郭钰庆

【摘要】    人工智能系统在电力系统暂态问题中具备较大的使用功效，结合信息化、数字化、智能化的运转机理以及工作模式实现对各种暂态问题的有效分析和考量，保障整个电力系统安全稳定地运转。本文在人工智能以及大数据环境下，对现有电力系统暂态问题进行分析和考量，并且简要阐述人工智能系统在应对暂态问题中的应用。

【关键词】    人工智能    电力系统    暂态问题

引言：

在当今大数据、互联网时代，电力系统在运转的过程中需要保持高效稳定的状态。相关工作人员应当结合各类时代前沿性技术的使用，引入先进的逻辑算法来完成对整个电力系统暂态问题的有效分析和考量，对传统分析工作中无法完成表述的数据资料进行有效展示，提高电力系统运转的稳定性和高效性。

一、人工智能技术应用于电力系统暂态问题的合理性分析

（一）深度信息化

在当今智能电网建设理念下，电力企业需要将电网系统进行多元化改造，结合自动化技术、人工智能技术、大数据技术、物联网技术、传感器技术来对外在的电力物理信息进行有效收集、分析、融合、使用，再由中央处理器下发定向化的管控指令，以此来完成对整个电力系统自动化地管控。在此过程中，要实现各功能模块高效协同合作，对各种数据信息资料进行有效的整合、分析，以此来提高电力系统运行的质量和效率，同时在整个电网系统中所使用到的电力设备都应当具备彼此之间相互兼容使用的功能，以此来提高整个电网系统运行的整体性和全面性，实现各设备之间相互协同、相互配合、相互管制的工作形式。

在现有的电力系统信息化管理模式中，无论是信息技术的使用类型，信息产生的时间、类别以及结构尺寸，都趋于多元化发展的态势，相关工作的开展需要借助海量的数据信息作为基本的支撑，实现对电力系统暂态问题的有效研究，并且给予相关研究工作充足的数据支持。同时随着当前数据信息量的不断增加，人们对于暂态问题的研究方式和思维手法也发生了相应的转变和优化，过去往往采用因果逻辑关系来对数据信息进行分析、处理，但是相应的分析处理工作很难以适应当今高维异构多元化信息加工处理的工作需求，同时结合AI技术的有效使用也能够最大限度地提高针对数据信息的处理效率，充分实现对潜在的数据资料进行挖掘和使用，以此来最大限度地发挥多元信息所具备的价值。

（二）暂态稳定机理复杂化

在当前针对电力系统暂态问题的研究工作中其所面对的对象往往具备复杂化的特征，例如在当今电力系统中引入了新能源、特高压直流电以及变频器等多种负荷，以及多元化的电子化元素，结合对应的AI算法能够实施对电力电子元件输入以及输出信息的充分拟合分析，并且以此为基础还能够实施长效仿真处理工作，通过建立电子化系统暂态问题交织影响机理分析模型，使得相关工作能够得到稳定、高效地开展。此外，近几年来我国电力市场将工作开展的重心放置在了经济性运营层面上，以此来进一步促进相关市场发展壮大。因此电力企业需要充分研究当前电力市场的行为，明确定市场对电力系统暂态稳定所具备的影响因素，此外，研究人员还需要从多个角度去对暂态稳定机理复杂化进行研究和探讨，例如从社会学、物理学、经济学等多个角度来落实相应的研究工作，明确人工智能系统信息系统在当今电力暂态稳定中具体应用[1]。由于电力系统的暂态稳定所涉及的影响因素相对较多，其中需要结合多样化的数学分析模型以及数字化结构模型，对其中所包含的各项碎片化信息进行分析和管控，并且还需要考量各种设备的实际运行状况，完成对齐在运行过程中所产生的数据进行有效的整合、应用，以此来提高相关稳定分析工作的质量和效率。

（三）分析方法局限化

通常来说，电力企业往往结合直接分析法或者相应的数值积分法来对当前电力企业内部电力系统暂态问题进行分析和探讨，然而在当前基础科学技术不断进步以及电子化水平持续提升的大环境下，电力系统所具备的离散特性也在多元化技术的加持下得到了进一步地提升，因此结合传统的数值积分法或者设立微分方程往往很难完成对相关暂态稳定性的有效分析，不能够精确表示出当前电力系统所具备的动态以及静态稳定性的特征，而所使用到的直接算法往往只能够运用于暂态的第一摆周期，并且在整个暂态交织的大环境下，无法充分保障整个暂态过程的分析具备可行性，而充分利用AI技术对现有的电力暂态问题进行分析、挖掘，则可以有效地探讨出影响分析方法所包含的机理，借助大数据知识以及相应的大数据技术来对数据信息进行深度挖掘，最终针对现有暂态故障发展的全过程及其最终所具备的稳定状态进行确认、分析。

二、人工智能在暂态保护中的应用

（一）特征提取

通常来说，电力系统在出现故障问题之后人工智能暂态保护便能够正常地运转，而人工智能往往将对应的高频电压故障量、开关动作量、电流故障分量作为主要的特征来考量是否进入对应的暂态保护模式，并且以此为基础实施量化处理来实现对设备、整个电力系统的精确化管控，以此来最大限度地限制故障的影响范围。在此过程中，需要充分利用人工智能技术以及相应的人工智能策略，以便于能够实现对整个电网系统运行稳定性的有效分析和保障，在电力系统对高频信号进行采集、收集的过程中，结合相应的负感器，诸如电磁式互感器、電流互感器均能够取得良好的使用功效，但是所结合使用到的电容式互感器往往不具备较大的现实意义，不能够实施对现有故障问题的暂态保护，因此作为替代，企业可以设计高频电压传感器来对现有高额故障电压、信号进行实时、全面地监测和分析。其次还可以利用DSP以及GPS技术实现对高频信号的快速采集、滤波处理等，通过在智能单元输入对应的信号值来实现对整个故障系统的有效判定和判别[2]。需要引起注意的是在进行特征提取的过程中应当对其中所具备的重点信息数据进行提取和使用，确保后续在系统分析过程中具备较小的工作压力，进一步提高分析系统的运作效率和速度，完成对故障问题的有效识别，因此在进行特征提取的过程中，也需要对关键点位以及厉害点位进行实时监控，减少对不必要的区域位置所实施的管理工作，尽可能实现精细化、精确化、重点化管理，保障整个体系运行的稳定和安全。

（二）各类智能方法在暂态保护中的应用分析

1.继电保护

继电保护作为当前电力系统在生产运作过程中实现对故障问题有效隔绝和实施断电操作的设备之一，在保障电力系统运行安全稳定的工作中具备较大的现实意义。继电保护通常是设立在专家系统中，并且相应的专家系统在电力企业中也具备较为长远的使用年限，也是当今人工智能技术在电力系统中所研究的重点和要点。但是在电力系统保护作业中，对反应时间做出了相对较为严苛的要求，需要实现对专家系统的有效设立，对其中的保护时间进行严格管控，因此最终提出了基于继电保护装置设计理念，依托通用规则以及相应的方式对现有的继电保护系统问题进行分析、明确和考量，以此来对现有的冲突矛盾问题进行妥善解决，结合专家系统实施继电保护策略往往需要采用多元化的逻辑算法以及逻辑关系，结合对应的框架标示法、过程表示法等多种策略来对整个电网设施可能潜在的风险因素进行有效的识别和管控。

2.模糊逻辑保护

电力系统在运转的过程中其产生的各项数据具备动态化、碎片化、非结构化的特征，因此电力系统操作状态时刻处于动态变化的运作机理中，而电力系统内部的网络结构相对较为复杂，其内部电力系统与元器件也具备复杂化的特性。因此要实施对其整个系统的保护管理往往具备较高的難度，同时上述所讲解到的问题、因素均具备随机性，同时还具备一定的不确定性。因此保护装置中输入以及输出的模型变量都存在相应的模糊性，但是却与实际的工作特征、特点相适应，能够很好地运用于工作实践过程中。模拟继电器所构成的内容相对较多，例如由非模糊化、模糊化、推理机以及相应的知识库、数据库所构成。通常来说，需要将适当的变量作为输入量并且将输入量进行转换，将其改变为模糊输入值，以此为基础，对模糊矩阵结构进行确认，再通过对模糊推理机的有效设置和完善，对相应的触发命令进行转化，最终再将数据所包含的模糊状态进一步转变为非模糊状态。电力企业采取模糊技术、方法通常是应对一类不能够很好确认的问题将其具备的非结构化、模糊化特征进行具体化、量化处理以及抽象表达。

3.自适应保护及监控

而在对应的自适应保护及监控机理中，需要结合神经网络系统以及对各系统单元的使用，并且神经网络系统通常是由不同的神经元按照特定的排列组合方式所构成的，电力系统可以借助单个神经元实现对各项指令数据信息的输入以及输出，其输入以及输出的数据具备非线性、结构以及非线性函数关系，体现出非线性结构特征，并且将其中所具备的信息量通过连接权值进行充分展现，依托特定的学习算法以及相应的调节权值，使得整个神经网络能够对非线性问题数据实时映射和管理。

通常来说，神经网络信号传输涉及正向传输以及反向传输两个过程，相关信号、信息的输入过程也是通过由相应的神经元系统的输出层再经过隐藏层最终输出到传递层，需要引起注意的是在输出层需要产生对应的输出信号也就是相关信息正向传播，在此期间，每个层级所具备的权值都存在相应的差异，并且上一层的神经元往往只会对下一层的神经元产生相应的影响，如果输出层所输出的数据与期望值之间存在相应的差异，则可以将其判定为误差值，而对应的误差信号也是由输出层开始传播，并且逐渐向前推移，形成一种反向传播。在此期间，通常需要借助信息反馈的方式来实现对各层级的权值进行有效的调节，最终使得整个网络输出的数值能够达到期望值。

4.综合智能控制的继电保护

在通常情况下，沿用不同的智能管控策略或多或少均存在相应的局限性，并且也无法有效地实现对现有电力系统实际需求的适应和管控，因此相应的研究人员应当逐渐提高对于相关控制方法策略的整合以及对其进行必要的关注和管控，以此来将不同的控制策略进行融合、整合形成一种综合性质的智能管控方法，以此来对各类控制方法以及其内部所包含的优势进行使用和管控。其次，还应当最大限度地规避综合智能控制系统所存在的劣势，充分发挥其优势，采取扬长避短的控制策略，当前智能综合系统在电力系统中也得到了进一步地使用，综合智能系统通常是结合神经网络以及相应的专家系统，将模糊逻辑控制与神经网络系统进行充分融合，以此来进一步构建成全新的模糊神经网络，实现对各类语言数据、信息变量的有效转化和使用，对其中所蕴含的知识信息进行充分展现，以此来最大限度地实现模糊神经网络所具备的推理作用。模糊神经网络系统在当今电力系统暂态保护研究工作中相对较为常见，能够通过对变压器、发电机故障精确检验来实施对其有效的保护，建立模拟分析模型以及利用相关模型所具备的优势，对神经网络系统收敛费时的问题进行有效管控，使得整个网络体系得到保障[3]。

三、人工智能暂态保护优化途径分析

（一）强化电网网架

当前在电力系统线路功率输出效率层面，通常与线路两侧的电压乘积呈现出正比例关系，其次相应的线路功率还与电阻成反比，因此，在当前电力企业的日常运作管理过程中，应当实现对线路电阻值的合理设置，尽可能降低电阻值，使整个体系保持相对较为良好的状态，对系统运行的稳定性进行保障;其次，再利用紧凑型线路布局方式，通过进一步增加线路中所包含的回路数也能够有效地降低整个线路体系中所具备的电阻值，但是相比较而言，前者往往具备更高的成本，电力企业在选择相应的策略时应当考量自身实际的使用需求以及相关工作状态，但是通过整体性的分析和考量可以看出，将电容装置进行串联处理能够达到良好的线路阻抗管控效果，通过综合分析、考量，采取此类管控方式往往能够取得更高的经济效益，并且也可以将对应的串联电容其所具备的容抗在整个电抗中所包含的百分比用作为相应的补偿度，其相应的补偿度数值通常需要控制在50%左右，如果整体比例所占过高则可能造成相应的同步振荡问题。

（二）电力系统保护装置

通常来说，在整个电力系统丧失其原有的稳定性之前，电力企业需要采取稳定、高效的管控措施来保障整个电力系统能够正常运转，此外，在对应的系统稳定性完全丧失之前也需要通过采取科学、合理的管控方式来保障整个体系能够高效运转，通常来说，可以实施以下策略[4]。

首先可以结合发电机励磁系统实现相应的动态化管控，对于当前电力系统而言，结合对应的发电机励磁系统往往具备较大的现实意义，同时相应的系统也是作为一种核心设备的形式在电力系统中存在，当整个系统处于稳态保护的状态下可以结合相应的电机励磁系统实现对电机两端的电压值进行科学、合理地调控以此来最大限度地降低电压和电磁功率之间所具备的摆动速度，同时在整个保障体系运转的过程中还需要具备较高的经济性和稳定性，结合传统常见的励磁管控系统，借助相应的pid调节策略，再借助对应的系统稳定器，能够最大限度地提升整个电力系统运行的静态稳定性，并且还能够确保相应的阻尼实现低频率震荡，以此来提高整个系统的动态稳定性。当前国外往往沿用一类可控硅励磁系统，相关系统往往具备快速高顶值的管控功效，通过对应的倍数调节器以及PSS裝置，保障整个体系趋于静态稳定、动态稳定的暂态稳定。

第二类则是通过相应的电气管控技术以及相关电气设备所使用到的控制装置，在当今人工智能系统体系中通常包含路由器、终端节点以及控制器三种结构形式，而对应的终端节点包含传感器、升压模块、微处理装置以及基本的能源供给、无线通信装置，而在对应的传感器装置中通常是实现对相关数据资料的收集、转换，完成对信息收集工作的监督和管控，借助相应的微处理器模块来控制传感器模块实现正常、稳定地运转，实现对不同点位、不同区域数据信息的高效存储、收集以及分析管控;同时借助对应的无线通信模块来承担起对传感器所接收到的数据信息进行实时传输反馈，来完成对数据资料的接收、发放等工作任务;而相应的能量供给板块则主要是为传感器以及各种微处理元件提供必要的能源支撑，通常是借助微型电池所提供的能量来给予相应的工作保障[5]。

其次，在现有快关气门以及控制工作中，结合暂态保护工作以及智能化的管控技术能够对现有的发电机、变压器故障进行充分高效地检测，结合对快关气门装置的使用，借助当前建模工作中所具备的便利特征，实施对神经网络收敛费时问题的有效处理和应对，最大限度地改善整个体系的收敛性。随着当前全新监听技术以及相关硬件模块的不断优化和改善，系统在获取相关数据资料之后可以通过相应的系统板块向其分配不同的板块空间，并且在进入正式系统运转之前，也可以使用相应的代码连接器来完成对数据信息的读取，来保障系统安全可靠地运转，最终对相应的测试结果进行合理地分析和确认[6]。

四、结束语

总体来说，人工智能技术依托信息化技术、计算机技术来实现对当前电力系统的动态化模拟和模糊分析，通过提取系统内部的数据特征进行模糊分析，来对非结构化、碎片化数据进行结构化展示，以此来最大限度地提高暂态保护作业的质量和效率。

参  考  文  献

[1]汤奕， 崔晗， 李峰，等. 人工智能在电力系统暂态问题中的应用综述[J]. 中国电机工程学报， 2019， 39（1）：12.

[2]谢彦祥、肖汉、李嘉逸、李小雨. 电力系统暂态稳定评估方法研究现状及展望[J]. 电工电气， 2020（11）：4-12+30.

[3]邵美阳， 吴俊勇， 李宝琴，等. 基于两阶段集成深度置信网络的电力系统暂态稳定评估[J]. 电网技术， 2020（05）：204-215.

[4]张晨宇. 机器学习和网络嵌入算法在电力系统暂态稳定，电压稳定评估中的应用[D]. 浙江大学， 2019.

[5]佚名. 人工智能技术在电力系统监测与运行中的应用[J]. 能源前沿， 2019， 13（1）：71-85.

[6]赵高尚. 基于数据挖掘的临界暂态稳定边界特征提取方法研究[D]. 东北电力大学， 2019.