人工智能在电力工程自动化中的应用研究

吴 峰，刘 婧，沈 帆，何昌林

（1.南瑞集团有限公司，南京 210000；
2.武汉南瑞电力工程技术装备有限公司，武汉 430070；
3.武汉南瑞有限责任公司，武汉 430070）

随着信息技术的进一步成熟，人工智能技术展开了多种行业类型的应用，在我国生产和制造工业中利用人工智能技术，取得了更高生产效果和管理效果。人工智能作为现代社会的前沿顶尖科技产物，能够将智能化和自动化相结合，在生产中直接对机器进行控制，减少人力、物力、财力的投入，通过人工智能的多方位运用，在近些年工业生产中的经济效益得到了巨大改善[1]。

人工智能技术能够和人类拥有同等的智商和思维模式，在智能理念的作用下其操作速度和精准度均有所提高。以人工智能为技术手段改善电力行业的发展状态，加强对电力企业的电力控制，充分提高电力企业中相关设备的工作效率，保证不同状态下电力输送的安全性和可靠性。在人工智能技术的优势下能够对电力的自动化发展产生重要影响，对促进电力工程建设的自动化进程起到正向引导作用，通过控制电力发电和配电以及变电方式，在不同电压状态下进行用户的用电统计，确保及时且准确地收集电力系统电力数据信息，解决电力工程数据实际的发展需求[2]。

在研究人工智能技术的优势下，设计一个新的电力工程自动化控制方法，将人工智能合理运用在电力工程自动化中，降低多种多样的电力事故发生的概率，为电力工程良序发展提供理论支持。

1.1 构建数据预处理动态模型

人工智能技术的优势是可以最大限度地模拟人类思维模式，并在相应的程序内进行工程建设和管理，以此构建电力数据动态处理模型，完成电力信息数据的采集和持续管理。

在设计模型时，模拟常态工作模式需要核实电力工程各个阶段的管理人员。智能分配各个流程内需要的管理人员任务，其过程主要有：一是在受理流程阶段需要管理人员发布指令，对电力进行勘察和批示的划定，通过不同程序内的工作环节拟定初次答复，提出审核的处理方法。二是选定各个阶段的受理人员，在智能控制中需要对不同职位的人员进行行为模拟，如勘察员主要负责电力工程的进度考察，主任和班长主要在现场进行工期测定[3]。

在管理环节需要答疑时，及时通过层层动态传递转换职能诉求，进行数据的分析和处理。通过管理的状态和任务分配，对不同电力工程管理的流程功能进行分类。将模型分为多个管理模块进行信息数据的获取，在待处理任务管理模块中会显示电力管理对应角色。按照电力工程中主要涉及到的功能将模型分为模块，分别为流程管理、业务流程、基本业务和系统管理，进行待处理任务的管理和己结束流程的查看以及流程追踪和活动节点查看。活动节点查看是根据未结束流程，分配活动节点的任务，将工作时间作为查询的条件完成流程查询，主要可以对搁置的任务节点进行催办和处理。

1.2 基于小波神经网络布控智能节点

根据动态数据的预处理模型，在电力工程中设定进入申请的任务容量，根据各个环节的顺序设定布置智能控制节点，以此完成自动化管理程序的工作铺设。为了提高模型整体的预测精度，采用小波神经网络中布谷鸟算法，优化信息数据的权值与系数。在迭代计算过程中新的更优解会代替较差解直到达到期望预测精度。将处理后的数据分为A训练集与D测试集，训练集内包括划分的输入与输出集，同时对其进行标准化，此部分主要是对小波神经网络的参数进行选择，被划分的集合分为输入和输出两部分，计算每个集合预测的能力，表达式如下：

式（1）中：集合中包含隐藏节点用e来表示数量；
模型处理的连接影响力度用w表示；
布谷鸟蛋的大小由连接权重r决定，即优化参数的维数决定。这些初始参数可以随机分布，验证算法的参数设置在±0.25的取值范围，以此作为小波神经网络训练构造的最终连接系数权值，为实现期望值达到最大迭代次数，采用权值函数进行数据的极值测算，表达式如下：

式（2）中，训练集的样本总量用a表示；
训练集的上限用as表示；
训练集的下限用amins表示；
每次数据的拟合结果用d和ds表示。当达到最大迭代次数时优化停止，在多种误差评估指标下对模型系统的预测精度进行评估，预测变量提供的极值和无用数据。将原始的序列有限分解为一组，在两个频率极值出现之前认定是由最小值引起，直接去除处理后的数据再一次分为训练与测试集，按照同一顺序进行标准化测定。根据选择的极值范围布置网络智能监测节点，在同一回归象限内计算差值，完成电气工程的自动化控制。

1.3 回归差值自动化控制电气工程

通过对电气工程不同节点的智能设置，在动态数据获取模型的基础上选择统一回归原则，计算超前反馈的信息数据差值，使其在事故发生前完成内部数据的整理和控制。在每个层级内均含有数据转换因子用z表示，回归处理原则对初次获取的数据进行单向的线性加权，分别形成不同层级内的数据组成形式，以此承接层电气工程数据的上下文结构，表达式为：

式（3）中：输入的节点向量用z(x)表示；
数据输入和输出层的连接权值用v1表示；
输入到反馈层的连接权值用v2表示；
反馈层到承接层的连接权值用v3表示。设定小波神经网络的基本结构，在工程管理模块内对具有反映的流程进行任务分配，使其在工作状态具有动态映射特征，从而将内部神经元完成时变特性的输入和隐含数据的连接转换。在不同层级中包含一个非线性转换函数，能够绑定输入的数据与输出数据，保证输入智能神经元在区间响应之内。至此在构建电气工程的数据动态模型基础上，利用小波网络建立智能监测节点，计算数据的回归差值自动化控制电气工程，完成人工智能在电力工程自动化的应用方法设计。

为验证本方法在电气工程管理中的实际应用效果，采用测试的方式进行电气设备的智能操控，通过不同状态下的设备运行标准，合理分配设备产生的数据，将其控制在合理的电压之内保证电力的良序运行。以某公司生产的ZS-23电压设备控制配电装置，主要对电力线路的运行状态进行电流的常规监控，在搭建MATLAB测试平台下，选取一天24 h内该设备的运行电流，主要额定电压为48 kV，具体电路中的电流数值如表1所示。

表1 运行状态下电力设备24 h电流数值（单位：kA）

根据表1中所示，在正常运行标准下，全天产生最高电流的时段分为在10:00到12:00，以及14:00到16:00和19:00到21:00时间段。按照本研究方法的应用流程，选择两组传统应用方法作为对照，对电力设备的电流状态进行实时监测，具体效果如图1所示。

图1 不同方法下电力设备电流监测效果

从图1中可见，本方法监测到的电流数据值与实际数值基本保持一致，能够在电流值超过额定范围时发出预警信号。而两组传统方法的电流监测数值在高峰时间有少许出入，一旦发生峰值事故容易出现停电事故。综合来看：本方法将人工智能应用在电流监测中，能够实时记录电力运行的状态，具有实际应用效果。

为进一步验证本方法能够提高电力工程业务的流转效率，设置截取电流在达到36 kA状态时电力设备会自动断开，将其作为运行电路的保护装置。测试电流高峰时段内的自动化控制效果，是否能够将电流数值控制在标准范围内，具体测试结果如表2所示。

表2 峰值时段电力设备电流数值监测情况（单位：kA）

从表2中可知，在本方法的应用下高峰时段的电流能够控制在标准范围之内，且距离标准值具有较大差距，能够保证电力线路的稳定运行，增加电力工程业务的流转效率。两组传统应用方法下的高峰电流基本在标准线之外，虽然能够降低峰值时段的电流数据，但在超高电流作用下，仍可能会出现电力事故，影响电力工程业务的自动化流转。综合测试结果来看：本方法能够将高峰时段的电流控制在标准范围内，通过人工智能的检测手段，能提高电力工程自动化的业务流转，保证电力系统的稳定运行。

通过小波网络优势，将人工智能的技术应用到电力工程自动化中，提高了电力系统业务流转效率。本方法下高峰时段的电流可以控制在标准范围内，减少停电事故的发生，保证电力系统的稳定运行。但由于没有对不同设备进行多方测量，所得结果具有一定偏差性。后续研究中会进一步研究不同电气设备的自动化程度，为电力系统的稳定运行提供更科学方法。

猜你喜欢权值电力工程电气工程试论电力工程管理模式的创新与应用消费电子(2022年7期)2022-10-31一种融合时间权值和用户行为序列的电影推荐模型成都信息工程大学学报(2022年3期)2022-07-21BIM系统在电力工程中的应用建材发展导向(2021年13期)2021-07-28CONTENTS沈阳师范大学学报(教育科学版)(2021年2期)2021-02-01电气工程自动化控制中PLC技术的应用电子制作(2019年22期)2020-01-14电力工程中电气自动化技术的应用建材发展导向(2019年5期)2019-09-09基于权值动量的RBM加速学习算法研究自动化学报(2017年7期)2017-04-18基于多维度特征权值动态更新的用户推荐模型研究现代电子技术(2016年15期)2016-12-01浅析电力工程管理模式的创新与应用山东工业技术(2016年15期)2016-12-01人工智能在电气工程自动化中的应用山东工业技术(2016年15期)2016-12-01

推荐访问:人工智能 电力工程 自动化