-
早期关于电力配电网故障诊断的研究可追溯到上个世纪60年代左右，那时的人们曾经采用数学建模的方法来解决这一问题，但是由于电力系统故障形式多样而又具有不确定性，这个过程很难用建模的方法来描述，不仅如此，缺乏相应的计算方法也使得此方法行不通，因此，有关于此方面的研究便止步不前。知道到了七十年代末八十年代初期，伴随着人工智能技术这一新兴产业的蓬勃发展，这项新的技术也被人们开始尝试引入到电网故障的诊断中。这种新兴技术具有很好的模拟人类处理问题过程并继承人的经验，有学习能力，等等优点，故而被在此领域得到广泛应用。30189
- 上一篇：汽车制动能量回收系统国内外研究现状
- 下一篇：含大规模风电的鲁棒区间经济调度
目前，国内外根据人工智能技术而提出的应用于配电网故障针对领域的方法，可以总结归纳为：模糊理论法（Fuzzy theory）、人工神经网络法（Artificial neural network）、小波分析法(Stochastic Optimization)、Petri法、Agent技术等等。这些方法都有着自己的独到之处，也都有一些缺陷与不足。论文网
(1)专家系统（expect system）
作为发展最早，同时也是应用最广泛、最为活跃的方法之一，专家系统是一类较为成熟并且完善的人工智能技术。专家系统顾名思义，虽只是计算机的一种程序，但却可以仅仅依靠其所具有的相关知识和推理，就可以解决只有专家才可以解决的各种难题。它不光指局限于相关的理论知识，更与实际相结合，很好的吸收了书本中的相关知识，并应用于实际中，总结经验，利用相关的专家知识，从而求解问题。
虽说专家系统现在较为完善，可以有效的模拟各类故障中专家来完成的诊断，但其仍具有一定的缺陷，例如：①专家系统必须要具备完备的知识库，在电力系统专家针对中，如何获取是其瓶颈。如果只有一个不完备的知识库，很有可能造成其推理错乱并得出错误结论。②当输电网络结构或者配置等固件发生改变时，为了保证其正常工作，必须要修改相应的知识库，并进行再次和对检查，因此其文护难度很大。③专家系统不具有学习能力，一旦匹配不到已有的知识库，便会发生诊断错误，最终导致无法得出正确结果。就目前情况，专家系统已与其他人工智能方法相结合，取长补短解决自身不足，而这也是近些年其发展主要趋势。[1]
（2）人工神经网络
人工神经网络（ANN）是一种模拟人类神经系统传输，并可以处理信息过程的人工智能技术。[19]他可以将电网中所有的保护和断路器状态作为其输入，输出的是所有可能的故障位置。也正因为此，若电网规模非常大，其节点数目也将呈几何数增长，输出数值将非常混乱，因此此种技术并不适用于大型的输电网络。它的特点在于将知识隐于链接权重中，具有一定的自我学习的能力，并且可以对算法进行训练，从而具备一定的泛化力。与其他方法相比较而言，其容错的能力也较强，且运行速度快，计算过程相对独立，这也使得这种方法被广泛使用。
不过ANN也存在一些问题，例如每次系统发生变换都要有一个学习的过程，其输出内容也只是0-1之间的数字，这也证明其不擅长处理启发性知识，不能给诊断结果一个很好的解释，对于工作人员来讲不能很好地理解并处理，等等。[2]
（3）Petri网
Petri网是一种通用的数学模型，它既可以应用于对静态结构的分析，也可应用于动态应为分析。它的基础是以描述系统间各元件间关系，着眼于各个元件中可能发生的各种变化以及他们之间的关联。在输电网络中，处于各级、各类的保护系统均可被股长所反映出来。在这之后，经过选择，并切除故障，这个过程包括系统同时发生，以及次序发生的范畴，这时候，Petri网络便可很好的来描述他。但也正是由于此方法与配电网节点数 关系密切，当电网规模扩大时，随着设备数量的增加节点数也会不断增加，从而呆滞状态空间组合爆炸，因此Petri网 法具有一定的局限性。[3]