智能技術(shù)在電力系統(tǒng)自動化中的應(yīng)用

卓冰洋

摘 要：電能是人們生產(chǎn)生活中用途最廣泛的能源之一。近年來，我國在電力系統(tǒng)建設(shè)及管理方面不斷增加投入，較好地滿足了人們生產(chǎn)生活對電能的需求，尤其是智能技術(shù)在電力系統(tǒng)中的應(yīng)用，進一步提高了電力系統(tǒng)的管理質(zhì)量與效率，保證了電力系統(tǒng)工作的穩(wěn)定性。本文探討神經(jīng)網(wǎng)絡(luò)技術(shù)、遺傳算法及其在電力系統(tǒng)自動化中的應(yīng)用，以供參考。

關(guān)鍵詞：電力系統(tǒng);智能技術(shù);人工神經(jīng)網(wǎng)絡(luò);遺傳算法

中圖分類號：TM76 文獻標識碼：A 文章編號：1003-5168（2021）26-0016-03

Application of Intelligent Technology in Power System Automation

ZHUO Bingyang

（Fujian Runxiu Electric Power Development Co.， Ltd.，? Putian Fujian 351100）

Abstract： Electric energy is one of the most widely used energy in people's production and life. In recent years， China has continuously increased investment in power system construction and management， which better meets people's demand for electric energy in production and life. In particular， the application of intelligent technology in power system further improves the management quality and efficiency of power system and ensures the stability of power system work. This paper discussed neural network technology， genetic algorithm and their application in power system automation for reference.

Keywords： power system;intelligent technology;artificial neural network;genetic algorithm

電力系統(tǒng)是由發(fā)電廠、送變電線路、供配電所和用電端等環(huán)節(jié)組成的電能生產(chǎn)與消費系統(tǒng)。電力系統(tǒng)結(jié)構(gòu)復(fù)雜，覆蓋范圍廣。電力系統(tǒng)在運行中可能會出現(xiàn)各種類型的故障，因此工作人員要及時發(fā)現(xiàn)和解決這些故障，保證電能供應(yīng)質(zhì)量，滿足智能技術(shù)的應(yīng)用需求。

1 智能技術(shù)的類型

電力系統(tǒng)自動化過程中應(yīng)用的智能技術(shù)主要有人工神經(jīng)網(wǎng)絡(luò)技術(shù)和遺傳算法。

1.1 人工神經(jīng)網(wǎng)絡(luò)技術(shù)

人工神經(jīng)網(wǎng)絡(luò)技術(shù)以數(shù)學(xué)模型模擬神經(jīng)元活動，是模仿大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和功能而建立的一種信息處理系統(tǒng)[1]。人工神經(jīng)網(wǎng)絡(luò)技術(shù)具有諸多優(yōu)點。其一，高度的并行性。人工神經(jīng)網(wǎng)絡(luò)中的每一個神經(jīng)元都能接受其他神經(jīng)元數(shù)據(jù)的輸入，在并行網(wǎng)絡(luò)支撐下產(chǎn)生不同的輸出，對其他神經(jīng)元造成影響。其二，良好的容錯性與聯(lián)想記憶功能。人工神經(jīng)網(wǎng)絡(luò)可記憶相關(guān)信息，并運用分布式的存儲方式將信息存儲在神經(jīng)元中，使其具備一定的容錯性[2]，同時具備模式聯(lián)想和模式分類功能。其三，較強的自適應(yīng)以及自學(xué)習(xí)功能。通過對人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，可使其學(xué)習(xí)網(wǎng)絡(luò)的結(jié)構(gòu)與權(quán)值，從而更好地適應(yīng)環(huán)境[3]。人工神經(jīng)網(wǎng)絡(luò)主要包括前向神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)及BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)。其中，BP神經(jīng)網(wǎng)絡(luò)是應(yīng)用最廣泛的信息網(wǎng)絡(luò)。例如，在數(shù)據(jù)壓縮、模式識別以及函數(shù)逼近等方面都能看到BP神經(jīng)網(wǎng)絡(luò)的身影。

BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程由信號的正向傳播與誤差的反向傳播兩個過程組成。從輸入層將樣本輸入，經(jīng)各層處理后在輸出層輸出處理結(jié)果。若實際輸出和希望輸出存在較大誤差，便進行誤差的反向傳播。在傳播過程中，所有單元會將誤差進行分攤，獲取各種單元的誤差信號，然后對各單元的權(quán)值進行適當(dāng)調(diào)整與修正，如此反復(fù)調(diào)整權(quán)值，直到輸出結(jié)果與預(yù)期結(jié)果的誤差達到可接受的水平[4]。

1.2 遺傳算法

遺傳算法是一種通過模擬自然進化過程搜索最優(yōu)解的方法。該算法為全局多點隨機搜索算法，不依賴被優(yōu)化對象數(shù)據(jù)模型，因此其在各種復(fù)雜的優(yōu)化中有著廣泛的應(yīng)用[5]。該算法具備以下優(yōu)點：在搜索一個種群數(shù)目的點時按照并行方式進行，搜索過程中只需要給出目標函數(shù)及適應(yīng)度函數(shù)，并不需要其他知識來輔助;確定的問題經(jīng)過該算法處理后，可以形成很多潛在解，使用者可以根據(jù)實際情況加以選擇和確定[6]。遺傳算法的工作流程為：初始種群→選擇、復(fù)制→交叉→變異。

2 智能技術(shù)在電力系統(tǒng)自動化中應(yīng)用的原則

2.1 安全性原則

電力系統(tǒng)為千家萬戶提供電力能源，保證生產(chǎn)活動的順利開展，為人們生活提供保障。安全性原則是智能技術(shù)應(yīng)用的基本原則，包括用戶用電安全、應(yīng)用過程安全以及工作人員自身安全等。

2.2 科學(xué)性原則

隨著社會經(jīng)濟的發(fā)展，科學(xué)技術(shù)水平不斷提升，電網(wǎng)規(guī)模不斷擴大，傳統(tǒng)的電力技術(shù)難以滿足現(xiàn)代化用電需求?，F(xiàn)階段，電力系統(tǒng)自動化運行具有嚴格要求，需要應(yīng)用更加先進和專業(yè)的智能技術(shù)，保證電力系統(tǒng)的正常運行，保證電網(wǎng)更加高效、穩(wěn)定地運行。

2.3 規(guī)范性原則

在智能技術(shù)應(yīng)用過程中，應(yīng)嚴格遵循國家電網(wǎng)公司的要求和規(guī)定，同時結(jié)合電力系統(tǒng)的實際情況，更好地利用智能技術(shù)，如構(gòu)建智能電力通信信息系統(tǒng)，做好智能電力通信信息系統(tǒng)的維護工作[7]。

3 智能技術(shù)在電力系統(tǒng)自動化中的應(yīng)用

3.1 人工神經(jīng)網(wǎng)絡(luò)在電力負荷預(yù)測中的應(yīng)用

3.1.1 背景分析。為了掌握電力系統(tǒng)負荷變化規(guī)律，采取合理的電能調(diào)度措施，滿足人們生產(chǎn)生活對電能的需求。研究者收集了某城市2021年7月20—30日的用電負荷數(shù)據(jù)和7月21—31日的氣象信息，運用神經(jīng)網(wǎng)絡(luò)技術(shù)對7月31日的用電負荷情況進行預(yù)測。

3.1.2 樣本處理。在進行預(yù)測之前，每隔2 h測量、采集前一天的用電負荷數(shù)據(jù)，形成12組電力負荷數(shù)據(jù)，將其作為人工神經(jīng)網(wǎng)絡(luò)處理的樣本。同時，考慮到用電負荷受天氣、溫度影響較大，在處理過程中將天氣與氣溫考慮在內(nèi)。另外，通過天氣預(yù)報掌握7月31日的天氣、溫度，將雨天、陰天、晴天用1、0.5、0進行表示，并輸入到人工神經(jīng)網(wǎng)絡(luò)中。要解決的問題是預(yù)測7月31日12組負荷值。同時，考慮到數(shù)據(jù)類型、數(shù)據(jù)單位可能給人工神經(jīng)網(wǎng)絡(luò)運算效率帶來的不良影響，在運算前使用歸一化函數(shù)對相關(guān)數(shù)據(jù)進行規(guī)劃處理，確保數(shù)據(jù)落在一定范圍內(nèi)[8]。

3.1.3 網(wǎng)絡(luò)結(jié)構(gòu)的確定?；趯?shù)據(jù)的分析，確定圖1所示的人工網(wǎng)絡(luò)結(jié)構(gòu)。

人工神經(jīng)網(wǎng)絡(luò)的實現(xiàn)函數(shù)為：

net=newff（minmax（P），[10，12]，{‘tansig’，“l(fā)ogsig”}，‘trainlm’）? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

式中：“10”表示網(wǎng)絡(luò)隱含層的數(shù)目;“12”表示輸出層神經(jīng)元數(shù)目;“tansig”和“l(fā)ogsig”均是傳遞函數(shù)，前者表示正切S函數(shù)，后者為對數(shù)S函數(shù);“net”是用于存儲返回的神經(jīng)網(wǎng)絡(luò)。

3.1.4 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。上述確定的神經(jīng)網(wǎng)絡(luò)均還未進行訓(xùn)練。訓(xùn)練之前要設(shè)置訓(xùn)練參數(shù)，保證訓(xùn)練工作順利完成。訓(xùn)練中需要設(shè)置的參數(shù)主要有每一次顯示的代數(shù)、訓(xùn)練速率、動量因子、訓(xùn)練的代數(shù)以及目標誤差等。其中，可將每一次顯示的代數(shù)設(shè)置為10，訓(xùn)練速率設(shè)置為0.05，動量因子設(shè)置為0.09，訓(xùn)練的代數(shù)設(shè)置為100 000，訓(xùn)練的目標誤差設(shè)置為0.01。完成參數(shù)的設(shè)置后可使用train函數(shù)對確定的網(wǎng)絡(luò)結(jié)構(gòu)及神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。

net=train（net，P，T）? ? ? ? ? ? ? ? ? ? ? ? ? （2）

式中：左邊的“net”表示訓(xùn)練的網(wǎng)絡(luò);右邊的“net”表示訓(xùn)練后網(wǎng)絡(luò)的存儲位置;P、T分別表示訓(xùn)練樣本的輸入矢量和輸出矢量。

3.1.5 應(yīng)用結(jié)果與誤差分析。使用人工神經(jīng)網(wǎng)絡(luò)對7月31日每隔2 h的用電負荷數(shù)據(jù)進行預(yù)測，結(jié)果如表1所示。

運用人工神經(jīng)網(wǎng)絡(luò)對7月31日的用電負荷情況進行預(yù)測，并認真對比了7月31日實際用電負荷情況，計算出絕對誤差為0.03%，表明運用人工神經(jīng)網(wǎng)絡(luò)預(yù)測電力負荷情況較為可行。另外，在實際應(yīng)用過程中，為進一步提高預(yù)測的準確性，可考慮相關(guān)影響因素，進一步擴大訓(xùn)練樣本容量。

3.2 遺傳算法在PID控制參數(shù)優(yōu)化中的應(yīng)用

PID（Proportional-Integral-Derivative）控制是電力系統(tǒng)中一種常見的控制系統(tǒng)類型。為保證電力系統(tǒng)中各元件最優(yōu)化運行，應(yīng)注重運用智能技術(shù)對PID控制參數(shù)進行優(yōu)化。將遺傳算法用于PID控制參數(shù)優(yōu)化主要包括如下環(huán)節(jié)：初始參數(shù)設(shè)置、初始化種群、解碼、選擇適應(yīng)度、復(fù)制、交叉和變異、設(shè)置停止條件[9]。優(yōu)化過程中需要認真研究控制系統(tǒng)的相關(guān)參數(shù)，主要有K、K、K及遺傳算法中的變異率、交叉率、染色體長度、種群規(guī)模等[10]。種群進行初始化時使用二進制對優(yōu)化參數(shù)進行編碼，而后使用專門的初始化程序完成初始化工作。將每個參數(shù)對應(yīng)的二進制位數(shù)均勻地截開，在認真考慮每個參數(shù)搜索范圍的基礎(chǔ)上完成解碼。利用遺傳算法進行搜索時主要依據(jù)適應(yīng)度函數(shù)，而適應(yīng)度函數(shù)由目標函數(shù)轉(zhuǎn)化而來[11]。應(yīng)用的過程中注意適應(yīng)度應(yīng)為正數(shù)，而且值越大表明其性能越好。同時，認真分析適應(yīng)度函數(shù)中的各個參數(shù)，明確各參數(shù)表示的含義，必要時要對代入的參數(shù)進行預(yù)處理。為將上一代最好的結(jié)果保留下來，控制好使染色體不參加交叉和變異的百分率，使其直接進入下一代種群中。復(fù)制的方法可通過如下函數(shù)實現(xiàn)：

SelCH=select（‘rws’，Chrom，F(xiàn)itnV GGAP）? ? ? ? （3）

式中：“rws”表示選擇法的名稱，即輪盤賭選擇法;“Chrom”表示種群名稱;“FitnV”表示適應(yīng)度;GGAP為代溝系數(shù)。交叉操作時隨機選取個體的編碼位數(shù)，依據(jù)交叉概率選擇進行交叉的個體，實現(xiàn)編碼的兩兩互換，從而產(chǎn)生新的個體[12]。設(shè)置停止條件有以下兩個思路：一是將性能指標達標作為停止的依據(jù)，停止操作后將最優(yōu)結(jié)果輸出;二是設(shè)置繁殖代數(shù)，達到設(shè)置的繁殖代數(shù)后停止運算，輸出尋優(yōu)結(jié)果[13]。將結(jié)果與PID控制系統(tǒng)無縫對接，實現(xiàn)對PID控制參數(shù)的優(yōu)化，可進一步提高PID控制質(zhì)量。

4 結(jié)語

在科技發(fā)展的推動下，越來越多的新技術(shù)被用于電力系統(tǒng)，較好地提升了電力系統(tǒng)的管理與控制水平。其中，智能技術(shù)在電力系統(tǒng)自動化中的應(yīng)用不僅降低了電力系統(tǒng)的運維成本，而且大大提高了管理與控制質(zhì)量，因此應(yīng)做好智能技術(shù)研究工作，把握相關(guān)理論，繼續(xù)尋找智能技術(shù)與電力系統(tǒng)自動化的最佳契合點，在把握智能技術(shù)相關(guān)應(yīng)用原則的基礎(chǔ)上，結(jié)合電力系統(tǒng)工作管理與控制工作特點，合理部署應(yīng)用工作，制訂科學(xué)合理的應(yīng)用方案。

參考文獻：

[1]王飛鳴.電力系統(tǒng)自動化中智能技術(shù)的應(yīng)用[J].微型電腦應(yīng)用，2021（3）：131-133.

[2]王理想.電力系統(tǒng)自動化智能技術(shù)在電力系統(tǒng)中的應(yīng)用分析[J].大眾標準化，2021（5）：57-59.

[3]付俊峰.電力系統(tǒng)自動化中智能技術(shù)的應(yīng)用分析[J].科技資訊，2021（2）：56-58.

[4]莊銘文.電力系統(tǒng)自動化中智能技術(shù)的實踐探析[J].無線互聯(lián)科技，2020（24）：77-78.

[5]吳永華.智能技術(shù)在電力系統(tǒng)自動化中的應(yīng)用[J].電子技術(shù)，2020（12）：120-121.

[6]王文飛.論電力系統(tǒng)自動化智能技術(shù)在電力系統(tǒng)中的應(yīng)用[J].中國設(shè)備工程，2020（21）：33-35.

[7]韋斌，余夢澤，王向兵.電力系統(tǒng)自動化中人工智能的應(yīng)用[J].電子元器件與信息技術(shù)，2020（8）：122-123.

[8]錢建煜，肖繼忠.智能技術(shù)在電力自動化中的應(yīng)用研究[J].信息通信，2020（8）：111-112.

[9]劉波.智能技術(shù)在電力自動化中的應(yīng)用研究[J].現(xiàn)代工業(yè)經(jīng)濟和信息化，2020（6）：81-82.

[10]楊文琛.電力系統(tǒng)自動化與智能電網(wǎng)的應(yīng)用探討[J].通信電源技術(shù)，2020（12）：165-167.

[11]劉爽.智能技術(shù)在電力自動化中的應(yīng)用研究[J].工程建設(shè)與設(shè)計，2020（6）：277-278.

[12]劉偉.探析電力系統(tǒng)自動化中智能技術(shù)的應(yīng)用[J].科技風(fēng)，2020（7）：191.

[13]張城陽，張軍強，張震亞.基于智能技術(shù)的電力系統(tǒng)自動化設(shè)計[J].科技創(chuàng)新導(dǎo)報，2020（7）：1.

1511501186256