摘 要：人工智能技術(AI)廣泛應用于求解非線性問題中，在電力系統的控制、管理、運行等領域發揮著重要的作用。闡述了專家系統、人工神經網絡、模糊集理論和啟發式搜索等人工智能技術在電力系統中各自的應用特點，總結了人工智能技術在電力系統中的發展特點，并指出混合智能是人工智能在電力系統中應用的重要發展方向之一。

關鍵詞：人工智能；電力系統；專家系統

電力系統運行控制的一個基本目標就是在經濟合理的條件下向用戶提供高質量的電能。為此，有必要對電力系統進行規劃、監視和控制。隨著電力系統規模的不斷增加，能源管理系統(EMS)運行人員所面臨的決策任務也日趨加大，這使得運行人員很難保證電力系統的安全、經濟、可靠運行。另一方面，現有EMS 中心的計算機軟件通常為數值分析軟件，缺乏智能化處理功能，這一實際情況也使得運行人員的決策判斷變得十分重要。特別是在事故狀態下，運行人員的決策往往影響到整個電力系統的安全運行。為此，有必要采用人工智能技術(AI)來協助運行人員進行決策和判斷，這是近年來各國電力工作者們涌入到人工智能應用研究領域的一個主要起因[1]。電力系統中應用人工智能的另一個技術起因是計算機科學及與之相應的硬件發展水平，也促進了人工智能向其他工業領域的滲透。目前，用于智能化編程的高級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也不斷投入市場，這些現實使得人工智能技術在電力系統中的應用有更加廣闊的前景。

隨著我國電網規模的迅猛發展和“三華”特高壓電網建設，影響電網安全運行的因素越來越多，電網運行機制越來越復雜，為了最大程度保證電網的安全運行，電力系統的人工智能技術研究也顯得更為重要。為了研究電力系統中適合通過人工智能工具來解決問題的特性，特將問題按時幀分為實時控制、管理規劃兩部分。

實時控制包含離散和連續控制系統，在個體操作時，實時控制相對簡單，但是它們之間的相互作用影響使得電力系統的控制異常復雜。能源管理系統在現代電力系統中的作用越來越突出。全系統的數據通過監督控制與數據獲取(SCADA)傳給EMS，控制信號由EMS 傳給各元件，整個過程要做到同步進行，這要求EMS 具有對大量信息的實時處理能力，并且能在正常和事故情況下及時、正確地做出控制決策。監測與診斷是EMS 的重要功能。人工智能在狀態監測與故障診斷領域發揮著重要作用，國內外已開發了多種基于專家系統和神經網絡的診斷策略，本文不再進行闡述。

人工智能在電力系統中的應用主要指專家系統的應用。事實上，一個專家系統就是一個計算機程序集，該程序利用當前的輸入信息、知識庫及一系列推理規則來完成由某一領域專家才能完成的工作。專家系統的特點在于其符號表達、邏輯推理及漸進式搜索能力。專家系統和傳統計算機軟件間的主要差別在于知識庫和推理機是明確分開的。專家系統在電力系統運行控制中的應用領域可以概述為以下幾方面：

(1) 報警信號處理：電力系統出現事故的狀態下，警報信息量最高可達2 000個，如此大量的警報信號往往會使運行人員手足無措。此時，若能采用智能化軟件，盡快整理出引起報警的事故原因，將對系統的安全運行提供很大幫助。

(2)開關操作：統計數據表明，EMS運行控制任務的40%屬于開關操作。因此，開關操作序列的自動化，特別是大量操作序列的自動化無疑將減輕運行人員的工作量。而這種自動化操作的實施必須依靠智能化軟件才能完成。

(3)電壓控制：電力系統的潮流優化(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算結果，而且還必須考慮對未來負荷的預測及過去控制的歷史。這樣一個綜合決策任務只能由智能決策軟件系統才能較好完成。

(4)故障診斷：電力系統可能出現的故障種類繁多，從一次系統的故障看，可分為線路和元件故障兩大類；從二次系統的故障看，則可粗略地分為保護系統、信號系統、測量系統、控制系統及電源系統五類故障。如何利用各種可監測的信息來查找上述故障，仍是一個純邏輯推理問題，顯然，這是專家系統的一個極好的應用領域。

(5)恢復控制：由于電力系統大范圍停電的概率極低，故一旦出現這種情況，調度運行人員幾乎無法迅速采取有效措施來恢復供電。而恢復供電的過程又涉及了大量的開關操作及并網操作，稍不小心，還會再次引起事故。此時，若能提出一個指導操作的專家系統，將大大加速系統恢復過程。

(6)運行規劃：電力系統在運行過程中往往要根據系統要求切除或投入某些設備或負荷。這些操作會引起系統拓撲結構的變化。為此，通常只對系統的新舊拓撲結構進行潮流分析，然后確定各種操作的可行性。這一規劃任務也是專家系統的一個潛在應用領域。

(7) 運行人員的培訓：為了使運行人員獲得較高的技能，使他們能在實際調度工作中少犯錯誤，目前各EMS中心均設有訓練仿真器。為此可采用智能化編程軟件實現仿真器的軟件功能，從而提供正常情況下操作對策訓練及預想事故處理的訓練。

專家系統在電力系統中應用的必要性以及國內外的研究情況等已有專門的文獻進行了很好的論述，本文僅就下列幾個問題作簡要說明。

3.2.1電力專家系統的特點

(1)主要用于故障診斷、規劃調度與運行控制等領域；

(2)主要面向系統而非裝置；

(3)將符號處理與數值計算融為一體的混合型系統占很大比例；

(4)符號處理部分通常采用Prolog和Lisp語言，數值計算部分多采用FORTRAN 語言；

(5)大多數專家系統用產生式系統表示知識，框架結構用得很少；

(6)實現專家系統有如下三種方式：用數值程序語言實現、用人工智能語言實現、用人工智能語言實現并配備相應的硬件。

3.2.2從已進行的研究工作中得到的啟示

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

(2)從一個小型系統開始，逐步擴充其功能，不要一開始就企圖搞一個功能很多結構復雜的系統；

(3)根據問題特征選擇適宜的實現語言；

(4)選用合適的專家系統工具，并要避免采用尚未發展完善的工具；

(5)在開發初期就應考慮使其維護方便，修改容易，使用靈活；

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

(7)不要交替使用多個專家系統工具，因為接口太多會使效率降低。

3.2.3有關專家系統應用中的問題

綜觀國內外現有的專家系統，已實際應用的只是少數，在電力系統中也是如此。目前電力系統中實際應用的專家系統是一些比較簡單而具體的系統，如刀閘操作票系統等。專家系統的作用只是輔助調度員做出決策，而不是取代，到目前為止，尚未見到有人企圖發展完全取代調度員的專家系統。專家系統在電力系統中應用( 尤其是實時應用) 尚有如下問題有待解決：

(1)與數值程序的接口問題。對電力系統運行而言，該問題有特殊的重要性。現有的接口不甚理想，效率很低。主要有幾種方法：用某些規則連接；用公共的“黑板”數據庫實現信息交換；與一般系統的一體化。

(2)太慢的符號運算速度。提高數據存取時間可能是提高計算速度的關鍵。這個問題如不較好地解決，就很難使專家系統能在線應用。盡管這個問題通常不認為是建造專家系統的瓶頸問題，但對電力專家系統而言卻是一個十分關鍵的問題，可能的解決途徑有：采用更大容量的計算機；采用分布處理和分層推理；開發專用硬件。

(3)知識獲取。知識獲取是專家系統的主要困惑和重要的問題，電力專家系統也不例外，目前的解決途徑是實現自學習。但基于傳統AI的方法看來是十分困惑的，用神經網絡實現是種很有前途的方法。現已有用神經網絡模型之一的BP模型，開發的專家系統工具，這種工具有較好的知識表達與知識的自動獲取能力，具有自學習、自組織等特點，并且系統可以隨樣本的增加而不斷修改其權值，不需人去組織大量的規則。對常規專家系統而言，通常是知識越多，推理速度越慢，采用分布處理和分層推理會好一些，但總的趨勢仍是如此。神經網絡是并行分布式的，因此，基于神經網絡的專家系統的運行速度(假如在細顆粒狀的并行機上實現的話)不隨知識的增多而變慢。

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

(5)專家系統的維護。實用的專家系統必須易于維護，不易維護的專家系統其實用性將大大降低。目前對此問題尚未給予足夠的重視，主要原因是大多數專家系統離實用還有較大的距離。

人工神經網絡是模擬的生物激勵系統，由大量的神經元以一定的方式連接而成的，單個神經元的作用是實現輸入到輸出的一個非線性函數關系，它們之間廣泛的連接組合就使得整個神經網絡有了復雜的非線性特性，神經網絡將大量的信息隱含在其連接權值上，根據一定的學習算法調節權值，使神經網絡實現從m 維空間到n 維空間復雜的非線性映射。由于神經網絡的快速并行處理能力和良好的分類能力，被廣泛地應用于電力系統的實時控制、檢測與診斷、短期和長期負荷預測、狀態評估等諸多領域[3-4]，而基于神經網絡的負荷預測技術已成為人工智能在電力系統最為成功的應用之一。人工神經網絡還廣泛用于暫態保護，用于故障判斷及選線，快速而準確，且不受系統運行方式、故障類型等因素的影響；用于無通信保護，能提取故障高頻信號，取得較好的仿真效果；用于雷電波、開關操作波及故障行波的辨識，亦有收獲。

模糊邏輯可認為是多值邏輯的擴展，能夠完成傳統數學方法難以做到的近似推理。近年來，模糊集理論在電力系統中的應用取得了飛速進展，應用多目標模糊決策方法，進行故障測距和故障類型識別；給出模糊集理論的配電系統潮流與狀態估計方法；采用模糊推理估計配電系統負荷水平，歸納各類用戶隨不同因素的變化；用模糊集方法構造變壓器保護原理，區別內部故障、涌流、過激以及電流互感器飽和情況下的外部故障；尋求維持電力系統安全運行和充分利用輸電容量之間的折衷解；運用于配電系統損耗模糊計算模型，提高計算精確度等。對于負荷變化和電力生產的不確定性，用一模糊值表示某不確定負荷在實際集合中的隸屬函數，建立電力系統最優潮流的模糊解。

目前，啟發式搜索通過隨機產生新的解并保留其中較好的結果，并避免陷入局部最小，以求得全局最優解或近似最優解，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，求解火力發電系統經濟調度問題；解決發電規劃、輸電系統擴展規劃；實現發電機勵磁系統參數協調的確定；求解無功和電壓控制問題；求解燃料合同約束

下的多時段經濟調度問題等。兩種方法都可以用來求解任意目標函數和約束的優化問題。應用啟發式搜索仍有很多待解決的問題，如搜尋終止標準的選擇，終止過快易偏離最優解，不及時停止則會導致過度計算而并不能提高解的質量。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鍵因素，必須進行適當的調整，否則可能得到局部最優解。

目前，人工智能中的四種主要工具，即專家系統、人工神經網絡、模糊集理論和啟發式搜索，各有優點和局限，缺少一種普遍有效的方法應用于電力系統的各個領域。混合智能，即綜合多種智能技術，成為AI的重要的發展方向之一[6]。分布式人工智能(D A I)技術是20世紀80年代發展起來的人工智能研究的一個分支，是伴隨著并行分布式計算的發展而產生的，在電力系統中的應用目前主要集中于運用多代理技術。對神經網絡本身結構和算法的改進也是AI在發展中的重要任務。近年來，橢球單元神經網絡的提出為故障診斷領域開拓了新的方向。與經典BP網絡相比，橢球單元網絡具有泛化有界、拒絕性能好等優點，故障分類精度高，尤其在多故障同時性診斷中，較BP網絡具有更好的模式識別能力。AI已在電力系統中獲得了健康的發展，在較為成熟的技術(如專家系統)實用化的同時，進行多種智能技術的研究和探索。隨著我國大電網互聯機制的逐步形成，不確定性因素和運行復雜性的增加，AI在電力系統中的應用前景將更加廣闊。

總的來講，近年來各種智能系統方法的應用在廣度和深度都得到了很大發展，由兩種以上智能方法構成的混合系統在電力系統中的應用越來越廣，這些研究工作從總體上講有兩種方式：一種方式是應用成熟的人工智能技術如專家系統來解決電力系統實際問題；另一種方式是應用最近幾年出現的人工智能方法來解決電力系統的一些探索性研究工作，這兩種方式的協調發展表明人工智能在電力系統中的研究已進入比較平穩而健康的發展軌道。人工智能乃至模糊神經網絡在電力系統及繼電保護中的應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繼電保護中實際應用，但由于它既發揮了神經網絡的自學習功能，又加強了模糊系統解決不確定問題的能力，定將在未來的電力系統繼電保護中發揮重大作用。隨著國家電網建設“堅強的智能電網”進程不斷深入，反常條件將是未來AI技術在電力系統中應用的主要推動力，主要表現為：輸入數據不確定性的增加，管理的復雜性大幅度的增長，電力系統中管理調度受到時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的各種問題提供了廣闊前景。

[1]吳曉峰,張浩.電力系統中人工智能的應用與研究[J].工業控制計算機, 2003,16(4)：14-16.

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

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

[4]廖志偉,孫雅明,葉青華.人工智能技術在電力系統故障診斷中應用[J ] . 電力系統及其自動化學報,2003, 15(6) ：71-79.

[5]韓禎祥,文福拴,張琦.人工智能在電力系統中的應用[J].電力系統自動化, 2000,24(2)：2-10.