隨著電網的發展和電力走向市場，人們對電網安全運行和供電可靠性的要求越來越高。 電力系統發生故障時，安排人員要求迅速準確地判斷故障因素和故障性質，及時處理故障，恢復電力系統的正常運行。 配電系統是電力系統中電廠與用電者之間電力輸送和電力分配的中間環節，包括各電壓級配電系統和變電站。 其故障是不可避免的，但電力系統規模的擴大和各種監控設備的應用使得配電網絡的故障診斷十分重要。 其可靠性指標是影響電力系統整體可靠性的重要因素，其可靠性的改善給電力系統整體的安全、可靠性和經濟運行帶來了巨大的利益。 因此，研究人員致力于發展先進、準確的自動故障診斷系統。 配電網絡故障診斷主要分析各級保護裝置發生的報警信息、斷路器狀態變化信息以及電壓電流等電量測量特點，根據保護動作邏輯和駕駛員經驗推斷可能的故障位置和故障類型。 由于這一過程用傳統的數學方法難以描述，人工智能技術擅長模擬人處理問題的過程，人的經驗和有一定的學習能力等特點在此領域得到廣泛應用。 通過對網絡缺陷判斷認知過程的分析，應用綜合知識診斷、模糊理論和神經網絡等人工智能技術的zui新成果，開發綜合自動邏輯分析判斷系統，分析缺陷，提供監測處理意見，使檢修人員對問題的認識更為全面、有效和準確。 本文在簡要介紹專家系統( ES )、人工神經網絡( ANN )、模糊理論( FZ )、遺傳算法( GA )等人工智能技術的基本概念的基礎上，通過單一智能方法、綜合智能方法的應用，評價了文獻中提出的相應配電網絡故障診斷方法 1單一智能方法1.1專家系統專家系統是人工智能應用研究zui的活躍和zui的廣泛課題之一，它是一個智能計算機程序系統，內部具有很多專家級領域知識和經驗，應用人工智能技術， 根據某一領域的一個或多個人類專家提供的知識和經驗進行推理和判斷，應用模擬人類專家決策過程的專家必須決定的復雜問題和兩種不同的神經網絡模型來解決故障診斷問題。 文獻[10]基于三層前饋神經網絡，用全局逼近的BP學習算法完成故障定位。 文獻[11]利用局部近似徑向基函數神經網絡實現故障定位。 文獻[14]以線路三相電流、三相電壓和零相電流的頻譜密度為輸入，以故障類型為輸出，分別比較了多層前饋網絡和Kohonen網絡在故障類型識別中的應用。 文獻[15]提出了受限脈沖對應( finiteimpulseresponse)ANN結構的單相變壓器與三相變壓器的差動保護，該ANN模型適合處理瞬時信號，研究了三種結構:檢測用于檢測單相變壓器內部故障的第二類三相變壓器內部故障 必須指出，神經網絡的方法有助于克服專家系統獲取知識的瓶頸、基于知識的維護困難等問題，但不適合處理啟發性知識。 另外，由于ANN技術本身不夠，學習速度慢，訓練時間長，說明功能弱，影響著神經網絡的實用化。 同時，如何設計適用于大規模輸電網絡的ANN故障診斷系統仍然是一個值得探討的問題。 ANN一直是一個活躍的研究領域，在開發ANN的故障診斷系統時，充分考慮了應對上述問題。 文獻[16]劃分了大型輸電網絡，針對各地區建立了基于BP算法的故障診斷網絡，然后綜合這些分布式神經網絡的結果得出了zui終局的故障診斷結論。 文獻[17]提出了一種新的方法，當網絡模型在故障診斷中輸入樣本影響診斷結果的精度時，除了現有的神經網絡輸入節點外，還增加了特征輸入節點，反映了樣本數據大小的特征量，并將其應用于功率變壓器，提高了故障診斷的精度。 文獻[18]在分析BP算法的缺點的基礎上，提出簡化訓練過程，加快網絡收斂和診斷推理速度，提高故障識別率，實現故障自動診斷和智能綜合保護。 文獻[16~18]表明，神經網絡結構和算法的改進可以在一定程度上提高故障診斷的有效性。 專家系統的方法和神經網絡的方法可以在很多方面協調工作，如何取得長補充，使神經網絡技術和故障診斷專家系統一體化，彌補診斷的不足，提供新的診斷技術和方法，具有很大的潛力和廣闊的前景 1.3模糊理論在故障診斷中故障與征兆的關系模糊，這種模糊性從故障與征兆關系的不確定性，以及故障與征兆概念描述上的不確定性來看，診斷結果也必然是模糊的，解決模糊診斷問題的傳統方法一般是根據專家的經驗在故障征兆空間與故障原因空間之間進行模糊的 一般方法是將基于每個模糊推理規則的模糊關系矩陣組合或求和。 隨著模糊理論的發展和完善，模糊理論的一些優點逐漸受到重視，例如模糊理論可以適應不確定性問題，其模糊知識庫使用語言變量來表達專家的經驗，接近人的表達習慣的模糊理論可以得到問題的多種可能解決方案，這些方案的模糊度的高低 目前模糊理論已引入配電網絡故障診斷領域。 輸電網絡故障診斷的不確定因素，對于要求嚴格匹配的專家系統來說，容易導致錯誤的結果。 在專家系統中嵌入模糊理論后，從推理變為近似推理，專家系統的容錯性得到了相當強化。 文獻[19]應用多目標模糊決策方法進行故障測距和故障類型辨識，并進行現場測試。 文獻[20]研究了在配電網絡中，在大體了解各設備運行情況時，如何確定適當的維護水平，使運行安全與維護成本并存。 首先用模糊集合方法描述設備運行情況，然后構建了確定適當維護水平的模糊現行計劃模型。 由于一般模糊系統采用與專家系統類似的結構，也存在專家系統的固有缺點: (1)模糊系統在推理時搜索知識庫中的一定規則集以得出診斷結論，因此系統越大完成診斷的速度也越慢。 (2)輸電網絡結構和自動裝置配置發生變化時，模糊系統知識庫和相關規則的模糊度也必須相應修正，即模糊系統也存在維護問題。 (3)模糊系統也沒有學習能力。 也就是說，結合模糊理論和其他人工智能技術構成的診斷系統能夠增強處理不確定性的能力，在一定程度上提高診斷的精度，但不能完全消除專家系統固有的缺點。 1.4遺傳算法是一種基于自然選擇和遺傳機制，在計算機上模擬生物進化機制的優良搜索算法。 在復雜、巨大的搜索空間中能夠進行自適應搜索，能夠找到zui優先級或準zui優先級解，且算法簡單、適用性強、魯棒。 遺傳算法在求解問題上幾乎沒有限制，并且與求解常規優化問題的復雜數學過程無關，可以得到總zui優先解或局部zui優先解集，這優于傳統優化技術。 文獻[21~23]試圖用遺傳算法解決輸電網絡故障診斷問題。 建立了基于報警信息估計故障點的數學模型，從診斷結果能夠盡可能解釋所有報警信息的觀點出發，給出了故障診斷問題的適應度函數，將輸電網絡的故障診斷問題轉換為0~1整數規劃問題。 在此基礎上，文獻[21]分別用簡單的遺傳算法和改進的遺傳算法實現故障診斷系統，調整交叉和變異算子的改進遺傳算法故障診斷效果理想。 文獻[24]采用[21]提出的故障診斷數學模型，設計了基于進化規劃方法的故障診斷系統. 進化規劃方法與遺傳算法的區別在于，由于進化規劃的編碼方式不限于二進制編碼，編碼方式比較靈活，而且進化規劃僅使用變異算子和競爭機制產生下一代。 個體數少的情況下計算效率高。 遺傳算法基本上可以從優化的角度解決故障診斷問題，尤其是在存在恢復故障、保護或斷路器誤操作的情況下，可以給出許多全局zui優先級或局部zui優先級的可能診斷結果。 但是，如何構建合理的輸電網絡故障診斷模型是運用遺傳算法的主要“ 瓶頸” 的雙曲馀弦值。 建立合理的數學模型，不僅可以用遺傳算法解決故障診斷問題，還可以用其他類似的啟發式優化算法解決故障診斷問題。 不同交叉點和變異算法的應用比較表明，不同交叉點和變異算子對結果的影響相對較大，還需要進一步研究如何確定zui優先級的交叉點和變異算子及其相應參數。 兩種智能方法綜合以上的各種智能診斷方法可以用不同的方法解決故障診斷問題，但同時也存在缺陷。 為了構建性能良好的應用智能系統，需要綜合應用ES、NN、GA、FZ這一技術。 集成的基本思路是根據解決的問題需要將系統分為若干模塊，各模塊采用ES、NN、GA、FZ技術實現，以某種方式集成形成主體系統結構，采用連接、嵌入或轉換模塊的方法來補充長短，功能完善的應用 例如，人工神經網絡和模糊理論可以用兩種方式組合，即首先使神經網絡的輸入模糊，進而所得輸出也是模糊數。 第二種方式是根據神經網絡的特點設計的。 人工神經網絡的輸出本身是0~1小時的書，所以神經網絡的輸出作為模糊系統的輸入，可以用模糊系統解釋神經網絡的輸出。 zui蕞終為駕駛員提供語言結論，方便駕駛員理解。 這在某種程度上彌補了神經網絡不具備解釋能力的弱點。 文獻[25]開發了電力系統故障診斷的模糊專家系統，在可行性診斷理論的基礎上，著重于保護和斷路器的誤動作和拒絕、通信問題引起的信息錯誤等不確定性問題。 該方法還能夠相對容易地處理多個故障情形。 同時對故障診斷中處理的不確定性進行了比較分析。 文獻[26]應用改進的TS方法和專家系統實現配電系統zui優良的網絡重建，優化目標為損耗zui小和電壓質量zui高，同時保證充分的供電可靠性。 供電可靠性指標是通過重構網絡結構是否能夠在預期事故情況下恢復用戶供電來測量的。 改進的TS方法現在允許用戶在搜索過程中自動調整參數，而無需經驗指定參數。 結合文獻[27]和ANN實現基于變電站故障診斷的分層分布時故障診斷系統. 基于文獻[28]模糊理論和神經網絡理論，基于特征氣體法和改進IEC三比法，建立了模糊神經網絡的變壓器故障診斷模型. 該模型能有效處理故障診斷中的不確定因素，具有較強的知識獲取能力。 文獻[29]從基于人的思維發展模型的角度，融合設備故障診斷的ES和ANN模型，構建了電力變壓器故障診斷分析系統。 綜上所述，結合不同的人工智能技術，分析不確定因素對智能診斷系統的影響，提高診斷精度是未來智能診斷的發展方向。 3其他方法隨著人工智能技術的發展，新方法也陸續出現，擴大了其應用范圍，為故障診斷領域注入了新的活力。 文獻[30]利用小波變換分析了故障后的瞬態現象，可快速識別故障類型，用于快速保護。 文獻[31]提出用小波變換和ANN檢測變壓器故障。 首先用EMTP程序生成變壓器的正常運行和故障時的信號(主要是電流信號)，然后用小波變換處理提取特征量，在zui后用ANN進行訓練和推定。 應用小波變換提取重要特征量，簡化了ANN的結構，提高了訓練速度。 輸電網絡的各類、各種保護系統對故障作出反應、選擇性切除故障的過程是系統同時發生或依次發生的活動范疇，應用于Petri網絡進行描述。 文獻[31]以輸電網中的元件為單位，首先研究故障消除過程的Petri網模型，然后相反求出故障診斷的Petri網模型，并將其結合起來形成了整個輸電網的Petri網故障診斷系統。 系統總體物理概念明確，易于實現，診斷速度快。 文獻[32]還分析了保護、斷路器誤操作對Petri網絡模型的影響，提供了識別保護和斷路器誤操作的模板。 近年來，分析電網故障診斷問題，從模擬保護系統的工作邏輯來解決也是趨勢。 除了上述方法以外，還有基于邏輯包含式的方法、基于外展邏輯的方法等基于邏輯的方法。 4結語本文介紹了近年來專家系統、人工神經網絡、模糊理論等人工智能技術在輸電網絡故障診斷中的應用，分析了其優缺點。 其中，單一智能技術故障診斷難以滿足復雜輸電網絡診斷的所有任務要求。 因此，多種不同智能技術相結合的混合診斷系統是智能故障診斷研究的發展趨勢。 主要耦合技術包括基于規則的專家系統與ANN耦合、模糊邏輯、ANN與專家系統耦合等。 其中模糊邏輯、ANN與專家系統相結合的診斷模型zui有發展前景也是當前人工智能領域的研究熱點之一。 許多問題，例如模糊邏輯與神經網絡的組合機制、組合實現算法，都值得深入研究如何使智能系統具有ANN的學習能力、靈活的知識表示能力和嚴格的邏輯性。 總之，綜合現有人工智能技術，避開長距離探索新的診斷技術和理論方法，研制完善的智能配電網絡故障診斷系統是研究人員面前的重要課題，是今后發展的主要方向。

以上就是投入式液位計量表的特點及應用文章的全部內容