摘 要：人工智能技術(shù)(AI)廣泛應(yīng)用于求解非線性問題中，在電力系統(tǒng)的控制、管理、運(yùn)行等領(lǐng)域發(fā)揮著重要的作用。闡述了專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、模糊集理論和啟發(fā)式搜索等人工智能技術(shù)在電力系統(tǒng)中各自的應(yīng)用特點(diǎn)，總結(jié)了人工智能技術(shù)在電力系統(tǒng)中的發(fā)展特點(diǎn)，并指出混合智能是人工智能在電力系統(tǒng)中應(yīng)用的重要發(fā)展方向之一。

關(guān)鍵詞：人工智能；電力系統(tǒng)；專家系統(tǒng)

電力系統(tǒng)運(yùn)行控制的一個(gè)基本目標(biāo)就是在經(jīng)濟(jì)合理的條件下向用戶提供高質(zhì)量的電能。為此，有必要對(duì)電力系統(tǒng)進(jìn)行規(guī)劃、監(jiān)視和控制。隨著電力系統(tǒng)規(guī)模的不斷增加，能源管理系統(tǒng)(EMS)運(yùn)行人員所面臨的決策任務(wù)也日趨加大，這使得運(yùn)行人員很難保證電力系統(tǒng)的安全、經(jīng)濟(jì)、可靠運(yùn)行。另一方面，現(xiàn)有EMS 中心的計(jì)算機(jī)軟件通常為數(shù)值分析軟件，缺乏智能化處理功能，這一實(shí)際情況也使得運(yùn)行人員的決策判斷變得十分重要。特別是在事故狀態(tài)下，運(yùn)行人員的決策往往影響到整個(gè)電力系統(tǒng)的安全運(yùn)行。為此，有必要采用人工智能技術(shù)(AI)來協(xié)助運(yùn)行人員進(jìn)行決策和判斷，這是近年來各國電力工作者們涌入到人工智能應(yīng)用研究領(lǐng)域的一個(gè)主要起因[1]。電力系統(tǒng)中應(yīng)用人工智能的另一個(gè)技術(shù)起因是計(jì)算機(jī)科學(xué)及與之相應(yīng)的硬件發(fā)展水平，也促進(jìn)了人工智能向其他工業(yè)領(lǐng)域的滲透。目前，用于智能化編程的高級(jí)邏輯語言種類繁多且趨于成熟；而用于智能軟件的硬件系統(tǒng)也不斷投入市場，這些現(xiàn)實(shí)使得人工智能技術(shù)在電力系統(tǒng)中的應(yīng)用有更加廣闊的前景。

隨著我國電網(wǎng)規(guī)模的迅猛發(fā)展和“三華”特高壓電網(wǎng)建設(shè)，影響電網(wǎng)安全運(yùn)行的因素越來越多，電網(wǎng)運(yùn)行機(jī)制越來越復(fù)雜，為了最大程度保證電網(wǎng)的安全運(yùn)行，電力系統(tǒng)的人工智能技術(shù)研究也顯得更為重要。為了研究電力系統(tǒng)中適合通過人工智能工具來解決問題的特性，特將問題按時(shí)幀分為實(shí)時(shí)控制、管理規(guī)劃兩部分。

實(shí)時(shí)控制包含離散和連續(xù)控制系統(tǒng)，在個(gè)體操作時(shí)，實(shí)時(shí)控制相對(duì)簡單，但是它們之間的相互作用影響使得電力系統(tǒng)的控制異常復(fù)雜。能源管理系統(tǒng)在現(xiàn)代電力系統(tǒng)中的作用越來越突出。全系統(tǒng)的數(shù)據(jù)通過監(jiān)督控制與數(shù)據(jù)獲取(SCADA)傳給EMS，控制信號(hào)由EMS 傳給各元件，整個(gè)過程要做到同步進(jìn)行，這要求EMS 具有對(duì)大量信息的實(shí)時(shí)處理能力，并且能在正常和事故情況下及時(shí)、正確地做出控制決策。監(jiān)測與診斷是EMS 的重要功能。人工智能在狀態(tài)監(jiān)測與故障診斷領(lǐng)域發(fā)揮著重要作用，國內(nèi)外已開發(fā)了多種基于專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的診斷策略，本文不再進(jìn)行闡述。

人工智能在電力系統(tǒng)中的應(yīng)用主要指專家系統(tǒng)的應(yīng)用。事實(shí)上，一個(gè)專家系統(tǒng)就是一個(gè)計(jì)算機(jī)程序集，該程序利用當(dāng)前的輸入信息、知識(shí)庫及一系列推理規(guī)則來完成由某一領(lǐng)域?qū)＜也拍芡瓿傻墓ぷ鳌�專家系統(tǒng)的特點(diǎn)在于其符號(hào)表達(dá)、邏輯推理及漸進(jìn)式搜索能力。專家系統(tǒng)和傳統(tǒng)計(jì)算機(jī)軟件間的主要差別在于知識(shí)庫和推理機(jī)是明確分開的。專家系統(tǒng)在電力系統(tǒng)運(yùn)行控制中的應(yīng)用領(lǐng)域可以概述為以下幾方面：

(1) 報(bào)警信號(hào)處理：電力系統(tǒng)出現(xiàn)事故的狀態(tài)下，警報(bào)信息量最高可達(dá)2 000個(gè)，如此大量的警報(bào)信號(hào)往往會(huì)使運(yùn)行人員手足無措。此時(shí)，若能采用智能化軟件，盡快整理出引起報(bào)警的事故原因，將對(duì)系統(tǒng)的安全運(yùn)行提供很大幫助。

(2)開關(guān)操作：統(tǒng)計(jì)數(shù)據(jù)表明，EMS運(yùn)行控制任務(wù)的40%屬于開關(guān)操作。因此，開關(guān)操作序列的自動(dòng)化，特別是大量操作序列的自動(dòng)化無疑將減輕運(yùn)行人員的工作量。而這種自動(dòng)化操作的實(shí)施必須依靠智能化軟件才能完成。

(3)電壓控制：電力系統(tǒng)的潮流優(yōu)化(OPF)在很大程度上依賴于電壓控制。而電壓控制不僅取決于潮流計(jì)算結(jié)果，而且還必須考慮對(duì)未來負(fù)荷的預(yù)測及過去控制的歷史。這樣一個(gè)綜合決策任務(wù)只能由智能決策軟件系統(tǒng)才能較好完成。

(4)故障診斷：電力系統(tǒng)可能出現(xiàn)的故障種類繁多，從一次系統(tǒng)的故障看，可分為線路和元件故障兩大類；從二次系統(tǒng)的故障看，則可粗略地分為保護(hù)系統(tǒng)、信號(hào)系統(tǒng)、測量系統(tǒng)、控制系統(tǒng)及電源系統(tǒng)五類故障。如何利用各種可監(jiān)測的信息來查找上述故障，仍是一個(gè)純邏輯推理問題，顯然，這是專家系統(tǒng)的一個(gè)極好的應(yīng)用領(lǐng)域。

(5)恢復(fù)控制：由于電力系統(tǒng)大范圍停電的概率極低，故一旦出現(xiàn)這種情況，調(diào)度運(yùn)行人員幾乎無法迅速采取有效措施來恢復(fù)供電。而恢復(fù)供電的過程又涉及了大量的開關(guān)操作及并網(wǎng)操作，稍不小心，還會(huì)再次引起事故。此時(shí)，若能提出一個(gè)指導(dǎo)操作的專家系統(tǒng)，將大大加速系統(tǒng)恢復(fù)過程。

(6)運(yùn)行規(guī)劃：電力系統(tǒng)在運(yùn)行過程中往往要根據(jù)系統(tǒng)要求切除或投入某些設(shè)備或負(fù)荷。這些操作會(huì)引起系統(tǒng)拓?fù)浣Y(jié)構(gòu)的變化。為此，通常只對(duì)系統(tǒng)的新舊拓?fù)浣Y(jié)構(gòu)進(jìn)行潮流分析，然后確定各種操作的可行性。這一規(guī)劃任務(wù)也是專家系統(tǒng)的一個(gè)潛在應(yīng)用領(lǐng)域。

(7) 運(yùn)行人員的培訓(xùn)：為了使運(yùn)行人員獲得較高的技能，使他們能在實(shí)際調(diào)度工作中少犯錯(cuò)誤，目前各EMS中心均設(shè)有訓(xùn)練仿真器。為此可采用智能化編程軟件實(shí)現(xiàn)仿真器的軟件功能，從而提供正常情況下操作對(duì)策訓(xùn)練及預(yù)想事故處理的訓(xùn)練。

專家系統(tǒng)在電力系統(tǒng)中應(yīng)用的必要性以及國內(nèi)外的研究情況等已有專門的文獻(xiàn)進(jìn)行了很好的論述，本文僅就下列幾個(gè)問題作簡要說明。

3.2.1電力專家系統(tǒng)的特點(diǎn)

(1)主要用于故障診斷、規(guī)劃調(diào)度與運(yùn)行控制等領(lǐng)域；

(2)主要面向系統(tǒng)而非裝置；

(3)將符號(hào)處理與數(shù)值計(jì)算融為一體的混合型系統(tǒng)占很大比例；

(4)符號(hào)處理部分通常采用Prolog和Lisp語言，數(shù)值計(jì)算部分多采用FORTRAN 語言；

(5)大多數(shù)專家系統(tǒng)用產(chǎn)生式系統(tǒng)表示知識(shí)，框架結(jié)構(gòu)用得很少；

(6)實(shí)現(xiàn)專家系統(tǒng)有如下三種方式：用數(shù)值程序語言實(shí)現(xiàn)、用人工智能語言實(shí)現(xiàn)、用人工智能語言實(shí)現(xiàn)并配備相應(yīng)的硬件。

3.2.2從已進(jìn)行的研究工作中得到的啟示

(1)專家系統(tǒng)是一有用的工具，但它只是輔助手段而不能取代運(yùn)行人員，不是任何問題都適于用專家系統(tǒng)的方法來解決；

(2)從一個(gè)小型系統(tǒng)開始，逐步擴(kuò)充其功能，不要一開始就企圖搞一個(gè)功能很多結(jié)構(gòu)復(fù)雜的系統(tǒng)；

(3)根據(jù)問題特征選擇適宜的實(shí)現(xiàn)語言；

(4)選用合適的專家系統(tǒng)工具，并要避免采用尚未發(fā)展完善的工具；

(5)在開發(fā)初期就應(yīng)考慮使其維護(hù)方便，修改容易，使用靈活；

(6)在擴(kuò)充階段要考慮用戶使用方便，也即要有一個(gè)友好的接口，否則難以讓運(yùn)行人員接受；

(7)不要交替使用多個(gè)專家系統(tǒng)工具，因?yàn)榻涌谔�多�?huì)使效率降低。

3.2.3有關(guān)專家系統(tǒng)應(yīng)用中的問題

綜觀國內(nèi)外現(xiàn)有的專家系統(tǒng)，已實(shí)際應(yīng)用的只是少數(shù)，在電力系統(tǒng)中也是如此。目前電力系統(tǒng)中實(shí)際應(yīng)用的專家系統(tǒng)是一些比較簡單而具體的系統(tǒng)，如刀閘操作票系統(tǒng)等。專家系統(tǒng)的作用只是輔助調(diào)度員做出決策，而不是取代，到目前為止，尚未見到有人企圖發(fā)展完全取代調(diào)度員的專家系統(tǒng)。專家系統(tǒng)在電力系統(tǒng)中應(yīng)用( 尤其是實(shí)時(shí)應(yīng)用) 尚有如下問題有待解決：

(1)與數(shù)值程序的接口問題。對(duì)電力系統(tǒng)運(yùn)行而言，該問題有特殊的重要性。現(xiàn)有的接口不甚理想，效率很低。主要有幾種方法：用某些規(guī)則連接；用公共的“黑板”數(shù)據(jù)庫實(shí)現(xiàn)信息交換；與一般系統(tǒng)的一體化。

(2)太慢的符號(hào)運(yùn)算速度。提高數(shù)據(jù)存取時(shí)間可能是提高計(jì)算速度的關(guān)鍵。這個(gè)問題如不較好地解決，就很難使專家系統(tǒng)能在線應(yīng)用。盡管這個(gè)問題通常不認(rèn)為是建造專家系統(tǒng)的瓶頸問題，但對(duì)電力專家系統(tǒng)而言卻是一個(gè)十分關(guān)鍵的問題，可能的解決途徑有：采用更大容量的計(jì)算機(jī)；采用分布處理和分層推理；開發(fā)專用硬件。

(3)知識(shí)獲取。知識(shí)獲取是專家系統(tǒng)的主要困惑和重要的問題，電力專家系統(tǒng)也不例外，目前的解決途徑是實(shí)現(xiàn)自學(xué)習(xí)。但基于傳統(tǒng)AI的方法看來是十分困惑的，用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)是種很有前途的方法。現(xiàn)已有用神經(jīng)網(wǎng)絡(luò)模型之一的BP模型，開發(fā)的專家系統(tǒng)工具，這種工具有較好的知識(shí)表達(dá)與知識(shí)的自動(dòng)獲取能力，具有自學(xué)習(xí)、自組織等特點(diǎn)，并且系統(tǒng)可以隨樣本的增加而不斷修改其權(quán)值，不需人去組織大量的規(guī)則。對(duì)常規(guī)專家系統(tǒng)而言，通常是知識(shí)越多，推理速度越慢，采用分布處理和分層推理會(huì)好一些，但總的趨勢仍是如此。神經(jīng)網(wǎng)絡(luò)是并行分布式的，因此，基于神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)的運(yùn)行速度(假如在細(xì)顆粒狀的并行機(jī)上實(shí)現(xiàn)的話)不隨知識(shí)的增多而變慢。

(4)知識(shí)庫的一致性。這是A I專家關(guān)心的問題，目前也沒有很好的方法判斷，建造電力專家系統(tǒng)(尤其是大型專家系統(tǒng))必須考慮這個(gè)問題。目前的電力專家系統(tǒng)由于多數(shù)處于研究階段，而實(shí)用的還只是一些很簡單的系統(tǒng)，因而知識(shí)庫的規(guī)模不是很大，容易直觀地驗(yàn)證其一致性。

(5)專家系統(tǒng)的維護(hù)。實(shí)用的專家系統(tǒng)必須易于維護(hù)，不易維護(hù)的專家系統(tǒng)其實(shí)用性將大大降低。目前對(duì)此問題尚未給予足夠的重視，主要原因是大多數(shù)專家系統(tǒng)離實(shí)用還有較大的距離。

人工神經(jīng)網(wǎng)絡(luò)是模擬的生物激勵(lì)系統(tǒng)，由大量的神經(jīng)元以一定的方式連接而成的，單個(gè)神經(jīng)元的作用是實(shí)現(xiàn)輸入到輸出的一個(gè)非線性函數(shù)關(guān)系，它們之間廣泛的連接組合就使得整個(gè)神經(jīng)網(wǎng)絡(luò)有了復(fù)雜的非線性特性，神經(jīng)網(wǎng)絡(luò)將大量的信息隱含在其連接權(quán)值上，根據(jù)一定的學(xué)習(xí)算法調(diào)節(jié)權(quán)值，使神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)從m 維空間到n 維空間復(fù)雜的非線性映射。由于神經(jīng)網(wǎng)絡(luò)的快速并行處理能力和良好的分類能力，被廣泛地應(yīng)用于電力系統(tǒng)的實(shí)時(shí)控制、檢測與診斷、短期和長期負(fù)荷預(yù)測、狀態(tài)評(píng)估等諸多領(lǐng)域[3-4]，而基于神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測技術(shù)已成為人工智能在電力系統(tǒng)最為成功的應(yīng)用之一。人工神經(jīng)網(wǎng)絡(luò)還廣泛用于暫態(tài)保護(hù)，用于故障判斷及選線，快速而準(zhǔn)確，且不受系統(tǒng)運(yùn)行方式、故障類型等因素的影響；用于無通信保護(hù)，能提取故障高頻信號(hào)，取得較好的仿真效果；用于雷電波、開關(guān)操作波及故障行波的辨識(shí)，亦有收獲。

模糊邏輯可認(rèn)為是多值邏輯的擴(kuò)展，能夠完成傳統(tǒng)數(shù)學(xué)方法難以做到的近似推理。近年來，模糊集理論在電力系統(tǒng)中的應(yīng)用取得了飛速進(jìn)展，應(yīng)用多目標(biāo)模糊決策方法，進(jìn)行故障測距和故障類型識(shí)別；給出模糊集理論的配電系統(tǒng)潮流與狀態(tài)估計(jì)方法；采用模糊推理估計(jì)配電系統(tǒng)負(fù)荷水平，歸納各類用戶隨不同因素的變化；用模糊集方法構(gòu)造變壓器保護(hù)原理，區(qū)別內(nèi)部故障、涌流、過激以及電流互感器飽和情況下的外部故障；尋求維持電力系統(tǒng)安全運(yùn)行和充分利用輸電容量之間的折衷解；運(yùn)用于配電系統(tǒng)損耗模糊計(jì)算模型，提高計(jì)算精確度等。對(duì)于負(fù)荷變化和電力生產(chǎn)的不確定性，用一模糊值表示某不確定負(fù)荷在實(shí)際集合中的隸屬函數(shù)，建立電力系統(tǒng)最優(yōu)潮流的模糊解。

目前，啟發(fā)式搜索通過隨機(jī)產(chǎn)生新的解并保留其中較好的結(jié)果，并避免陷入局部最小，以求得全局最優(yōu)解或近似最優(yōu)解，主要有遺傳算法(GeneticAlgorithms，GA)和模擬退火(SimulatedAnnealing，SA)算法兩種[5]。采用遺傳算法，求解火力發(fā)電系統(tǒng)經(jīng)濟(jì)調(diào)度問題；解決發(fā)電規(guī)劃、輸電系統(tǒng)擴(kuò)展規(guī)劃；實(shí)現(xiàn)發(fā)電機(jī)勵(lì)磁系統(tǒng)參數(shù)協(xié)調(diào)的確定；求解無功和電壓控制問題；求解燃料合同約束

下的多時(shí)段經(jīng)濟(jì)調(diào)度問題等。兩種方法都可以用來求解任意目標(biāo)函數(shù)和約束的優(yōu)化問題。應(yīng)用啟發(fā)式搜索仍有很多待解決的問題，如搜尋終止標(biāo)準(zhǔn)的選擇，終止過快易偏離最優(yōu)解，不及時(shí)停止則會(huì)導(dǎo)致過度計(jì)算而并不能提高解的質(zhì)量。GA中遺傳因子和SA中冷卻速率的選擇是影響算法性能的關(guān)鍵因素，必須進(jìn)行適當(dāng)?shù)恼{(diào)整，否則可能得到局部最優(yōu)解。

目前，人工智能中的四種主要工具，即專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、模糊集理論和啟發(fā)式搜索，各有優(yōu)點(diǎn)和局限，缺少一種普遍有效的方法應(yīng)用于電力系統(tǒng)的各個(gè)領(lǐng)域。混合智能，即綜合多種智能技術(shù)，成為AI的重要的發(fā)展方向之一[6]。分布式人工智能(D A I)技術(shù)是20世紀(jì)80年代發(fā)展起來的人工智能研究的一個(gè)分支，是伴隨著并行分布式計(jì)算的發(fā)展而產(chǎn)生的，在電力系統(tǒng)中的應(yīng)用目前主要集中于運(yùn)用多代理技術(shù)。對(duì)神經(jīng)網(wǎng)絡(luò)本身結(jié)構(gòu)和算法的改進(jìn)也是AI在發(fā)展中的重要任務(wù)。近年來，橢球單元神經(jīng)網(wǎng)絡(luò)的提出為故障診斷領(lǐng)域開拓了新的方向。與經(jīng)典BP網(wǎng)絡(luò)相比，橢球單元網(wǎng)絡(luò)具有泛化有界、拒絕性能好等優(yōu)點(diǎn)，故障分類精度高，尤其在多故障同時(shí)性診斷中，較BP網(wǎng)絡(luò)具有更好的模式識(shí)別能力。AI已在電力系統(tǒng)中獲得了健康的發(fā)展，在較為成熟的技術(shù)(如專家系統(tǒng))實(shí)用化的同時(shí)，進(jìn)行多種智能技術(shù)的研究和探索。隨著我國大電網(wǎng)互聯(lián)機(jī)制的逐步形成，不確定性因素和運(yùn)行復(fù)雜性的增加，AI在電力系統(tǒng)中的應(yīng)用前景將更加廣闊。

總的來講，近年來各種智能系統(tǒng)方法的應(yīng)用在廣度和深度都得到了很大發(fā)展，由兩種以上智能方法構(gòu)成的混合系統(tǒng)在電力系統(tǒng)中的應(yīng)用越來越廣，這些研究工作從總體上講有兩種方式：一種方式是應(yīng)用成熟的人工智能技術(shù)如專家系統(tǒng)來解決電力系統(tǒng)實(shí)際問題；另一種方式是應(yīng)用最近幾年出現(xiàn)的人工智能方法來解決電力系統(tǒng)的一些探索性研究工作，這兩種方式的協(xié)調(diào)發(fā)展表明人工智能在電力系統(tǒng)中的研究已進(jìn)入比較平穩(wěn)而健康的發(fā)展軌道。人工智能乃至模糊神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)及繼電保護(hù)中的應(yīng)用研究還處于起步階段，雖然因種種原因目前尚未在電力系統(tǒng)繼電保護(hù)中實(shí)際應(yīng)用，但由于它既發(fā)揮了神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能，又加強(qiáng)了模糊系統(tǒng)解決不確定問題的能力，定將在未來的電力系統(tǒng)繼電保護(hù)中發(fā)揮重大作用。隨著國家電網(wǎng)建設(shè)“堅(jiān)強(qiáng)的智能電網(wǎng)”進(jìn)程不斷深入，反常條件將是未來AI技術(shù)在電力系統(tǒng)中應(yīng)用的主要推動(dòng)力，主要表現(xiàn)為：輸入數(shù)據(jù)不確定性的增加，管理的復(fù)雜性大幅度的增長，電力系統(tǒng)中管理調(diào)度受到時(shí)間與市場競爭的影響加大。這些情況為人工智能解決未來電力系統(tǒng)的各種問題提供了廣闊前景。

[1]吳曉峰,張浩.電力系統(tǒng)中人工智能的應(yīng)用與研究[J].工業(yè)控制計(jì)算機(jī), 2003,16(4)：14-16.

[2]唐華錦,陳漢平.電力系統(tǒng)中的人工智能技術(shù)應(yīng)用研究[J].電站系統(tǒng)工程, 2001,17(4)：250-252.

[3]盛戈,涂光瑜,羅毅.人工智能技術(shù)在電力系統(tǒng)無功電壓控制中的應(yīng)用[J ] . 電網(wǎng)技術(shù),2002, 26(6) ：22-27.

[4]廖志偉,孫雅明,葉青華.人工智能技術(shù)在電力系統(tǒng)故障診斷中應(yīng)用[J ] . 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),2003, 15(6) ：71-79.

[5]韓禎祥,文福拴,張琦.人工智能在電力系統(tǒng)中的應(yīng)用[J].電力系統(tǒng)自動(dòng)化, 2000,24(2)：2-10.