秦雅然

（上海智涛电力工程技术有限公司，上海 200000）

1 在线状态监测技术

1.1 在线状态监测技术的内容与目的

在信息化、自动化技术快速发展的大环境下，有关电力系统的在线检测成为可能，该技术的出现让相关人员能足不出户地了解电力系统运行情况，进而积极避免了系统故障的发生。就目前的情况而言，在线状态监测技术的出现有效满足了当前系统管理的要求，通过对电力系统关键设备的运行状态进行评估，获取与之有关的数据与资料，最终为故障诊断提供帮助。

现阶段的电力系统在线状态检测技术主要由数据采集、数据分析与特征提取等组成，在这些功能模块的影响下，电力系统在线状态监测技术能够有效评估电力系统的运行情况，并根据状态监测的目的，了解电力系统的运行情况，构建相应的数据档案。

同时，系统还具有强大的设备运行监测能力，当某个电力系统设备出现运行故障后，系统将会对该电力设备的运行状态进行评估，并将评估结果反馈给总站，方便总站快速定位故障设备，实现了对电力系统故障的处理。

1.2 在线状态检测技术的应用

在电力系统运行过程中，电力系统以及相关设备的运行故障存在一定的差别，常见的故障可以分为瞬变性故障与缓变性故障两种。其中，瞬变性故障的发生时间很短，包括相间短路等，这些故障的出现将会直接影响电力系统的运行情况。针对瞬变性故障，在线状态检测技术能够在故障发生的一瞬间就获取相应的故障信息，并快速地在信息系统上反馈，方便技术人员快速掌握电力系统故障的相关资料。相比之下，缓变性故障主要是指在电力系统、电力设备的运行过程中出现的故障，最终发展成为影响电力系统运行的故障。由此可见，缓变性故障在实际上是一种进程相对缓慢的故障类型。由于缓变性故障的发生时间很对较长，因此，在线状态检测技术能够通过检测电力系统设备运行状态的方式来快速评估设备的运行资料，一旦发现某台设备的运行质量没有达到预期，将会以“黄色”等标记的方式予以重点显示，技术人员可以根据在线状态监测系统所提供的相关资料快速检查设备的运行状态，发现故障及时解决，避免故障扩大。

故障监测特征的分类与获取成为在线状态检测系统的关键，故障监测状态的特征信号获取会直接影响系统运行质量。因此，在相关技术的支持下，在线状态检测系统会通过在不同电力设备上安装故障监测特征信号获取装置来判断设备是否存在运行故障。除此之外，在线状态监测系统还能够利用自己所具有的数据信息库完成电力系统历史数据的对比，当发现某些设备的运行数据区别于历史资料时，则会考虑设备的运行故障风险情况。

2 人工智能技术在故障诊断中的应用

人工智能技术的发展为电力系统故障诊断提供了帮助，在人工智能技术的支持下，一大批新的数据分析技术被应用在电力系统故障诊断中，发挥着巨大的作用。

2.1 专家电力系统故障诊断

专家电力系统故障诊断被认为是人工智能技术在电力系统中最有效的应用，该系统结合了多位专家学者对电力系统运行情况的解读，不仅能够通过各种理论知识来识别电力系统的运行情况，也能通过该系统来对故障的信息进行读取，最终强化了电力系统的运行能力。

在电力系统故障诊断中，专家系统能够针对电力系统的潜在故障与已经发生的故障进行分析，并根据系统建立之初所设计的信息库，再配合故障内容，对数据库中的信息资料进行推理与识别，最终完成对故障的准确诊断，寻找电力系统运行故障的解决手段。基于这一描述，可以认为在电力系统故障诊断中，专家系统的工作模式主要为：发现问题→诊断问题→解决问题，能够满足电力系统故障诊断的基本要求。同时，专家系统中的功能诊断模块对电力系统中的大部分运行故障都具有一定的分析与处理能力，不仅能够科学阐述故障发生的原因，还能够针对电力系统故障情况进行针对性的总结，保证了数据处理的有效性。

2.2 人工神经网络技术

人工神经网络技术是人工智能领域较早开发的一个项目，该技术以人类脑部组织结构为基础，通过模拟人体大脑的思维模式来构建信息处理系统。从当前人工神经网络技术的发展情况看，该技术的出现满足了大数据量情况下的稚嫩故障诊断要求，具有很大的开发价值。在当前电力系统故障诊断中，人工神经网络技术依靠自身所具有的强大信息处理能力，实现了自身的转变。在系统故障诊断过程中，在人工神经网络技术的支持下，电力系统的运行故障信息将会被快速地传递到人工神经网络体系中，之后人工神经网络体系将会通过相应的数据分析模型，对反馈的故障信息进行识别与处理，最终判断故障生成的原因与解决方法。

有学者在研究人工神经网络技术时，深入研究了人工神经网络技术在电力系统故障诊断中的运用。最终发现，人工神经网络技术能够通过神经网络中的联想记忆能力，将一个微小的电力系统运行异常信息放大，实现了对数据的“丰富”，之后根据电力系统故障诊断的历史信息，判断该异常信息是否会成为引发系统故障的风险源，并提醒相关人员关注，或者在第一时间反馈故障诊断信息。与传统技术相比，人工神经网络技术在电力系统故障诊断具有先进性，该技术通过与电力系统相结合，能够对电力系统中的各种运行数据进行编辑与处理，并通过神经网络中的联想记忆能力、在线学习能力以及非线性的映射等，打破了传统技术条件限制，能以更高的容错率来适应电力系统故障诊断工作。从长远角度来看，为了保证人工神经网络技术的技术内容能够达到预期，就需要构建训练样本，通过训练样本来采取电力系统故障数据，获得更理想的故障处理效果。

3 结论

从本次研究结果可知，现阶段电力系统故障诊断技术已经得到了充分发展，人工智能化技术、在线状态机检测技术等在电力系统故障诊断中发挥着越来越重要的作用。因此，在这种情况下，为了保证电力系统运行质量情况可以达到预期，就需要进一步了解上述技术的技术内容与实施要点，努力根据本单位电力系统故障诊断的要求，优化上述技术的实施路径，最终为保证电力系统高质量运行奠定基础。

参考文献：

［1］邢芝福.电力系统设备状态监测与故障诊断技术分析［J］.天津科技，2017，44（07）：65-67.

［2］赵启纯.人工智能技术在电力系统故障诊断中的运用分析［J］.电脑知识与技术，2017，13（02）：183-185.