前言:本站为你精心整理了人工智能技术在电气工程自动化运用范文,希望能为你的创作提供参考价值,我们的客服老师可以帮助你提供个性化的参考范文,欢迎咨询。
摘要:分析人工智能技术发展情况及概念,全面综述人工智能技术在电气工程中的应用,指出人工智能技术在电气工程未来发展趋势。
关键词:人工智能技术;电气工程;机器学习;故障诊断电
气工程管理是一项非常复杂的管理系统,如需进行电气线路故障、电器设备故障分析,这种分析包括定位等信息。此外随着国民经济高速发展对用电需求不断增加,采用传统管理方式已无法满足社会用电需求,如何解决用电需求与用电管理是当前急需解决的问题。自上世纪50年代人工智能出现,加上各种算法、硬件出现更新,人工智能技术得到前所未有突破,已被广泛应用到医疗、航空等领域。由于电气工程包含的领域比较广,每个环节控制复杂,使用传统的管理方式已难以应付复杂的环境。目前国内外有大量学者进行人工智能技术在电气工程自动应用研究,并取得了阶段性成果。
1人工智能技术发展
人工智能起源于1956年达特茅思会议上图灵学者以Snare、LogicTheorist等算法为基础提出的概念。关于人工智能观念尚未形成统一的标准,目前主要以谷歌计算学者Peter定义的能够像人类一样思考、学习的行为。人工智能发展经历三个阶段:人工智能定义→人工智能第一次浪潮→人工智能第二次→人工智能第三次,第一次与第二次之间出现人工智能低谷、第二次与第三次之间出现人工智能低谷,人工智能第三次后出现了深度学习、机器学习等先进技术。人工智能是一门前言交叉学科,根据解决问题能力可将其划分为强人工智能、弱人工智能及超强人工智能三个层次。目前人工智能技术架构是由应用层、技术层、算法层、基础设施层组成,应用层主要包括金融、交通、游戏等领域应用;技术层包括图像技术、语音处理技术、决策规划技术、数据统计分析技术等;算法层主要包括机器学习、深度学习;基础设施层主要包括硬件层、分布式架构设计等。目前人工智能算法应用到电气工程自动化算法有神经网络算法、贝叶斯网络算法、支持向量机机器学习,这些算法能处理非线性复杂计算问题,能提高管理准确率。目前人工智能算法在处理电气故障机理时存在学习效果不佳问题。为此提出新的人工智能算法,主要包括迁移学习、强化学习等多种机器学习算法。目前新的人工智能技术主要以深度学习为代表,在电气工程中的应用主要表现为:现有的电气工程管理系统已为人工智能提供了数据源,可通过深入分析海量数据为电气工程管理提供更强的数据处理能力;现有电气管理采用分布式管理,可进行设备故障诊断、数据采集,使用新的人工智能方法能提高故障诊断质量;传统电气工程物理模型较复杂,导致分析结果误差大,使用新算法能提高算法准确率。
2人工智能技术在电气工程自动化应用
2.1人工智能技术在电力行业中应用。人工智能技术在电力行业中的应用主要表现为两个阶段:第一阶段主要是专家系统及人工神经网络系统的应用;第二阶段主要表现为人工智能技术应用。从上世纪80年代专家系统被广泛应用到电力行业中,主要考虑到静态和动态安全分析、电力警报处理、电力故障诊断、电力运行负荷处理、电力运行经济成本等研究。随着人工智能技术应用大量学者将人工智能技术应用到电力行业中,但大都以硬件和算法进行研究,对电力行业的发展没有起到实质推动作用。近年来随着人工智能技术不断发展,其应用到电力行业已进入第二阶段,除考虑到以往经济运行外还增加了多能源、多负荷等问题,让电力行业更智能。张若愚[1]针对当前电力系统暂稳态预测中存在运行方式、拓扑结构发生较大变化,导致预测模型的精度降低、急需新的算法解决该问题,提出一种基于卷积神经网络自适应算法,首先利用离线生成的大量暂稳样本训练最终得到训练模型,接着改进现有的生长方法,使用最小均衡样本集的变步长生长方法提高了算法运行效率,仿真结果表明所改进的算法能有效提高电力预测运行效率。范士雄[f21详细研究了人工智能技术在电网故障识别、电网负荷预测、电网智能决策应用场景,结果表明在电网故障预测中可使用卷积神经网络的深度学习方法进行电网故障诊断,可借助先进的二维图像表达方式进行数据处理;电网负荷预测是电力运行重要指标,影响电力负荷因素较多,目前尚未有准确的数学模型进行量化电力负荷运行。在电力负荷运行中可使用机器学习模型进行负荷预测,结果表明使用机器学习能提高预测准确率;目前电网决策中使用大量的调度人员进行调度管理,面对日益复杂的电网调度管理,调度人员已很难胜任该工作,使用自然语言处理能够提高电网智能辅助决策效率。为解决电网人工调度决策难得问题,孙宏斌[3]提出了电网调度运行“领域知识”模型,所设计的模型是由知识自动发现、管理以及在线应用功能组成,由图2可知电网调度系统是由关键断面自动发现、分布式大数据、分布式特征、调度规则管理构建调度规则知识图谱。
2.2人工智能技术在电力大数据研究中应用。电力自动化系统目前采用分布式管理方式,系统运行过程中会有大量数据产生,如何管理数据质量是当前急需解决问题。黄巨涛[4]针对电力系统中云存储问题提出了一种基于Docker技术+Kubernetes集群的人工智能数据训练仿真平台,所设计的平台使用MaxResourceUsagePriority优选算法提高了电力大数据资源利用率。唐文虎[5]详细研究了基于数据的新一代人工智能技术,针对当前电力设备数量量大、多元异构特点,提出使用数据驱动的人工智能技术在电力设备巡检、诊断以及预测中的应用,结果表明基于数据驱动的人工智能核心技术能深度挖掘海量数据中隐含的信息,为电力系统数据分析提供了新的思路。综上,人工智能技术在电气工程中应用已取得突破应用,目前应用主要体现在设备故障诊断中,使用人工智能技术降低了人工故障排除低效率问题,提高了故障诊断效率和质量。然而在电气工程应用中智能调度管理仍是当前急需解决的问题,未来利用人工智能技术进行电气工程调度控制将有新的突破。面对电气工程中海量数据如何存储、分析仍然需要改进,将人工智能技术应用到电气工程管理中是未来发展趋势。
参考文献
[1]张若愚,吴俊勇,等.基于迁移学习的电力系统暂态稳定自适应预测[J].电网技术,2020,6.
[2]范士雄,李立新,等.人工智能技术在电网调控中的应用研究[J].电网技术,2020,2.
[3]孙宏斌,黄天恩,等.面向调度决策的智能机器调度员研制与应用[J].电网技术,2020,1.
[4]黄巨涛,郑杰生,等.基于云平台的人工智能开源开发平台框架研究[J].自动化与仪器仪表,2020,7.
[5]唐文虎,牛哲文,等.数据驱动的人工智能技术在电力设备状态分析中的研究与应用[J].高电压技术,2020,9.
作者:宋姗菲 李志翔 单位:浙江雷博人团资源开发有限公司 国网衢州供电公司