国网辽宁省电力有限公司铁岭供电公司 毕守东

电力系统正常安全运行为人们生活生产提供了保障，对人们生活具有重大的影响。为了确保人们日程正常用电，必须要提高电力系统运行安全和质量，而电气自动化技术正是维护电力系统安全有效运行的关键手段之一。在复杂电力系统中应用自动化技术不仅可以提高电力系统管理水平，还能及时处理系统中突发问题[1-2]。因此，电力企业要加强对电力自动化技术的认知和了解，推动企业自动化技术的应用发展，以便电力系统能够持续为人们生活生产提供用电保障。

1 电力系统运行中电气工程自动化实践应用作用分析

1.1 提升电气产品质量

在自动化技术发展应用之前，人们对电气产品的要求是质量满足标准要求，性能可靠即可，对其功能性要求几乎没有。随着自动化技术普及应用，电气产品发展水平不断提高，电气产品使用性能和质量得到进一步提升，经过长时间使用，仍能保持正常功能，维持电力系统安全运行。

1.2 提升系统维护及控制效率

目前电气自动化技术能够与互联网技术联合应用，通过互联网信息技术，能够很好解决电气系统数据采集和分析处理，使得电力系统管理更加高效，大幅度缩短了系统故障维护时间。所以，运用电气自动化技术可以提高电气操作便捷性，并且还能实现多个电气设备联合使用，促使控制效率提高[3]。

1.3 促进负荷调整

负荷调整是电力系统安全运行的重要调整手段。基于电气自动化技术，能够保证系统用电指标等更加合理，并且通过自动化设备还能实现节能和负荷均衡化，减少负荷异常问题[4]。尤其是自动化电气设备应用，能够实现系统智能控制，减少用电低峰时系统运行能耗，保证系统良好运行。

2 电力系统运行中电气自动化常用技术分析

2.1 人工智能技术的应用分析

我国幅员辽阔，电力系统纵横全国，大部分地区工作环境非常恶劣，一旦出现电力系统问题，维护检修难度较大，导致人们用电质量下降。传统的电力系统检修以人工方式为主，效率低下。随着人工智能技术快速发展，基于人工智能技术的电力系统能够很好解决上述问题，并且系统能够在一定程度上判断和处理系统异常故障问题，采集数据并分析，快速提供解决方案，使得电力系统检修相应速度大大提高，短时间内能够恢复正常用电，不断提高电力系统运行效率，还降低了系统管理人员工作难度[5-6]。

2.2 仿真技术的应用分析

自动化仿真技术是随着计算机软件应用发展而来，极大促进了我国电力系统自动化水平提高，并且随着技术发展，其应用范围不断扩大，已经实现了与国际接轨。通过应用自动化仿真技术，可以仿真计算分析得到各种电力数据，为电力企业发展和科研提供支撑。另外，自动化仿真技术还能与其他控制系统配合使用，形成闭环系统，对于新装置测试极其重要，能够在实际应用之前，找到问题并解决，提供电力系统装置的性能，为电力系统安全稳定运行提供技术保障。

3 人工智能技术在电力系统电气自动化中应用实例

在电力系统自动化控制中，电力系统母线保护是其重要控制对象，系统母线能够稳定可靠运行直接决定着整个电力系统的运行质量。因此，一旦电力系统母线出现问题，必须要在最短时间内将故障点隔离，并且维持整个系统能够继续安全运行，为人们生活生产提供用电保证[7]。当前，国内电力系统母线保护主要基于电流比相原理，或者采用带比率制动的电流差动原理来实现保护目的。但是大量实践表明：基于上述原理采取的母线保护措施存在能力不足和抗电流互感器饱和的问题。本文研究中为了解决上述问题，提出了基于人工智能技术的ANN（人工神经网络）以及仿真技术保护母线措施，并以实际案例进行研究分析。

3.1 母线保护的ANN模型构建

利用ANN数字模型来研究电力系统母线保护的实质就是建立数字模型来代替实际存在的母线实体，以模型仿真计算实际系统中母线的输入和输出数据关系来研究分析解决问题的措施[8]。当ANN数字模型为线性函数时，则说明电力系统中的母线保护物理实体是一种新型网络，其输出单一。并且，在这种情况下，电力系统中还存在一个隐含层，在研究中考虑该问题，是为了在满足收敛稳定性的前提下，提高网络的收敛速度。因此，本文研究以母线ANN数字模型进行实证分析，根据有关文献研究成果，本次研究算法借鉴线性函数ANN训练算法，即输入N与网络隐含节点数（M）均为32，并且网络w层和U层对角线中的每个权系数的初始值均为1，同时，非对脚线权系数的初始值为0。在确定上述基本条件情况下，开展仿真训练ANN模型，并且发现训练次数接近200时，模型进入收敛状态，并趋于稳定。

3.2 ANN模型的灵敏度检验

当ANN模型训练完成之后，再对其灵敏度进行分析，考察输出（单一）对输入（多个）灵敏度。主要操作步骤为：设置最小灵敏输入值，输入到其中一个模型之中，其余模型的输入值就设置为0；将模型输出值与输入值进行对比分析，若输出值大于输入值，则说明模型灵敏度符合要求，否则，不满足灵敏度要求。只有满足灵敏度要求的ANN数字模型，才能用来研究母线保护。本文基于人工智能技术和仿真技术创建的ANN模型经过检验均符合研究需求，能够用到电力系统母线保护的故障分析当中。

3.3 基于ANN模型的母线保护故障启动及判断方法

一般来说，电力系统母线保护分为故障启动、判断等具体过程。其中，母线故障启动过程主要是母线保护能够在最短时间内做出响应，并能够最灵敏反映出母线上任何区域的故障，即母线启动需要具有快速性和灵敏性；而母线故障判断过程最主要是能够准确分析判断出故障的地点，不管是区域内还是区域外，这个过程最重要的关注点在母线保护选择性。

3.3.1 故障启动方法

考虑到母线保护要能够以最快的速度和最灵敏反应来反映母线的故障，所以本次研究采用两种母线保护故障启动方法，经过实际训练发现，自适应模型预测法能够很好适用于母线保护的抗区外故障TA饱和问题研究，完美解决了基于电流比相原理而存在的电流互感器饱和能力较差的问题，另外，开启母线出口则需要应用电流瞬时幅值增量法。

3.3.2 故障判断方法

母线判断分为母线区内判断和区外判断，其具体判断方法如下：

母线区内故障的判定。当母线安全稳定运行时，通过母线ANN模型，利用采集的数据进行模拟训练分析，得出母线保护对象的输出和输入对应函数关系。当母线区内发生故障后，根据采集的数据进行训练，可以发现母线保护对象的输出与输入关系发生变化，此时采集的数据将不能正确反映输出和输入关系，并且输出往往较大，表明母线区内存在故障问题，所以可以用此作为判断依据。

由于母线保护对象受到TA饱和等因素影响，在实际应用时，ANN模型输出会发生变化，导致工作人员对母线区内故障判断困难增加。本文研究为了解决该问题，在上述自适应模型基础上加入同步识别法，实现了母线保护区内和区外的故障判断。该方法主要是对模型输出变化情况和故障发生的时间差别来判断故障问题，即考虑故障产生与输出变化同步性。并且由于自适应模型具有快速、灵敏功能，一旦母线出现故障，模型可以快速分析。具体过程为：当母线发生故障，观察ANN模型启动与输出变大之间是否存在时间差，当同步时，则说明故障在母线区内，反之，则故障在母线区外。

母线区域外故障的判定。由上可知，母线区外的故障判断也是根据ANN模型的输出和输入关系来判断，当母线保护对象区外发生故障，但输出和输入关系并不会出现变化，所以能够用来作为判断区外是否发生故障的依据。考虑到系统中TA饱和的问题，尽管在出现故障时，ANN模型输出会变大，但实际上故障启动时间与模型输出时间之间存在大约5ms的差别，因此能够将其作为判断母线区外故障的依据。值得注意的是，这种故障判断需要在母线保护的中心单元进行。

4 结语

综上可知，电气工程自动化技术应用对提高电力系统安全稳定运行至关重要，但我国电气自动化技术发展还有待完善。随着国内用电系统不断增加，海量的用电数据导致电力系统管理难度逐渐提升，而自动化技术实践应用能够提高电力系统运营和管理控制水平。所以，企业要加强电气自动化技术实践应用，如人工智能技术，并且探索出一套可有效实施的应用方案，以提高我国电力系统可靠性和稳定性，推动我国电力系统发展，引领世界。