人工智能技术在电能质量分析中的应用

  本文关键词：人工智能技术在电能质量分析中的应用，，由笔耕文化传播整理发布。

?电工技术杂志# 2004 年第 12 期

? 电力电气 ?

人工智能技术在电能质量分析中的应用
刘晓芳 刘会金 陈允平
430072) ( 武汉大学电气工程学院 摘 要

电能质量和人工智能技术都是目前国际电工领域研究的热点, 如何将人工智能技术

应用于电能质量问题的分析和

诊断更是电能质量研究中的重点问题。本文初步介绍了人工智能的 主要分支: 专家系统、神经网络、模糊逻辑和遗传算法的基本概念及其在电能质量中的独特应 用, 并对未来的发展趋势做出了展望。 关键词 电能质量 人工智能 专家系统 神经网络 模糊逻辑 遗传算法

1

引言

和决策、智能的电能质量训练和教育体系的开发等。

20 世纪 80 年代末以来, 随着微电子技术和电 力电子技术的发展, 基于电力电子技术的装置和设 备在现代工业中得 到了广泛的应 用, 同时直 流输 电、电气化铁路、冲击性负荷的不断增多还有各种 大型用电设备的起停, 都对电能质量产生严重的污 染; 但另一方面, 现代新型的负荷设备, 多是基于 微处理器的控制设备, 它们对电能质量的变化越来 越敏感, 对电能质量的要求越来越高, 使得电能质 量成为人们日益关注的问题。 为采取合理措施提高电能质量, 建立电能质量 检测和分析识别系统, 对其进行正确的检测、评估 和分类就显得十分必要。但是电能质量问题诊断依 靠的不仅仅是某一领域的专门知识, 而是涉及到测 量技术、信号分析和处理、电力系统、电力电子和 控制技术等诸多方面的内容。现有的电能质量分析 诊断方法多是基于对电能监测设备记录的扰动波形 的观察, 因此, 需要观察记录大量的数据, 加上数 据的模糊性和电力系统结构的多样性, 使得分析工 作更加复杂和困难。如何实现电能质量的自动诊断 和决策成为电力工作者研究的难题。 人工智能作为一门发展迅速的交叉学科, 受到 了电力行业科研工作者和工程技术人员的关注, 已 经广泛地应用于电力电子、电力系统规划、系统安 全稳定性分析、继电保护、故障诊断和定位、负荷 预报、运行与控制以及教育仿真等。与此同时, 将 人工智能应用于电能质量问题的研究也是当前电工 领域的热点 [ 1] , 主要集中在电能质量监测和评估、 电能质量问题的诊断和分类、谐波分析、系统恢复 ! 66 !

2

人工智能 ( artificial intelligence 简称 AI)
AI 技术是计算机研究和应用发展到一定阶段

的产物, 它研究的是怎 样用机器模仿 人脑从事推 理、规划、设计、思考和学习等思维活动, 解决迄 今为止仍需由专家才能处理好的复杂问题。AI 在 电能质量研究中的应用焦点主要集中在专家系统、 神经网络、模糊逻辑和遗传算法。 2 1 专家系统 ( Ex pert syst em, ES) ES 是人工智能研究领域中最活跃的一个分支。 它是在某一特定领域内利用知识和推理来解决人类 专家不能解决的重要问题。传统程序必需固定程序 步骤, 借以复杂的算法, 只要输入数据, 就能得出 结果。相比而下, ES 则集中大量的符号处理, 采 用启发式方法模拟专家的推理过程, 通过推理, 利 用知识解决问题。由于 ES 具有较强的逻辑思维和 符号处理 能力, 并能方 便的修改原知 识, 灵活性 好, 适合于电能质量问题的分析。 ES 已成为在电能质量研究中应用最为成熟的 人工智能技术。在一个电能质量专家系统中, 知识 库包括了电能质量问题的特征、类型、解决问题的 方案、影响方案选择的特定因素等内容。知识库由 一系 列 的 if than 或 if t han else 规 则 组 成, 其中 if 子句表示某类 PQ 问题的特征, 由敏感 设 备 表 现 出 来 的 特 征 和在 线 监 测 的 数 据 得 到; t han 和 else 子句包括电能质量问题产生的原 因及相应的对策。国内外已发展了多种专家系统, 应用于电能质量的不同领域。 2 2 人 工神 经网 络 ( Art if icial Neural Net works,

人工智能技术在电能质量分析中的应用

? 电工技术杂志# 2004 年第 12 期

ANN) ANN 的研究已经有 30 多年的历史了, 它是一 门涉及生物、电子、计算机、数学和物理学的交叉 学科, 有着广泛的应用背景。ANN 是由大量的处 理单元广泛互联而成的网络, 是一种从不同角度、 不同功能来模拟动物神经系统的技术。传统的专家 系统 可 执 行 诊 断、 规 划、 设 计 等 各 种 任 务, 而 ANN 分支, 则力图模拟人类处理方式去理解信息 传播和利用信息。 由于神经网络具有自适应、自学习、容错能力 强和并行分布信息处理的特点, 因此在模式识别、 信号处理、自动控制及最优化等方面得到了广泛的 应用。ANN 也同时 应用到电 力系统的 诸多领域, 包括系统的实时 控制、系统规 划、故障监测 与诊 断、状态评估、负荷预报等。近 10 年将 ANN 技术 引用到电能质量的研究中也已取得了满意的成果。 2 3 模糊逻辑 ( Fuzzy Logic, F L) F L 是 20 世纪 60 年代中期发展起来的一种强 有力的智能工具。人的思维与计算机使用的二值逻 辑不同, 对事物判断的逻辑一般是模糊的, 这就需 要对所获信息进行一定的模糊化处理, 尤以在一个 或多个的输入是不易离散的连续变量, 数学模型不 存在、难以建立或数学表达式复杂计算难度大, 输 入信号中需要含有噪声等情况下, 模糊逻辑有其不 可取代的作用。 当今在潮流计算、系统规划、模糊控制、故障 诊断等电力系统领域, 都成功地应用 了模糊理论。 考虑到不仅是电能质量监测数据具有模糊性, 而且用 以区分不同扰动的波形幅度边界和扰动持续时间都有 其难确定性, 所以 FL 非常适用于电能质量的分析。 2 4 遗传算法 ( Genetic Algorit hms, GA) 遗传算法是一种进化论的数学模型, 是在思想 方法上标新立异的优化方法, 近年来在组合优化、 信号处理、系统辨识等领域获得了广泛的应用。它借 鉴生物界自然选择和自然遗传机制的随机化搜索算 法, 其主要特征是群体搜索策略和群体中个体之间的 信息交换, 搜索不依赖于梯度信息。它尤其适用于处 理传统搜索方法难以解决的复杂的和非线性的问题。 GA 将 自然选择 原则引入优化过程中, 通 过遗传算子, 即选择、交叉、变异的操作, 对所有 可行解寻优。遗传算法在搜索过程中不易陷入局部 最优, 即使在所定义的适应度函数是非连续、不规

则和有噪声的情况下, 也能以最大的概率找到全局 最优解, 较好地克服了寻优过程中易陷入局部极小 的困境。在电能质量的应用中, 遗传算法通常与模 糊逻辑、神经网络结合测量电能质量数据, 减少谐 波畸变和优化电容器组的分布等 [ 2, 3] 。 2 5 人工智能混合技术的研究 每种智能控制方法都有其内在的局限性, 难以 满足处理电力系统实际复杂问题的需要。如何将这 些控制方法结合起来形成一种综合的智能控制, 是 目前研究工作的重点。 ( 1) 模 糊 专 家 系 统 ( Fuzzy Expert Syst ems) Fuzzy Expert Syst ems 是通过模糊推理解决问题 的专家系统。这种系统善于解决那些含有模糊性数 据, 信息或知识的复杂问题。模糊专家系统现已发 展成为智能控制的一个分支领域, 也是电能质量分 析不可多得的实用技术。为处理从分布的监测系统 上得到的庞大数据, 引入模糊理论来解决数据的不 精确性问题, 模糊逻辑的思想通过模糊规则嵌入到 专家系统的知识库中。 ( 2) 神 经网 络 模 糊 系统 ( Neuro fuzzy tools) Neuro fuzzy t ools 是一种结合 ANN 强大的学习能 力和 F L 优良的知识表述和推理能力的新兴 AI 工 具。将二者结合, 神经网络可以弥补模糊理论本身 难以解决的自学习、自适应的问题, 而模糊逻辑具 有较强的逻辑推理能力和知识表达能力, 可以改善 神经网络学习算法的性能, 加快收敛速度, 避免陷 入局部极小值点的缺陷。 ( 3) 神经 网 络 专 家系 统 ( Neuro Ex pert Sys tems) Neuro Ex pert Systems 充分利用 ES 的推理 判断能力和 AN 的学习容错能力。它把知识库融入 到 ANN 之 中, 推理 过程 即是沿 着网络 的计 算过 程。这种基于神经网络的专家系统利用了 ANN 的 自学习功能、联思记忆功能和分布式并行信息处理 功能来解决传统的 ES 知识表述、知识获取和匹配 冲突的问题。二者的集成可以发挥各自的优势, 适 合于表示电能质量问题的类型及处理系统的知识。

3

人工智能技术在电能质量分析中的应用

3 1 电能质量的监测和评估 电能质量的监测和评估是电网电能质量治理的 前提, 目前的电能质量检测手段主要是以人工方式 和便携式电能质量测量仪器为主, 对线路和变电站 ! 67 !

?电工技术杂志# 2004 年第 12 期

人工智能技术在电能质量分析中的应用

进行现场数据采集, 工作量大, 采集的数据不系统 也不全面, 时间延续性短, 误差较大, 效率低。这 种传统的监测和分析方法已难以适用于现代电能质 量的评估。采用人工智能技术对电网谐波、电压波 动和闪变、电压不平衡、频率和电压偏差等电能质 量参数进行实时在线监测、分析和处理是未来监测 技术发展的趋势。 文献 [ 4] 采用线性自适应 Adaline 神经网络, 在随机噪声和衰减的直流分量影响下对系统谐波进 行跟踪监测评估。考虑了谐波总畸变率和负荷功率 因数两个指标。模糊理论适于处理监测网上大量的 不精确、不完整的数据, 对提取用电部门和用户关 心的信息、提供决策依据是非常有帮助的 3 2
[ 5]

最后, 通 过 ANN 输入 量的 计算 完成 分类。文献 [ 9] 最早将多层前馈神经网络和时延神经网络用于 电能质量扰动分类, 正确率为 72% ~ 93% 。 尤其是借助小波变换优良的时频分析特性和神 经网络良好的分类能力, 采用小波变换和人工神经 网络结合的方法, 分类正确率明显提高[ 10, 11] 。一 般先进行小波变换判别扰动是否发生, 然后提取小 波变换各个尺度得到的扰动信息作为相应 ANN 的 输入信号, 供 ANN 辨识扰动类型。这样结合之后 可以使神经网络具有迅速收敛、抗干扰性等优点。 或者构造基于小波函数的神经网络, 从而提高网络 的稳定性和收敛性。 基于遗传算法的 人工神经网络能够更好的收 敛, 并能有效地避免局部极小。文献 [ 12] 采用基 于遗传算法的神经网络分类器, 分类性能较传统的 基于 BP 算法的神经网络分类器明显提高。 ( 2) 专家系统 ( ES) 技术
[ 13]

。

电力系统谐波分析 电力系统中谐波诊断的任务是对一组电流或电

压的采样信号确定出各次谐波的含量或感兴趣的谐 波成分含量。人工神经网络可以在避免噪声和间谐 波的情况下分析谐波问题。国外较早地将神经网络 用于谐波研究, 国内尚处于起步阶段, 主要有以下 三个方面的应用: % 用于谐波源的辨识, 文献 [ 6] 采用多层前馈神经网络识别配电系统中远距离和短 距离的谐波源。 & 用于谐波测量 [ 7] , 将 ANN 应用 于谐波测量能有效地解决测量 的精度和实时 性问 题。文献 [ 8] 首先探讨用 ANN 替代模拟并 行式 谐波测量装置中的带通滤波器, 然后构造特殊的多 层前馈神经网络来实时测量谐波。 ? 用于电力系统 中谐波的预测。 3 3 电能质量扰动分析 电能质量扰动波形的识别实质上是一个模式识

ES 用于电能质量

扰动分类 , 最大的特点是知识库可以随着经验 的积累、扰动类型的变化而随时扩充、修改, 方便 用户掌握。知识库以规则的形式反映了电能质量扰 动 IEEE 标准中的内容, 还综合了本领域内专家的 经验。只要输入扰动波形, 知识库就搜索已在库中 存储的有关扰动类型的知识; 当给定的扰动特征与 存储的知识相匹配, 则扰动被找到, 输出即是扰动 类型, 结果还显示到用户界面。 ( 3) 模糊理论与专家系统和神经网络结合 模

糊逻辑由于在分析问题时考虑到其中的不确定性, 所以大 大 增 加了 分 析 的全 面 性和 灵 活 性。文 献 [ 14] 就是先用傅里叶和小波变换提取扰动特征量, 之后用模糊专家系统进行检测和识别, 正确率高达 99% 。文献 [ 15] 研究了模糊神经网络在电能质量 扰动分类中的应用。 3 4 电压/ 无功控制 电力系统电源侧电压及负荷变化将引起用户侧 电压波动, 长时间的电压偏移使得供电电压质量得 不到保证, 保持电压偏移在允许范围内是衡量电能 质量标准的一项重要内容。而电压控制不仅取决于 潮流计算结果, 还必须考虑对未来负荷的预测和前 面的控制过程。这样一个综合决策任务只能由智能 决策软件才能较好地完成。在变电站电压无功控制 领域中, 运行人员的经验至关重要, 所以专家系统 技术在变电站无功控制中有着非常好的应用前景。

别的问题。由于电能质量扰动识别包含了很多的扰 动类型, 它们的特征边缘可能重叠, 使识别工作非 常困难。传统的电能质量检测多是基于对扰动波形 的记录, 通过对相邻 2 个周期的波形进行点对点的 比较直接判断和检测。但它无法检测到周期的暂态 现象, 且需要观察大量的数据, 工作量大, 易受噪 声影响, 难以实现自动分析。 ( 1) 人工神经网络 ( ANN) 方法 将 ANN 用 于检测和识别电能质量扰动, 能够较好的克服传统 方法的缺陷。用 ANN 进行电能质量扰动分类的基 本原理是: 首 先将特定扰动对 应的信息量作 为样 本, 建立样本库; 然后对 ANN 进行训练, 将样本 库的知识以网 络的形式存储在 ANN 的连接权中, ! 68 !

人工智能技术在电能质量分析中的应用

? 电工技术杂志# 2004 年第 12 期

基于专家系统而设计的变电站无功控制装置将 已有的无功电压控制经验或知识用规则表示出来, 形成专家系统的知识库。并能像有经验的调度员那 样, 在面临不同运行工况时, 根据上述的规则由无 功电压实时变化值有效地作出 合理的电压调 节决 策。文献 [ 16] 详细研究了变电站电压无功综合控 制专家系统的应用。 电力系统电压无功控制受电力系统时变性、运 行条件和网络参数经常变化的影响, 很难建立精确 的数字模型。在这种情况下, 可考虑采用无功模糊 边界的调节方式。将电压状态引入无功调节判据, 把原先固定的无功上下限边界变为受电压影响的模 糊边界
[ 17]

如专家系统来解决电能质量中的实际问题; 另一种 是应用最新的 人工智能方法来解决电 力系统的问 题, 主要做一些探索性的研究工作。大部分还处在 试验阶段, 只有小规模的应用。从上述的介绍可以 看到, 当前存在的问题和未来的发展趋势是: ( 1) 人工智能理论本身还不是很成熟, 需要进 一步完善。例如, ES 在知识的获取上遇到 瓶颈 问题, 计 算 速 度 慢, 难 以 实 现 实 时 性 的 要 求。 ANN 易产生局部极小, 收敛速度慢, 理想的样本 提取困难, 网络的结构也不易优化。F L 的知识获 取能力差等等。解决这些问题都是 AI 理论在今后 发展中的重要任务。 ( 2) 借助先进的数学工具小波变换进行信号的 预处理, 能够更快速、更有效地分析诊断电能质量 问题。近年来有关小波变换在暂态电能质量的检测 评估、去噪、压缩和特征提取等方面的研究已经广 泛开展, 这里不再详述。 ( 3) 混合智能的研究。目前, 应用于电能质量 中的四种人工 智能工具 ES、ANN、FL 、GA, 各 有其优点和局限, 缺少一种普遍有效的方法。混合 智能, 即综合多种智能技术, 为实际的应用开辟了 更为广阔的空间。这种混合技术在电能质量中应用 将是今后的重要发展方向。 ( 4) 人工智能在电能质量中的应用研究已经取 得一些成果, 但整体应用水平较低。当前应该加快 科研成果向实用转化的过程, 充分利用 AI 已取得 的研究成果为电网的优质供电服务。随着计算机科 学的迅猛发展, 可以预料, 在未来的数年里, 将出 现大量实用的智能化软件。 ( 5) 目前, 人工智能在电能质量的应用主要是 诊断故障发出警报, 运行人员再据此做出决策。正 在开发的人工智能工具将无需人的介入, 不仅可以 自动辨识各种电能质量问题, 还能确定其原因, 提 出可靠的决策方案。

。文献 [ 18] 将 ANN 用于 变电站电 压

自动控制, 也取得了不错的效果。 3 5 电能质量数据管理和数据挖掘 数据挖掘即从数据库中发现知识, 是人工智能 与数据库技术相结合的产物。电力系统数据具有数 据多、数据种类混杂、数据质量差的特点, 而电力 系统对数据的要求又很高。数据挖掘不仅具有计算 效率高的优点, 还能通过对历史和当前数据的分析 得到的知识对未来进行预测, 因而成为解决电力系 统相关问题的有应用前景的方法。 根据不同的需要, 数据挖掘的常用方法有: % 建立预测性模型。主要是通过对历史数据的分析和 归纳, 建立一个预测性模型。文献 [ 19] 就此论述 了数据挖掘技术在电压控制方面的作用。 & 聚类, 即将数据分割成具有各自不同特征的子集。 ? 数据 摘要, 即力图找出不同数据域之间的联系。 3 6 其他应用 除上述的内容外, 文献 [ 20] 探讨了用模糊理 论对电能质量指标进行定量评价。此外也有采用遗 传算法和模糊逻辑来解决配电网电容器组最优分布 的问题。专家系统和模糊逻辑还可用于培训变电站 运行人员, 智能化的程序软件可以仿真模拟故障情 形, 有助于提高运行人员的操作技能。

5

结束语
虽然人工智能技术来研究电能质量问题具有广

4

研究现状及未来的发展
AI 技术在电能质量中的研究和应用已经开始

阔的应用前景, 但其研究还刚刚起步, 其基本理论 还不成 熟。目前, 只是停留在仿 真分析、实验阶 段, 很难用于实践。随着电能质量问题的日益严重 和广大用户对电能质量要求的不断提高, 有关人工 智能在电能质量中的应用研究将会不断地深入。 ! 69 !

了蓬勃的发展, 但是到目前为止, 大部分研究只是 集中在电能质量扰动的识别、谐波分析以及在线监 测。这些研究工作从总体上讲有两种方式: 一种方 式是从实用性角度出发, 应用成熟的人工智能技术

?电工技术杂志# 2004 年第 12 期

人工智能技术在电能质量分析中的应用 2002 International Conference o n Power System T echnol ogy, 2002 13~ 16 O ct 2002, 2002, 1(491~ 495 13 E Sty vaktakis, M H J Bollen, I Y H G u Ex pert system for voltage dip classification and analysis Power Eng ineer ing Society Summer M eeting, 2001 15~ 19 July IEEE, 2001, 2001, 1(671~ 676 14 D G Kreiss A naly zing voltage disturbances using a fuzzy log ic based ex pert system Proc EPR I PQ A Co nf: Pow er Q uality Assessment, End U se Appl P erspect ves, 1994, 1: A 2 02 15 J S Huang, M N eg nevitsky, D T N guyen bances 16 17 A neur al fuzzy classifer for r ecognition of power quality distur IEEE T ransactions on Po wer Delivery, 2002, 基 于专家系 统的变 电站 电 2003 ( 2) 17 ( 4) (609~ 616 刘志超, 陈宏钟, 张 伟等 压无功控制装置 电力系统自动化

参考文献
1 W R Anis br ahim, M M M or cos A rtificial intelligence and advance mathematical tools for pow er quality application: a survey I EEE T ransactions o n Power Delivery, 2002, 17 ( 4) (668~ 673 2 M A Choudhr y, S Rahman Gener ic algorithm to select building lig hting technologies for minimizing total harmonid distorion Ener gy, 1995, 20 ( 10) (1027~ 1036 3 G L ev itin, A Kalyuzhny et al Opt imal capaeitor allocation in distribution systems using g enecic alg oritam and a fast en er gy loss computation techrique. IEEE T r ans on Power Delivery , 2000, 15 ( 4) : 623~ 628 4 P K Dash, D P Sw ain et al Power qualit y assessment us ing an adaptiv e neural networ k 1996, 2(770~ 775 5 L iang Cai, HongK un Chen F uzzy studies on power quali ty part I I: monito ring and management 10t h Intemational Conference o n Harmonics and Quality of Pow er, 2002 2002, 2(419~ 423 6 Y Y Hoing, Y C Chen A pplication of alg orithms and arti ficial intelligence approach for locat ion multiple har monic in distribution systems 7 IEE Proceedings on Generation, T ransmission and Distr ibut, 1999, 146 ( 5) : 325~ 329 W W L K eerthipala, T C L ow, C L T ham Artificial neu ral netw ork model for analysis of power system harmonics Pro c 8 9 IEEE Int Conf N eural Networ ks, Perth, Aus 一种基于人工神经网络的谐波测 tralia, 1995, 2: 905~ 910 王群, 吴宇, 王兆安 量方法 电网技术, 1999, 23 ( 1) 20 19 18 Proc IEEE I nt Co rf Power Electron, Drives, Energ y Syst I ndustria Grow ,

S K Star rett, W R Anis Ibrahim et al An on line fuzzy logic system for voltage/ VAR cont rol and alarm process ing Proc IEEE P ower Eng Soc W inter M eeting, New 基于 AN N 的变电站电 压和无功综合 Artificial intelligence assisted Canadian Conference on Yor k, 1999, 1: 766~ 771 杨争林, 孙雅明 自动控制 电力系统自动化, 1999, 23 ( 13)

S M adan, K E Bollinger

vo ltage stabiiy enhancement 1: 392~ 395 贾清泉, 宋家骅, 兰 华等 价

Electrical and Computer Eng ineering 26~ 29 M ay 1996, 电 能质量及 其模糊 方法 评

电网技术, 2000, 24 ( 6)

Applications of Artificial Intelligence Techniques in Power Quality
L i u X iaof ang
( Wuhan U niversity) Abstract Incr easing interest in power quality and ar tificial in telligence ( A I) has evolved in the international electr ician field T he use of A I in pow er qualit y has received ex tensive attention from many resear chers T his paper explores t he cur rent applica tions of advanced artificial intelligence techniques in pow er qual ity Indiv idual intelligent paradigms such as ex pert system; ar tificial neural networ ks; fuzzy log ic; g enetic algor ithms are dis cussed Finally it predicts the futur e development using art ificial intelligence techniques in pow er qualit y. Keywords power quality artificial intelligence expert system artificial neural networks fuzzy logic genetic algorithms 收稿日期: 2004 07 12

A K Ghosh, D L Lubkeman Classification of power sys tem distur bance w av eforms using a neur al netw ork ap pr oach I EEE T rans on Po wer Delivery, 1995, 10 ( 2) : 109~ 115

10

S Santoso, E J Po wers, W M Grady

Power qulity dis

turbance identificat ion using wavelet transforms and artifi cial neural networks Proceedings o f IEEE ICHQ P V II Las V eg as, 1996: 615~ 618 11 S Santoso, J P Edward et al Po wer quality disturbance w av eform recognition using w avelet based neural classifier par t 1: theoretical foundat ion, par t 2: application IEEE T r ans on Power Deliv er y, 2000, 15 ( 1) (218~ 235 12 Quyang Sen, Song Zheng xiang et al Application of LV Q neural netw orks combined w ith genetic algorithm in power quality signals classfication Proceedings of Power Con

!

70

!



  本文关键词：人工智能技术在电能质量分析中的应用，由笔耕文化传播整理发布。