智能技术在电力系统自动化中的应用

卓冰洋

摘 要：电能是人们生产生活中用途最广泛的能源之一。近年来，我国在电力系統建设及管理方面不断增加投入，较好地满足了人们生产生活对电能的需求，尤其是智能技术在电力系统中的应用，进一步提高了电力系统的管理质量与效率，保证了电力系统工作的稳定性。本文探讨神经网络技术、遗传算法及其在电力系统自动化中的应用，以供参考。

关键词：电力系统;智能技术;人工神经网络;遗传算法

中图分类号：TM76 文献标识码：A 文章编号：1003-5168（2021）26-0016-03

Application of Intelligent Technology in Power System Automation

ZHUO Bingyang

（Fujian Runxiu Electric Power Development Co.， Ltd.，  Putian Fujian 351100）

Abstract： Electric energy is one of the most widely used energy in people's production and life. In recent years， China has continuously increased investment in power system construction and management， which better meets people's demand for electric energy in production and life. In particular， the application of intelligent technology in power system further improves the management quality and efficiency of power system and ensures the stability of power system work. This paper discussed neural network technology， genetic algorithm and their application in power system automation for reference.

Keywords： power system;intelligent technology;artificial neural network;genetic algorithm

电力系统是由发电厂、送变电线路、供配电所和用电端等环节组成的电能生产与消费系统。电力系统结构复杂，覆盖范围广。电力系统在运行中可能会出现各种类型的故障，因此工作人员要及时发现和解决这些故障，保证电能供应质量，满足智能技术的应用需求。

1 智能技术的类型

电力系统自动化过程中应用的智能技术主要有人工神经网络技术和遗传算法。

1.1 人工神经网络技术

人工神经网络技术以数学模型模拟神经元活动，是模仿大脑神经网络结构和功能而建立的一种信息处理系统[1]。人工神经网络技术具有诸多优点。其一，高度的并行性。人工神经网络中的每一个神经元都能接受其他神经元数据的输入，在并行网络支撑下产生不同的输出，对其他神经元造成影响。其二，良好的容错性与联想记忆功能。人工神经网络可记忆相关信息，并运用分布式的存储方式将信息存储在神经元中，使其具备一定的容错性[2]，同时具备模式联想和模式分类功能。其三，较强的自适应以及自学习功能。通过对人工神经网络的训练，可使其学习网络的结构与权值，从而更好地适应环境[3]。人工神经网络主要包括前向神经网络、反馈神经网络及BP（Back Propagation）神经网络。其中，BP神经网络是应用最广泛的信息网络。例如，在数据压缩、模式识别以及函数逼近等方面都能看到BP神经网络的身影。

BP神经网络的学习过程由信号的正向传播与误差的反向传播两个过程组成。从输入层将样本输入，经各层处理后在输出层输出处理结果。若实际输出和希望输出存在较大误差，便进行误差的反向传播。在传播过程中，所有单元会将误差进行分摊，获取各种单元的误差信号，然后对各单元的权值进行适当调整与修正，如此反复调整权值，直到输出结果与预期结果的误差达到可接受的水平[4]。

1.2 遗传算法

遗传算法是一种通过模拟自然进化过程搜索最优解的方法。该算法为全局多点随机搜索算法，不依赖被优化对象数据模型，因此其在各种复杂的优化中有着广泛的应用[5]。该算法具备以下优点：在搜索一个种群数目的点时按照并行方式进行，搜索过程中只需要给出目标函数及适应度函数，并不需要其他知识来辅助;确定的问题经过该算法处理后，可以形成很多潜在解，使用者可以根据实际情况加以选择和确定[6]。遗传算法的工作流程为：初始种群→选择、复制→交叉→变异。

2 智能技术在电力系统自动化中应用的原则

2.1 安全性原则

电力系统为千家万户提供电力能源，保证生产活动的顺利开展，为人们生活提供保障。安全性原则是智能技术应用的基本原则，包括用户用电安全、应用过程安全以及工作人员自身安全等。

2.2 科学性原则

随着社会经济的发展，科学技术水平不断提升，电网规模不断扩大，传统的电力技术难以满足现代化用电需求。现阶段，电力系统自动化运行具有严格要求，需要应用更加先进和专业的智能技术，保证电力系统的正常运行，保证电网更加高效、稳定地运行。

2.3 规范性原则

在智能技术应用过程中，应严格遵循国家电网公司的要求和规定，同时结合电力系统的实际情况，更好地利用智能技术，如构建智能电力通信信息系统，做好智能电力通信信息系统的维护工作[7]。

3 智能技术在电力系统自动化中的应用

3.1 人工神经网络在电力负荷预测中的应用

3.1.1 背景分析。为了掌握电力系统负荷变化规律，采取合理的电能调度措施，满足人们生产生活对电能的需求。研究者收集了某城市2021年7月20—30日的用电负荷数据和7月21—31日的气象信息，运用神经网络技术对7月31日的用电负荷情况进行预测。

3.1.2 样本处理。在进行预测之前，每隔2 h测量、采集前一天的用电负荷数据，形成12组电力负荷数据，将其作为人工神经网络处理的样本。同时，考虑到用电负荷受天气、温度影响较大，在处理过程中将天气与气温考虑在内。另外，通过天气预报掌握7月31日的天气、温度，将雨天、阴天、晴天用1、0.5、0进行表示，并输入到人工神经网络中。要解决的问题是预测7月31日12组负荷值。同时，考虑到数据类型、数据单位可能给人工神经网络运算效率带来的不良影响，在运算前使用归一化函数对相关数据进行规划处理，确保数据落在一定范围内[8]。

3.1.3 网络结构的确定。基于对数据的分析，确定图1所示的人工网络结构。

人工神经网络的实现函数为：

net=newff（minmax（P），[10，12]，{‘tansig’，“logsig”}，‘trainlm’）                                                                         （1）

式中：“10”表示网络隐含层的数目;“12”表示输出层神经元数目;“tansig”和“logsig”均是传递函数，前者表示正切S函数，后者为对数S函数;“net”是用于存储返回的神经网络。

3.1.4 神经网络的训练。上述确定的神经网络均还未进行训练。训练之前要设置训练参数，保证训练工作顺利完成。训练中需要设置的参数主要有每一次显示的代数、训练速率、动量因子、训练的代数以及目标误差等。其中，可将每一次显示的代数设置为10，训练速率设置为0.05，动量因子设置为0.09，训练的代数设置为100 000，训练的目标误差设置为0.01。完成参数的设置后可使用train函数对确定的网络结构及神经网络进行训练。

net=train（net，P，T）                          （2）

式中：左邊的“net”表示训练的网络;右边的“net”表示训练后网络的存储位置;P、T分别表示训练样本的输入矢量和输出矢量。

3.1.5 应用结果与误差分析。使用人工神经网络对7月31日每隔2 h的用电负荷数据进行预测，结果如表1所示。

运用人工神经网络对7月31日的用电负荷情况进行预测，并认真对比了7月31日实际用电负荷情况，计算出绝对误差为0.03%，表明运用人工神经网络预测电力负荷情况较为可行。另外，在实际应用过程中，为进一步提高预测的准确性，可考虑相关影响因素，进一步扩大训练样本容量。

3.2 遗传算法在PID控制参数优化中的应用

PID（Proportional-Integral-Derivative）控制是电力系统中一种常见的控制系统类型。为保证电力系统中各元件最优化运行，应注重运用智能技术对PID控制参数进行优化。将遗传算法用于PID控制参数优化主要包括如下环节：初始参数设置、初始化种群、解码、选择适应度、复制、交叉和变异、设置停止条件[9]。优化过程中需要认真研究控制系统的相关参数，主要有K、K、K及遗传算法中的变异率、交叉率、染色体长度、种群规模等[10]。种群进行初始化时使用二进制对优化参数进行编码，而后使用专门的初始化程序完成初始化工作。将每个参数对应的二进制位数均匀地截开，在认真考虑每个参数搜索范围的基础上完成解码。利用遗传算法进行搜索时主要依据适应度函数，而适应度函数由目标函数转化而来[11]。应用的过程中注意适应度应为正数，而且值越大表明其性能越好。同时，认真分析适应度函数中的各个参数，明确各参数表示的含义，必要时要对代入的参数进行预处理。为将上一代最好的结果保留下来，控制好使染色体不参加交叉和变异的百分率，使其直接进入下一代种群中。复制的方法可通过如下函数实现：

SelCH=select（‘rws’，Chrom，FitnV GGAP）        （3）

式中：“rws”表示选择法的名称，即轮盘赌选择法;“Chrom”表示种群名称;“FitnV”表示适应度;GGAP为代沟系数。交叉操作时随机选取个体的编码位数，依据交叉概率选择进行交叉的个体，实现编码的两两互换，从而产生新的个体[12]。设置停止条件有以下两个思路：一是将性能指标达标作为停止的依据，停止操作后将最优结果输出;二是设置繁殖代数，达到设置的繁殖代数后停止运算，输出寻优结果[13]。将结果与PID控制系统无缝对接，实现对PID控制参数的优化，可进一步提高PID控制质量。

4 结语

在科技发展的推动下，越来越多的新技术被用于电力系统，较好地提升了电力系统的管理与控制水平。其中，智能技术在电力系统自动化中的应用不仅降低了电力系统的运维成本，而且大大提高了管理与控制质量，因此应做好智能技术研究工作，把握相关理论，继续寻找智能技术与电力系统自动化的最佳契合点，在把握智能技术相关应用原则的基础上，结合电力系统工作管理与控制工作特点，合理部署应用工作，制订科学合理的应用方案。

参考文献：

[1]王飞鸣.电力系统自动化中智能技术的应用[J].微型电脑应用，2021（3）：131-133.

[2]王理想.电力系统自动化智能技术在电力系统中的应用分析[J].大众标准化，2021（5）：57-59.

[3]付俊峰.电力系统自动化中智能技术的应用分析[J].科技资讯，2021（2）：56-58.

[4]庄铭文.电力系统自动化中智能技术的实践探析[J].无线互联科技，2020（24）：77-78.

[5]吴永华.智能技术在电力系统自动化中的应用[J].电子技术，2020（12）：120-121.

[6]王文飞.论电力系统自动化智能技术在电力系统中的应用[J].中国设备工程，2020（21）：33-35.

[7]韦斌，余梦泽，王向兵.电力系统自动化中人工智能的应用[J].电子元器件与信息技术，2020（8）：122-123.

[8]钱建煜，肖继忠.智能技术在电力自动化中的应用研究[J].信息通信，2020（8）：111-112.

[9]刘波.智能技术在电力自动化中的应用研究[J].现代工业经济和信息化，2020（6）：81-82.

[10]杨文琛.电力系统自动化与智能电网的应用探讨[J].通信电源技术，2020（12）：165-167.

[11]刘爽.智能技术在电力自动化中的应用研究[J].工程建设与设计，2020（6）：277-278.

[12]刘伟.探析电力系统自动化中智能技术的应用[J].科技风，2020（7）：191.

[13]张城阳，张军强，张震亚.基于智能技术的电力系统自动化设计[J].科技创新导报，2020（7）：1.

1511501186256