料分析与处理方法。随着人工智能技术的日益成熟与发展，技术也有了长足的进步，它已成为人类进行问题分析与求解的一种重要方法，并显示出它的智能特性。

二、工智能驱动的数据分析技术

（1）状态评估

综合运用在线监测数据、带电试验数据、外部感知数据和运行参数，对电力设备的运行状况进行全面、准确的评价。然后，基于上述多维度的信息，选取了若干影响因素或指标，建立了层次分析模型，并应用层次分析法对电力设备进行了评价。电力设备评定等级是一种模糊、不确定的现象。

本项目拟采用模糊理论和集合理论等不确定性分析方法对评价分级标准进行绝对化处理。在此基础上，通过因子分析、主成分分析等方法，挖掘部件/性能指标与单个状态量之间的耦合关系，并利用D-S证明理论，对部件/性能指标构成的佐证体进行融合，从而进一步简化指标体系。但是，这类评估方法多是在某一时段内对某一设备进行评估，其评估指标体系复杂，计算步骤复杂。近年来，随着人工智能、机器学习等领域的迅速发展，利用神经网络、人工神经网络等多种机器学习方法，从电气系统中挖掘出电气系统的状态参数与其工作状态之间的非线性映射关系，从而达到对电气系统不同时段、不同类型电气系统进行快速分析判断的目的。研究成果将为大规模数据的高效处理与快速、高效的决策提供技术支撑。

（2）趋势预测

趋势预报就是通过分析过去与现在的状态数据，找出其中的规律性，并以此为基础来预报将来的设备状态。按照预测结果的不同，可以将预测结果划分为单一状态量的预测，多状态量的预测和复合状态量的预测。以负荷电流、环境温度和风速作为输入，对电气设备顶部的油温进行了预报，并将其作为单态预报。在此基础上，利用 RBF神经网络、深度递归置信网络等智能算法，挖掘出该瓦斯与其它瓦斯数据、环境气象数据之间的水平相关性，并对其进行纵向、纵向、纵向的关联规律进行深度抽取，以达到提高瓦斯预报精度的目的。

三、电气设备状态智能分析的典型应用场景

（一）基于图像识别的电气设备智能巡检

研究内容包括：（1）通过对大量数据进行降噪、滤波、归一化等预处理，去除不正常数据与“脏”数据；（2）采用深度学习方法，实现对电网运行状态的智能辨识。在此基础上，通过对被辨识装置的形态学特性的分析，将采集到的数据进行标签化，形成训练集；在此基础上，利用已有的训练集，对已有的模型进行优化。最后，将由机器人、无人驾驶飞机等采集的巡检检测图像输入到经过修正的模型中，得到识别结果。由于该算法的图像采集和预处理方式与常规算法差别不大，所以这里就不展开了。在此基础上，利用深度学习的思想，对故障进行特征提取和挖掘，以达到故障诊断的目的。

（二）基于多模异构数据的电气设备故障智能诊断

拟采用基于深度叠层自编码器的方法，从发电机励磁信号中提取故障特征，并结合 SVM方法，实现对发电机故障的精确诊断。利用小波变换与卷积神经网络相结合的思想，构建了一种新的特征选取与分类器选取相结合的算法，实现了对故障线路的精确识别。

四、结束语

将人工智能技术引入到电气自动控制系统中，对电气自动控制的发展具有重要意义。目前，该系统已经在国内的智能化楼宇中进行了大量的使用，并取得了一些成效。人们在创建电气自动化控制系统的时候，一定要对实际需求进行充分的考虑，采用合适的方法来对自动化控制系统的参数进行计算，并积极地利用人工智能技术，提高电气自动化控制的效果。总之，利用数据驱动的人工智能技术，能够模仿人的思考模式，迅速地解决许多电气设备的运行状况。该系统不但能对电网的负荷进行预报，而且还能对电网的运行状况进行预警和诊断。在未来，随着人工智能技术和物联网技术的不断进步，电气系统将会越来越智能化，智能电气将会是一个很好的发展方向。

参考文献

[1]马艳梅.基于数据驱动的电气智能控制技术研究[J].黑龙江工业学院学报(综合版),2022,22(11):92-97.DOI:10.16792/j.cnki.1672-6758.2022.11.021.

[2]张荆晶,闾林秀.基于智能技术的电气自动化控制系统研究[J].电子技术与软件工程,2022(22):133-137.

[3]崔彪.基于智能技术的电气自动化控制系统设计与分析[J].电子技术与软件工程,2021(16):119-120.