人工智能技术在电力设备运维检修中的研究及应用

陈顺平

摘要：进入新时代，我国社会高速发展，带动了我国电力行业的进步，长期以来我国电力产业的发展一直以大规模电网、大功率发电为主要方向，但电力产业在不断地发展中逐步呈现出作业环境与设备零部件复杂的趋向，为此，文章提出了一种基于人工智能技术的电力设备安全管理平台。通过协调电力设备资源模块，连接电力设备安全管理平台通信网络，以此规范通信网络时序，建立完善的电力设备安全管理平台运行环境。并根据平台运行中参数发生的变化，计算在安全运行范围内平台可统计的电力设备种类数据，同时利用平台提供用户的人工服务功能，将获取的实时电力设备数据进行在线智能检索，完成电力设备资源整合管理。为了验证设计平台的有效性，提出对比实验，以平台响应时间作为衡量的标准，得出设计平台具有更高运行效率的结论。

关键词：人工智能技术;电力设备;运维检修

引言

人们长期以来一直梦想着有可以取代人们工作的机器。但是，在电子计算机出现之前，人工智能仍然是无法实现的幻想。随着计算机技术的成熟，人工智能也逐渐成为现实，人工智能实际上是在计算机上实现的人类智能的功能，或者模仿人类智能的功能。目前，人工智能在电力系统的研究的主要内容是分布式人工智能和专家系统，遗传进化计算，模糊控制等，广泛应用于电力系统的各个领域。

1现阶段状态检修的开展情况和存在的问题

在电力设备进行检修工作之前，技术人员需要从电力设备的运行状态进行分析，以便更好地掌握电力设备的运行状态，建立科学合理的维修策略。与此同时，维修人员还需要根据经验去对设备寿命进行评估，以便电力设备采购工作的开展，在一定程度上可以帮助供电企业节约人力和物力。目前，供电企业状态检修开展，都是上级传达给下级，通过这样的行政手段进行任务下达，并没有成立相应的电力设备维修小组，并且整个传达过程也比较形式化。当前，国家电网的电力设备维修正在从计划检修往状态检修过渡。但是根据调查，大多数都没有实现电力设备状态检修，依然还在使用传统的定期维修方式，使得状态维修的优势不能发挥出来。

2人工智能技术在电力设备运维检修中的应用

2.1人工神经网络诊断

人工神经网络是基于系统的复杂程度，模仿动物的神经网络，对其内部的大量神经节点进行处理调节，从而得到处理信息的有效途径。电力设备内部系统是极其复杂的，因而在对其进行故障诊断以及检测设备自身的一些性能情况时，也可以使用人工神经网络进行处理，将该算法结合于智能机器人中，可以采取云数据的处理方法进而对电力设备进行故障诊断。人工神经网络由于其自身的特殊性，在应用于电力设备也具有十分高的准确性和稳定性，在具体应用过程中，能够保持受到外界影响最小化。并且人工神经网络本身可以对设备内部进行精准的建模，以及较高的认知功能，因而保障了诊断以及后续的解决能够达到一个极其高的效率。也正是因为以上种种原因，该诊断方式近些年得到更深入的研究以及广泛地应用。

2.2智能网络调度

在电力系统领域，人工智能技术的应用可以创建智能电网调度系统，实现了源网络各种负荷因子的全局协调，达到了准确调度和快速调度的目的。当前，相对复杂的交直流电力系统的快速发展以及新电力的广泛使用对电力系统的运行和管理提出了重大挑战，要求电力系统更快，更智能。通过对电力系统运行机制的深入分析，对控制规则的独立理解和研究以及快速的故障处理等，深度学习技术等人工智能技术被用于构建智能电网调度系统。可以分析电力系统的暂态和稳态运行，可以自动确定系统不稳定的机理，并提出稳定状态调整计划。该系统可以深入研究计划规则的文本，深入研究管理行为的模式，并自动生成信息任务以进行系统管理。此外，它还可以执行在线分析，研究和评估大型电网的未来趋势，监控风险和预警，有效地评估和排除网络故障，恢复电力拓扑并在其中发挥积极作用，确保安全稳定的电力系统。

2.3人工智能技术在电力控制方面的应用

人工智能技术在电力控制工作中发挥着重要的作用。如何运用人工智能技术来对电力进行控制已成为电力行业发展的主要问题，同时也引起了很多技术人员的高度关注。在实际操作中，电力系统比较复杂，经常会出现设备故障，给电力系统的稳定性带来一定的威胁。因此，电力企业需要采用人工智能技术，改善电力自动化运行当中出现的问题。与此同时，技术人员还可以利用人工智能技术提高电力设备的工作效率，降低电力设备故障的发生频率。现如今，我国很多电力企业都越来越重视人工智能技术。同时，企业计算机系统还应该运用人工智能技术，这样可以在第一时间内找到电力相关数据，对电力系统进行实时监控。

2.4遗传算法诊断

遗传算法与人工神经网络算法的来源具有某种程度上的相似性，其根源都来自对生物进行解析从而产生的算法，不同的是人工神经网络基于动物神经网络节点，而遗传算法则是模仿生物进化概率，从而得到一种最优化的决策方案。遗传算法在对电力设備进行诊断的过程中，其处理方法与前面三种拥有很大的差别，其中最为明显地便是其不需要使用庞大的数据库进行问题比对、数据分析等等，只需要按照函数关系对于庞大的数据信息逐次检索，从而找到最优化的方案。就其本质而言，遗传算法诊断是一种概率算法，应用于智能机器人，则可以在云数据库中自行检验，从最优化的方向出发，从而得出局部或全部优化的有效结果，其最大的优势在于运算简便。

结语

当下电力安装工程规模的不断扩大，行业中涉及的电力设备种类逐步增多，因此相关设备的安全管理平台建设受到了市场的重点关注。尽管本文在研究中已经对设计的管理平台进行了实验论证，但目前平台仍存在一些缺陷尚未得到完全解决，还不能投入市场应用。在后期的研究中，可在平台上增设安全监督模块，采用多维度的安全监测，最大程度降低管理中潜在的风险，进而起到提升电力工程质量、确保电力持续供给的作用。

参考文献

[1]王世宏.人工智能技术在电力设备运维检修中的研究及应用[J].轻松学电脑，2019（30）：1.

[2]王刘旺，周自强，林龙，等.人工智能在变电站运维管理中的应用综述[J].高电压技术，2020，46（1）：1-13.

[3]安灵旭，唐其筠，李中成，等.人工智能在配电网运维中的应用研究电气技术，2019（10）：103-106.

[4]田秀梅 人工智能在电力系统故障诊断中的应用[J]电子技术，2018，38（01）：31-32.

蓉中电气股份有限公司 福建泉州 362321