《淺談電氣自動化控制中人工智能技術(shù)》10000字（論文）

淺談電氣自動化控制中人工智能技術(shù)目錄TOC\o"1-3"\h\u15414一、前言 —一、前言（一）電氣自動化發(fā)展現(xiàn)狀在我國經(jīng)濟(jì)高速健康發(fā)展的今天,科學(xué)信息技術(shù)也開始實(shí)現(xiàn)了快速的大量和規(guī)模快速發(fā)展,經(jīng)濟(jì)發(fā)展的能源需求有力地促進(jìn)了人工智能技術(shù)在電氣自動化中的發(fā)展。此外,近年來，國內(nèi)外眾多的工業(yè)專家和工程師對智能控制技術(shù)進(jìn)行了深入的研究。當(dāng)前，人工智能在我國電力電子工程自動化領(lǐng)域的廣泛運(yùn)用，主要表現(xiàn)在：在電力自動化的維修與維修中，如何運(yùn)用人工智能技術(shù)來降低系統(tǒng)的失效風(fēng)險(xiǎn)，以減少企業(yè)的經(jīng)濟(jì)損失，加強(qiáng)電氣自動化缺陷問題的檢測工作從而提高檢測的準(zhǔn)確性和故障管理的有效性，從而降低維護(hù)檢修的成本。人工智能在電力自動化領(lǐng)域的應(yīng)用，主要是面向電力、工程、人工智能等領(lǐng)域的綜合運(yùn)用。這就需要實(shí)踐經(jīng)驗(yàn)和專業(yè)知識相互融合，才能將人工智能技術(shù)應(yīng)用到實(shí)處。然而，電氣自動化中有工作經(jīng)驗(yàn)的工程人員往往并不具備全面和系統(tǒng)的理論知識儲備，而具有專業(yè)知識的研究人員卻缺乏相關(guān)工作經(jīng)驗(yàn)。這也就不難理解，人工智能在電氣自動化實(shí)際應(yīng)用中難以發(fā)揮其作用的原因了。（二）研究目的及意義將人工智能技術(shù)引入到電力自動化領(lǐng)域，能夠有效地提升電力系統(tǒng)的運(yùn)行效率和水平。特別是將人工智能應(yīng)用于電氣工程自動化，使員工能夠更有效地收集，處理和利用設(shè)計(jì)過程中的數(shù)據(jù)。這意味著通過人工智能技術(shù)，可以實(shí)時(shí)監(jiān)控電氣設(shè)備的運(yùn)行狀態(tài)，獲得精準(zhǔn)的數(shù)據(jù)，不僅大大降低了員工的操作難度，在一定程度上減少了人工干擾對采集數(shù)據(jù)的影響。同時(shí)，隨時(shí)記錄相關(guān)信息和數(shù)據(jù)，為后續(xù)工作的良好發(fā)展提供堅(jiān)實(shí)的基礎(chǔ)。利用人工智能監(jiān)控與控制，實(shí)現(xiàn)了對電力自動化系統(tǒng)的自動控制，并在出現(xiàn)問題或緊急情況時(shí)提醒相關(guān)人員，以便通知員工調(diào)整系統(tǒng)的運(yùn)行狀態(tài)。隨著人類社會的飛速發(fā)展，對人工智能的需求也越來越大，基于此，本文試圖探討一種與當(dāng)今人工智能發(fā)展相適應(yīng)的新型控制理論。電氣設(shè)計(jì)過程的優(yōu)化也是非常有必要的。我國已經(jīng)明確提出，要把人工智能與實(shí)體經(jīng)濟(jì)深度融合，并在全國范圍內(nèi)制訂人工智能發(fā)展戰(zhàn)略，以促進(jìn)人工智能的全面快速發(fā)展。爭取在國際上的人工智能競賽中占有一席之地。為了實(shí)現(xiàn)這一目標(biāo)，我們需要一個(gè)健康、和諧的環(huán)境來促進(jìn)人工智能技術(shù)的發(fā)展。人工智能應(yīng)用問題的研究與新時(shí)代的發(fā)展需求相適應(yīng)。二、人工智能簡述（一）人工神經(jīng)網(wǎng)絡(luò)發(fā)展的歷史對于人工神經(jīng)網(wǎng)絡(luò)的發(fā)展歷程，大概分為以下四個(gè)階段。一、萌芽期對于研究人工神經(jīng)網(wǎng)絡(luò)這個(gè)事件可以追述到上世紀(jì)中旬，起初，人類對自己思考問題的方式感到不可思議，因?yàn)樗孟袷桥c生俱來的，至于為什么會有這種思維方式一些科學(xué)家給了一些推測。其中生物學(xué)家提出了人腦的“通信連接”機(jī)制，我們才對這中思維方式有點(diǎn)了解。1943年，心理學(xué)家McCulloch和數(shù)學(xué)家Pitts總結(jié)了生物神經(jīng)元特征，提出了簡易的數(shù)學(xué)模型，這使得人們可以通過計(jì)算機(jī)程序?qū)崿F(xiàn)人工神經(jīng)網(wǎng)絡(luò)。二、發(fā)展期上個(gè)世紀(jì)中旬，通過人工神經(jīng)網(wǎng)絡(luò)發(fā)明了感知機(jī)和一些算法，以及提出了一種用于訓(xùn)練自適應(yīng)線性網(wǎng)絡(luò)的新的算法。三、反思潮通過科學(xué)家對單級感知器的不斷研究，人們發(fā)現(xiàn)似乎只能解決一小部分問題，比如簡單的異或問題。四、高潮期對于Hopfield網(wǎng)絡(luò)和反向傳播算法的提出激發(fā)了人們對人工神經(jīng)網(wǎng)絡(luò)的熱情。（二）人工神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetwork，即ANN），人工神經(jīng)網(wǎng)絡(luò)通過模擬人類大腦的處理方式和記憶方式對外部的信息進(jìn)行處理的。在人工神經(jīng)網(wǎng)絡(luò)中，最基本的單元神經(jīng)元它可以將對象抽象成有意義的模式。人工神經(jīng)網(wǎng)絡(luò)中由三類神經(jīng)元組成，分別是輸入單元、輸出單元和隱藏單元。人工神經(jīng)網(wǎng)絡(luò)是一種非程序化、適應(yīng)性、大腦風(fēng)格的信息處理，可以在一定程度上對信息像人腦一樣處理。相較于傳統(tǒng)的人工智能人工智能的不同在于人工智能是并行分布式系統(tǒng)，還擁有自適應(yīng)、自組織和實(shí)時(shí)學(xué)習(xí)的特點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)通常是一個(gè)非線性系統(tǒng)，它學(xué)習(xí)從數(shù)據(jù)中執(zhí)行一個(gè)函數(shù)（一個(gè)輸入/輸出映射）。其中系統(tǒng)參數(shù)在操作過程中發(fā)生改變，通常稱為訓(xùn)練階段。[10]它是一步一步地建立，以優(yōu)化性能標(biāo)準(zhǔn)或遵循一些隱式內(nèi)部約束，通常稱為學(xué)習(xí)規(guī)則。對于人工神經(jīng)網(wǎng)絡(luò)來說，訓(xùn)練數(shù)據(jù)是很重要的。訓(xùn)練階段是為了尋找最佳的參數(shù)，從而發(fā)現(xiàn)最佳的操作點(diǎn)，然后固定參數(shù)來給我們解決問題。神經(jīng)網(wǎng)絡(luò)處理問題的方式是非線性的，所以我們在處理問題時(shí)可以通過這個(gè)模型來處理。所以神經(jīng)網(wǎng)絡(luò)就像映射器一樣。人工神經(jīng)網(wǎng)絡(luò)分為有監(jiān)督和無監(jiān)督兩種，對于監(jiān)督方法的情況，最簡單的方法。在已知結(jié)果的測試數(shù)據(jù)集之下使用。使用過程如下：1.首先對數(shù)據(jù)集進(jìn)行處理。2.將輸出與已知結(jié)果進(jìn)行比較。3.調(diào)整神經(jīng)網(wǎng)絡(luò)并重復(fù)測試。計(jì)算如圖2所示。圖2-1神經(jīng)計(jì)算的計(jì)算方式運(yùn)用神經(jīng)網(wǎng)絡(luò)也有很多約束條件，如果對于數(shù)據(jù)不充足和存在噪聲的情況下使用神經(jīng)網(wǎng)絡(luò)明顯是不明智的，因?yàn)閷τ谏窠?jīng)網(wǎng)絡(luò)而言數(shù)據(jù)是最能體現(xiàn)它的功能的。但是如果我們對一個(gè)問題沒有足夠理解的情況下我們可以推導(dǎo)出一個(gè)相似模型，而在存在大量數(shù)據(jù)的情況下，這是一個(gè)很好的解決方案。[13]在人工神經(jīng)網(wǎng)絡(luò)中，設(shè)計(jì)者采用傳統(tǒng)的子系統(tǒng)規(guī)范和內(nèi)部通信協(xié)議的工程設(shè)計(jì)，選擇網(wǎng)絡(luò)拓?fù)?、性能函?shù)、學(xué)習(xí)規(guī)則和準(zhǔn)則來停止訓(xùn)練階段，但系統(tǒng)自動調(diào)整參數(shù)。雖然很難在設(shè)計(jì)中引入先驗(yàn)信息，也很難在系統(tǒng)不能以適當(dāng)?shù)姆绞焦ぷ鲿r(shí)逐步細(xì)化解決方案，但基于ann的解決方案在開發(fā)和資源方面非常高效。此外，在許多棘手的問題中，它提供的性能很難與其他技術(shù)相匹配。因此，人工神經(jīng)網(wǎng)絡(luò)正在成為模式識別、預(yù)測、系統(tǒng)識別和控制等應(yīng)用領(lǐng)域的選擇。（三）生物模型中人工神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)建模在生物學(xué)上，像生物神經(jīng)元可以接受信號的樹突一樣，處理信號的細(xì)胞體，以及將信號發(fā)送到其他神經(jīng)元的軸突一樣，人工神經(jīng)元具有多個(gè)輸入通道，信號處理單元可以和一個(gè)可以通向眾多人工神經(jīng)單元的輸出通道。生物神經(jīng)系統(tǒng)由神經(jīng)元作為基本的信號單元組成，每個(gè)神經(jīng)元是一個(gè)離散的細(xì)胞，過程來自其細(xì)胞體。人工神經(jīng)網(wǎng)絡(luò)作為一種電路出現(xiàn)，它可以以生物神經(jīng)元作為基本的概念組件來執(zhí)行計(jì)算任務(wù)。圖2.2生物模型（神經(jīng)元）如圖2所示的神經(jīng)網(wǎng)絡(luò)的處理單元是神經(jīng)元，在生物模型中通常是通過突觸來進(jìn)行兩個(gè)神經(jīng)元之間進(jìn)行接觸，在這個(gè)突觸間隙中，電信號通過化學(xué)信息相互作用發(fā)送。在這個(gè)系統(tǒng)中，我們將突觸定義為權(quán)重它們的值記錄了輸入和神經(jīng)元之間的連接強(qiáng)度。在線性組合發(fā)生之前，神經(jīng)網(wǎng)絡(luò)重要的兩個(gè)點(diǎn)就是權(quán)重和激活函數(shù)，通過將輸入乘權(quán)重再互相疊加成輸出作為下一個(gè)神經(jīng)元的輸入，我們將神經(jīng)元的輸出通過限制函數(shù)控制輸出在0到1或者-1到1。根據(jù)圖2.3所示的公式，下面的圖2.4進(jìn)行了數(shù)學(xué)描述。圖2-3公式圖2-4數(shù)學(xué)模型(ANNs)一般對于輸入的值都是需要乘權(quán)重求和然后相加然后通過函數(shù)處理得到輸出。簡而言之，人工神經(jīng)網(wǎng)絡(luò)是一個(gè)簡單的處理單元的池，它通過大量的加權(quán)連接相互發(fā)送信號來進(jìn)行通信。除了調(diào)整權(quán)重之外，每個(gè)處理單元還接收來自鄰居或外部源的輸入，以計(jì)算被傳播到其他單元的輸出信號。在神經(jīng)網(wǎng)絡(luò)中一般有三個(gè)單元：輸入單元，接受外部信號與數(shù)據(jù)；輸出單元，實(shí)現(xiàn)系統(tǒng)結(jié)果的輸出；隱藏單元，處于輸入輸出單元之間，不能由系統(tǒng)外部觀察的單元。該系統(tǒng)是并行的，通過多個(gè)單元可以同時(shí)進(jìn)行計(jì)算。同時(shí)，在操作期間，單元可以同步更新，即所有單元同時(shí)更新它們的激活，或者，異步地，每個(gè)單元有一個(gè)概率，通常是固定的，一次更新其激活，一次只有一個(gè)單元執(zhí)行。（四）介紹兩種神經(jīng)網(wǎng)絡(luò)1.BP網(wǎng)絡(luò)在人工神經(jīng)網(wǎng)絡(luò)中，最常用的算法就是BP神經(jīng)網(wǎng)絡(luò)。多層前向BP網(wǎng)絡(luò)是目前應(yīng)用最多的一種神經(jīng)網(wǎng)絡(luò)形式。BP網(wǎng)絡(luò)能學(xué)習(xí)和存儲大量的輸入輸出映射關(guān)系，并且不需要揭示這種映射關(guān)系的數(shù)學(xué)方程。鑒于是有監(jiān)督的神經(jīng)網(wǎng)絡(luò)，監(jiān)督學(xué)習(xí)中的每一個(gè)訓(xùn)練樣本都對應(yīng)著一個(gè)教師信號，教師信號代表了環(huán)境信息，網(wǎng)絡(luò)將教師信號作為期望輸出。為了模擬像人類大腦一樣功能的設(shè)備，我們需要設(shè)計(jì)一個(gè)簡單的設(shè)計(jì)通過使用RLC網(wǎng)絡(luò)來模擬樹突、軸突和突觸，它具有類似于生物神經(jīng)元的傳遞函數(shù)然后將每個(gè)神經(jīng)元連接到其他神經(jīng)元上。但是對于這個(gè)模型來說實(shí)施起來相對復(fù)雜，可能無法運(yùn)用這個(gè)網(wǎng)絡(luò)。需要進(jìn)一步的約束來使設(shè)計(jì)更易于管理。首先，我們改變神經(jīng)元之間的連通性，使它們處于不同的層，這樣一層的每個(gè)神經(jīng)元都與下一層的每個(gè)神經(jīng)元相連。此外，我們定義了信號只在網(wǎng)絡(luò)中只向一個(gè)方向流動，并簡化了神經(jīng)元和突觸設(shè)計(jì)，以作為其他神經(jīng)元通過簡單電阻驅(qū)動的模擬比較器。我們現(xiàn)在有了一個(gè)前饋神經(jīng)網(wǎng)絡(luò)模型，它可以實(shí)際地構(gòu)建和使用。參照圖2.5和圖2.6，網(wǎng)絡(luò)的功能如下：每個(gè)神經(jīng)元從前一層的神經(jīng)元接收一個(gè)信號，每個(gè)信號乘以一個(gè)單獨(dú)的權(quán)值。加權(quán)輸入被求和，并通過一個(gè)限制函數(shù)，該函數(shù)將輸出擴(kuò)展到一個(gè)固定的值范圍。限制器的輸出然后被廣播到下一層的所有神經(jīng)元。因此，為了利用網(wǎng)絡(luò)來解決一個(gè)問題，我們將輸入值應(yīng)用于第一層的輸入值，允許信號通過網(wǎng)絡(luò)傳播，并讀取輸出值。2.徑向基函數(shù)(RBF)網(wǎng)絡(luò)RBF網(wǎng)絡(luò)能夠逼近任何的非線性函數(shù)，可以處理系統(tǒng)內(nèi)難以解析的規(guī)律性，具有良好的泛化能力，并且具有很快的學(xué)習(xí)收斂速度，已經(jīng)成功應(yīng)用于非線性函數(shù)逼近。徑向基函數(shù)(RBF)網(wǎng)絡(luò)是一種用于多維空間的技術(shù)。將其作為一個(gè)關(guān)于中心的距離準(zhǔn)則，可應(yīng)用于神經(jīng)網(wǎng)絡(luò)中，作為多層感知器中的s型隱層傳遞特征的替代。RBF網(wǎng)絡(luò)有兩層處理[16]。輸入首先被映射到隱藏層中的每個(gè)RBF上。輸出層是表示平均預(yù)測輸出的隱藏層值的線性組合。對這個(gè)輸出層值的解釋就像是統(tǒng)計(jì)學(xué)中的一個(gè)回歸模型。輸出層是隱層值的線性組合的典型s型函數(shù)，表示一個(gè)后驗(yàn)概率。通過收縮技術(shù)可以提高性能。經(jīng)典統(tǒng)計(jì)學(xué)中的嶺回歸。我們認(rèn)為，較小的參數(shù)值可以在貝葉斯框架下平滑輸出函數(shù)。RBF網(wǎng)絡(luò)不像多層感知器那樣受到局部最小值的影響，因?yàn)樵趯W(xué)習(xí)過程中唯一需要調(diào)整的參數(shù)是從隱層到輸出層的線性映射。線性度保證了誤差面是二次型的。因此，很容易找到一個(gè)最小值。這可以在回歸問題中的一個(gè)矩陣運(yùn)算中找到。在分類問題中，s型輸出函數(shù)引入的固定非線性可以用迭代重加權(quán)最小二乘最有效地處理。RBF網(wǎng)絡(luò)需要通過徑向基函數(shù)對輸入空間進(jìn)行良好的覆蓋。RBF的中心是根據(jù)輸入數(shù)據(jù)的分布來確定的，而不參考預(yù)測任務(wù)。因此，與學(xué)習(xí)任務(wù)無關(guān)的表征資源可能會被浪費(fèi)在輸入空間的區(qū)域上。常見的解決方案是將每個(gè)數(shù)據(jù)點(diǎn)與其自己的中心聯(lián)系起來。這可以使線性系統(tǒng)在最后一層中被解決得相當(dāng)大，并且需要收縮技術(shù)來避免過度擬合。每個(gè)輸入數(shù)據(jù)的關(guān)聯(lián)與RBF自然引入內(nèi)核方法，如支持向量機(jī)和高斯過程，RBF核函數(shù)這三種方法利用非線性核函數(shù)將輸入數(shù)據(jù)投射到一個(gè)空間，學(xué)習(xí)問題可以使用線性模型來解決。高斯過程，與支持向量機(jī)不同，RBF網(wǎng)絡(luò)通常通過最大化概率來訓(xùn)練，即在最大似然框架中最小化模型下數(shù)據(jù)的誤差。支持向量機(jī)通過最大化邊際來避免過度擬合。在大多數(shù)支持向量機(jī)的分類應(yīng)用中，RBF網(wǎng)絡(luò)的性能都優(yōu)于RBF網(wǎng)絡(luò)。當(dāng)輸入空間的維數(shù)相對較小時(shí)，它們可以在回歸應(yīng)用中具有競爭力。圖2-5A廣義網(wǎng)絡(luò)圖2-6這是一個(gè)神經(jīng)元的結(jié)構(gòu)三、人工智能技術(shù)在電氣自動化中的應(yīng)用體現(xiàn)（一）人工智能專家系統(tǒng)在過去，專家系統(tǒng)是一種以時(shí)事、互操作性、可靠性、便捷性為主要特征的工業(yè)智能化發(fā)展模式。最優(yōu)的控制系統(tǒng)，通過調(diào)整電力自動化流程。該專家操作系統(tǒng)的主要作用是通過對電力設(shè)備的實(shí)時(shí)數(shù)據(jù)進(jìn)行實(shí)時(shí)的上傳和識別，從而對整個(gè)智能算法進(jìn)行控制，從而決定控制周期。一旦發(fā)現(xiàn)異常，系統(tǒng)就會自動控制人工智能，進(jìn)行研究分析，并做出相應(yīng)的處理。該技術(shù)在電力系統(tǒng)中的一個(gè)重要應(yīng)用就是LISP處理器，它將實(shí)時(shí)的數(shù)據(jù)與底層的數(shù)據(jù)進(jìn)行并行處理，從而提高了算法的計(jì)算精度。在特定情況下，該專家系統(tǒng)采用技術(shù)開發(fā)與保護(hù)，提高了電網(wǎng)設(shè)計(jì)與保護(hù)的一致性。該專家系統(tǒng)能夠?qū)﹄娏χ悄芸刂葡到y(tǒng)進(jìn)行輔助，實(shí)現(xiàn)對整個(gè)系統(tǒng)的整體功能的控制和預(yù)測，并在第一時(shí)間對故障進(jìn)行處理。通過啟發(fā)式最優(yōu)化，可以使專家系統(tǒng)提前預(yù)知并決定配電系統(tǒng)中的接地電容和穩(wěn)壓器的設(shè)計(jì)位置，從而為整個(gè)電力系統(tǒng)和電力設(shè)備的規(guī)劃提供依據(jù)，達(dá)到減少線路損耗和投資費(fèi)用的目的。（二）人工神經(jīng)元網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)具有多輸入多輸出功能，能夠?qū)崿F(xiàn)電力系統(tǒng)的并行集成。該系統(tǒng)具有很強(qiáng)的并行運(yùn)算能力，可以將工作效率最大化。本文以電力自動化領(lǐng)域的神經(jīng)網(wǎng)絡(luò)為實(shí)例，通過對神經(jīng)網(wǎng)絡(luò)進(jìn)行了設(shè)計(jì)，將模糊控制裝置添加到軸承中，并進(jìn)行了相應(yīng)的計(jì)算，實(shí)現(xiàn)了對電動機(jī)和交流變頻的控制。如果是大型的電力系統(tǒng)，使用人工神經(jīng)網(wǎng)絡(luò)，可以極大的提高工作效率。神經(jīng)網(wǎng)路的基本思想就是調(diào)整認(rèn)知模式，盡量減少輸出差別。在電子工程領(lǐng)域，人們普遍認(rèn)可并應(yīng)用了人造神經(jīng)元。在電網(wǎng)中，采用多種神經(jīng)網(wǎng)絡(luò)對電網(wǎng)發(fā)生故障進(jìn)行自動檢測與控制，保證電網(wǎng)的安全、穩(wěn)定；人工神經(jīng)網(wǎng)絡(luò)可以模擬將來發(fā)生不可預(yù)測的系統(tǒng)意外事件，從而使其在突發(fā)事件中做出最佳的決策。如果采用多層前向神經(jīng)網(wǎng)絡(luò)，則采用非線性優(yōu)化方法，對電壓、電流的正弦波形進(jìn)行預(yù)測，保證了系統(tǒng)的可靠、有效。根據(jù)人工神經(jīng)網(wǎng)絡(luò)，設(shè)備可以自動適應(yīng)網(wǎng)絡(luò)的工作狀態(tài)，確保設(shè)備的正常工作。（三）通過建立智能化現(xiàn)場控制體系實(shí)現(xiàn)精細(xì)化管理電力自動化控制系統(tǒng)的構(gòu)造與組成十分復(fù)雜。在實(shí)際應(yīng)用中，每一步都要嚴(yán)格遵循自動化的流程，盡量簡化其功能。將大數(shù)據(jù)與電腦等新技術(shù)有機(jī)地結(jié)合在一起，形成了一種智能化的人造技術(shù)，從而使得自動控制的運(yùn)行變得簡單。這是提高自動化設(shè)備控制效果的最佳方法，而提高其工作效率與品質(zhì)是其關(guān)鍵所在。比如，污水處理廠的運(yùn)營，大部分的資金都是用來支撐電力的。因此，利用人工智能技術(shù)來管理污水處理廠的能耗是一個(gè)非常關(guān)鍵的問題。通過建立智能化的現(xiàn)場監(jiān)控系統(tǒng)，可以提高各個(gè)工序的準(zhǔn)確度，還可以對水質(zhì)進(jìn)行預(yù)測和實(shí)時(shí)監(jiān)控，對于提高廢水處理設(shè)備的智能化水平有很大的作用。（四）人工智能技術(shù)在日常操作中的應(yīng)用在工業(yè)迅速發(fā)展的同時(shí)，電力產(chǎn)品的需求量不斷增加。因此，電力設(shè)備的安全運(yùn)行對其工作具有十分重要的意義。在電力自動化的操作中，電力設(shè)備的正常運(yùn)轉(zhuǎn)是要按照操作規(guī)程來進(jìn)行的。以前的電力系統(tǒng)，都是人工來完成的。有些操作比較復(fù)雜，需要人工操作，需要耗費(fèi)大量的時(shí)間和精力。另外，由于對操作的控制有嚴(yán)格的標(biāo)準(zhǔn)，如果操作不當(dāng)，將會導(dǎo)致嚴(yán)重的后果。因此，將人工智能技術(shù)應(yīng)用于電力設(shè)備的操作，可以使傳統(tǒng)的復(fù)雜操作變得簡單，從而有效地提高電器設(shè)備的工作效率。與此同時(shí)，利用人工智能技術(shù)，可以有效地減少由于人為因素造成的錯(cuò)誤，避免出現(xiàn)故障或意外。因此，應(yīng)用人工智能技術(shù)對電力設(shè)備日常工作的安全、穩(wěn)定起到了很好的作用，同時(shí)也能極大地提高電力系統(tǒng)的工作效率。四、人工智能技術(shù)在電氣自動化功能中的應(yīng)用分析（一）信息收集電力系統(tǒng)的基本控制功能是信息采集，在這一功能中，終端系統(tǒng)需要從系統(tǒng)系統(tǒng)中收集關(guān)于系統(tǒng)系統(tǒng)和軟件環(huán)境運(yùn)行情況以及設(shè)備狀況的信息，包括操作時(shí)間、故障情況、環(huán)境溫度和警報(bào)信號。通過通過硬件和軟件收集的信息，工作人員可以實(shí)時(shí)提供證據(jù)，分析設(shè)備操作和突然失敗的情況。對于電氣設(shè)備的運(yùn)行，從業(yè)人員要有比較高的專業(yè)素質(zhì)要求，要有相應(yīng)的專業(yè)知識，以及較強(qiáng)的綜合素質(zhì)。另外，運(yùn)行效率對電力系統(tǒng)的自動控制至關(guān)重要，能降低由于操作不當(dāng)而造成的事故和停機(jī)。所以，在解決上述問題時(shí)，人工智能也要起到相應(yīng)的作用。圖4-1顯示了以人工智能為基礎(chǔ)的電力自動化。利用計(jì)算機(jī)技術(shù)與程序設(shè)計(jì)原理，實(shí)現(xiàn)了對電器進(jìn)行智能化操作，從而有效地解決了人類大腦工作的不足，減少了人力資源，在一定程度上提高了生產(chǎn)力。在電力系統(tǒng)中引入人工智能技術(shù)，改善了系統(tǒng)的科學(xué)性、穩(wěn)定性，并對設(shè)備的操作環(huán)境進(jìn)行了優(yōu)化。圖4-1基于人工智能技術(shù)的電氣自動化控制系統(tǒng)（二）信息傳輸由測試儀器和解決方案系統(tǒng)收集的數(shù)據(jù)信息必須發(fā)送到數(shù)據(jù)處理服務(wù)中心。傳輸數(shù)據(jù)路徑一般是雙向數(shù)據(jù)發(fā)送。在用戶收到相關(guān)信息后,處理中心必須將執(zhí)行指示退回設(shè)備。因此,信息無線傳輸技術(shù)是完全實(shí)現(xiàn)工業(yè)控制管理系統(tǒng)控制基本功能的重要關(guān)鍵。在現(xiàn)代電力系統(tǒng)中,電纜設(shè)備是主要的數(shù)據(jù)傳輸通信設(shè)備(語音信號、視頻、光學(xué)電纜和軸線電纜)。根據(jù)系統(tǒng)模板、傳輸節(jié)點(diǎn)距離和其他影響因素,選擇不同的數(shù)據(jù)運(yùn)輸處理方式,以利于確保數(shù)據(jù)傳輸?shù)臏?zhǔn)確速度和傳輸質(zhì)量,避免編碼混淆和誤編碼、信息數(shù)據(jù)丟失、信息混亂和及早發(fā)送。必須確?？刂茊挝弧⒛茉垂?yīng)、自由化和系統(tǒng)通信之間的協(xié)調(diào)。（三）信息分析在檢測與控制中，對終端軟件所發(fā)出的信息進(jìn)行分析、處理，并將采集到的信息通過數(shù)據(jù)庫傳送，再將處理后的結(jié)果反饋給終端。一些無法自動處理的問題，需要員工通過系統(tǒng)協(xié)調(diào)處理。首先，通過人工智能技術(shù)的合理應(yīng)用，使員工對電器設(shè)備的工作狀況有較好的了解。下面是一些細(xì)節(jié)：將人工智能技術(shù)應(yīng)用于電氣設(shè)備管理，對于提高電氣系統(tǒng)的運(yùn)行效率非常重要，能很好地改善電力設(shè)備的管理。在實(shí)際應(yīng)用中，能根據(jù)設(shè)備的工作狀況對其進(jìn)行分析，從而極大地改善了電力系統(tǒng)的可控性，優(yōu)化系統(tǒng)資源分配，使電氣管理系統(tǒng)更安全可靠。其次，在使用人工智能技術(shù)控制電氣管理系統(tǒng)時(shí)，可以根據(jù)系統(tǒng)各個(gè)環(huán)節(jié)的狀態(tài)自動調(diào)整整個(gè)系統(tǒng)，通過分析系統(tǒng)的異常狀態(tài)，可以及時(shí)調(diào)控系統(tǒng)。目前，大多數(shù)電氣設(shè)備都有自動控制，但控制過程比較復(fù)雜，需要大量的設(shè)備和較多的工作人員。而智能技術(shù)的優(yōu)點(diǎn)是：一種具有單一功能的電器，可同時(shí)對多種儀表、系統(tǒng)進(jìn)行控制，減少裝置數(shù)目，減少人為分析環(huán)節(jié)，使得整個(gè)流程更加科學(xué)。因此，與傳統(tǒng)的自動控制設(shè)備相比，可以省去一部分設(shè)備并且也大大減少了所使用的人工成本。智能技術(shù)可幫助電氣系統(tǒng)降低使用成本和控制過程。（四）診斷控制將人工智能技術(shù)用于電力設(shè)備的故障診斷也是十分必要的，需要注意以下兩點(diǎn)：一是電氣設(shè)備不能進(jìn)行正常工作時(shí)，設(shè)備需要立即進(jìn)行故障測試，以便及時(shí)發(fā)現(xiàn)故障的起因，為后續(xù)故障排除爭取更多時(shí)間。其次，在這一過程中，人工智能技術(shù)相對于傳統(tǒng)的手工操作具有更高的效率，通過使用人工智能技術(shù)對故障進(jìn)行診斷，能夠?qū)崿F(xiàn)對故障的精確定位，快速找到具體原因，提高診斷效率。當(dāng)使用電氣設(shè)備時(shí)，將不可避免地發(fā)生故障，并且在故障發(fā)生之前和之后將出現(xiàn)一些跡象，即借助各種故障癥狀的標(biāo)識，確定故障類別及其位置，迅速找到和消除故障。因此，在設(shè)備出現(xiàn)故障之前，通過標(biāo)識檢測是否存在故障是非常重要的。一旦檢測到故障跡象，就可以通過癥狀標(biāo)識識別故障類型，對故障發(fā)生的位置及時(shí)定位和糾正，以確保設(shè)備的正常運(yùn)行。這是確保設(shè)備穩(wěn)定安全運(yùn)行的有效措施。在電力設(shè)備故障診斷中，模糊推理與神經(jīng)網(wǎng)絡(luò)技術(shù)已得到廣泛應(yīng)用。五、人工智能技術(shù)在電廠電氣自動化控制中的應(yīng)用案例（一）應(yīng)用概況以某火力發(fā)電廠設(shè)備為一舉例,該廠目前擁有6臺主交流變壓器,5臺直流發(fā)電機(jī)和一臺備用高壓總線備用直流變壓器,輸出直流電壓主要分三個(gè)直流等級,即南北兩端35kv高壓母線,東西兩端10kv高壓母線和110kv高壓母線一段,通過高壓總線控制開關(guān)和備用變壓器互相連接。發(fā)電機(jī)組的最大輸出能源電壓為6kv,廠家使用電流可借助高壓電抗器進(jìn)入發(fā)電機(jī)端。主控和抑制室裝置可以同時(shí)控制五臺高壓發(fā)電機(jī)的所有電氣控制部件。每臺風(fēng)力發(fā)電機(jī)都分別配有一個(gè)立式鍋爐驅(qū)動控制室及泵和氣機(jī)驅(qū)動控制室,使用戶和控制室的信號相互連接。（二）人工智能在系統(tǒng)升級改造中的應(yīng)用整套系統(tǒng)由5臺發(fā)電機(jī)、6kV供電系統(tǒng)、勵(lì)磁系統(tǒng)及智能控制器組成。在切換時(shí)，將保護(hù)屏幕及原來的控制面板移除，并替換微機(jī)的保護(hù)及控制設(shè)備?？刂泼姘宓氖着_自動注入和保護(hù)、微型反應(yīng)與自投設(shè)備代替了電抗器的溫度、直流信號的控制：拆掉原來的微機(jī)保護(hù)測控設(shè)備，并相應(yīng)地加裝新的設(shè)備，設(shè)置工廠電度表并安裝在相應(yīng)的控制柜內(nèi)，以保護(hù)設(shè)備的電源。經(jīng)過系統(tǒng)的升級改造，原始控制臺和屏幕顯示基本已經(jīng)消除，更換成計(jì)算機(jī)工作站和18面微機(jī)監(jiān)測控制屏幕。此外，全面的考慮電氣操作人員的工作習(xí)慣，使用人工操作參數(shù)，完善電氣設(shè)備管理，將事故率和故障率降到最小化，系統(tǒng)的安全作業(yè)和自動化作業(yè)水平明顯提升。此外，通過合理規(guī)劃安排，擴(kuò)大了主控室的控制范圍，使工廠的管理更加科學(xué)，提高了管理效率。模擬值的智能實(shí)時(shí)監(jiān)控和設(shè)備的切換狀態(tài)當(dāng)出現(xiàn)異常狀態(tài)消息時(shí)，可以通過報(bào)警功能發(fā)送報(bào)警消息。一旦發(fā)現(xiàn)故障，可以通過記錄分析工具分析數(shù)據(jù)文件，恢復(fù)故障并重現(xiàn)故障狀況，以便工作人員可以通過記錄結(jié)構(gòu)分析故障原因，并確保及時(shí)處理故障問題。利用人工智能技術(shù)對工廠的電子自動化進(jìn)行智能控制，為工廠的安全生產(chǎn)提供可靠保障。（三）人工智能在發(fā)電廠機(jī)組中的應(yīng)用對發(fā)電廠機(jī)組進(jìn)行的改造，上海新華動力控制工程有限公司生產(chǎn)的DCS熱控系統(tǒng)，采用河北省電力試驗(yàn)研究所研發(fā)的自動控制設(shè)備進(jìn)行模糊控制。原始控制系統(tǒng)以汽溫控制系統(tǒng)為例，在圖5-1中可以看到。該系統(tǒng)采用了串聯(lián)PID控制，以噴淋之前的溫度為主要PID，以噴射后的溫度為副穩(wěn)壓器的的輸出為基準(zhǔn)，以控制副穩(wěn)壓器的輸出。這種調(diào)節(jié)方法有很大的缺陷：圖5-1原主汽溫控制系統(tǒng)結(jié)構(gòu)圖（1）控制系統(tǒng)參數(shù)不易調(diào)整，無法根據(jù)負(fù)載的變化調(diào)整，負(fù)載變化時(shí)整體的測量質(zhì)量下降。（2）串級控制系統(tǒng)的主要缺點(diǎn)是由于積分飽和使系統(tǒng)控制量一直增大，從而導(dǎo)致誤差變大，并且自調(diào)節(jié)反應(yīng)緩慢：當(dāng)參數(shù)改變時(shí)，系統(tǒng)的穩(wěn)態(tài)調(diào)節(jié)質(zhì)量下降。（3）常規(guī)PID，以調(diào)節(jié)器中存在著比例效應(yīng)、積分效應(yīng)、差動效應(yīng)等效應(yīng)，容易相互干擾。設(shè)備經(jīng)過改造后，在初始調(diào)試期間采用了原機(jī)組的單元控制策略，即PID串級控制方案，運(yùn)行時(shí)間超過一個(gè)月，調(diào)節(jié)質(zhì)量與原機(jī)組的調(diào)節(jié)質(zhì)量大致相同。最后，提出了一種基于模糊控制的方法。在圖5-2中，采用了模糊調(diào)整與常規(guī)PID調(diào)整相結(jié)合的方法，表示為主汽溫度設(shè)定值與主汽溫度偏差值，得出差值e，即獲得間隙的變化率。圖5-2模糊控制系統(tǒng)原理框圖模糊化偏差變化率等準(zhǔn)確量，進(jìn)行模糊搜索，通過場獲取模糊輸出的范圍，然后準(zhǔn)確地定量模糊輸出，作為PID控制器的誤差輸入。在PID輸出中，噴后溫度是預(yù)加的信號。通過仿真和試驗(yàn)，確定各工藝參數(shù)后，可用于主蒸汽溫度、中間蒸汽溫度、再熱蒸汽溫度。仿真表明，在目標(biāo)模型結(jié)構(gòu)明顯改變的情況下，模糊控制的性能優(yōu)于PID控制。根據(jù)實(shí)際運(yùn)行狀況，其控制效果明顯優(yōu)于原PID控制。以主汽溫度調(diào)節(jié)系統(tǒng)為例，采用串聯(lián)PID控制器，其穩(wěn)態(tài)精度可達(dá)±3℃，負(fù)荷變動可達(dá)±6℃，并且很容易因?yàn)榉e分飽和增大誤差;改造后，穩(wěn)態(tài)精度±1.5°C，負(fù)載變化時(shí)±4°C。該系統(tǒng)還對外部干擾具有強(qiáng)烈的抑制作用，確保在啟動和停止磨煤機(jī)時(shí)，主汽溫不會出現(xiàn)超溫現(xiàn)象。由于處在測試階段，對其性能無法完全掌握，參數(shù)的微調(diào)不準(zhǔn)確，所以汽溫的穩(wěn)態(tài)出現(xiàn)不穩(wěn)定情況，需進(jìn)一步調(diào)整參數(shù)。熱控系統(tǒng)的改造，只是更換原設(shè)備，它就不會產(chǎn)生非常大的改造效果，主汽溫采用先進(jìn)的控制系統(tǒng)，由于控制精度的提高，主蒸汽的溫度增加，降低超溫現(xiàn)象的出現(xiàn)幾率，減少了煤耗，增加了機(jī)組的經(jīng)濟(jì)效益，保證了機(jī)組的安全運(yùn)轉(zhuǎn)。（四）人工智能在電氣設(shè)備控制中的應(yīng)用將人工智能技術(shù)運(yùn)用到電力系統(tǒng)的控制中，能夠極大地改善電力系統(tǒng)的自動控制性能，從而大大地提高了電力系統(tǒng)的運(yùn)行效率。隨著科技自動化技術(shù)的發(fā)展，企業(yè)的運(yùn)營費(fèi)用大大減少，神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、模糊控制等都被廣泛地運(yùn)用到電子控制系統(tǒng)的設(shè)計(jì)中。模糊控制是以模糊語言變量和證明為基礎(chǔ)的，以專家的經(jīng)驗(yàn)為基礎(chǔ)，以被控對象為模糊模型，以模糊控制器為控制對象。在圖5-3中顯示了該系統(tǒng)的架構(gòu)?；谀：壿嬕?guī)則，使用計(jì)算機(jī)控制系統(tǒng)創(chuàng)建具有閉合反饋通道結(jié)構(gòu)的數(shù)字控制系統(tǒng)。在生產(chǎn)和日常生活中使用電氣設(shè)備由于其繁重且復(fù)雜的特性，而容易增加控制的時(shí)間成本，這影響了實(shí)際的操作效率。通過有意義地應(yīng)用人工智能技術(shù)，這個(gè)問題可以有效避免如下：首先，基本的人工智能算法用于自動控制電子設(shè)備產(chǎn)生的信息自動控制效果，同時(shí)，簡化設(shè)備控制和改進(jìn)設(shè)備