人工智能及应用-第十一章-人工智能在电力系统中的应用.pptx

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,人工智能及应用,第,11,章 人工智能在电力系统中的应用,本章内容提要,人工智能在电力系统中的应用,11.1,概述,11.2,人工智能在电力系统故障诊断中的应用,11.3,人工智能在电力巡检中的应用,11.4 人工智能在电力大数据分析中的应用,11.1,概述,智能电网是将信息技术、通信技术、计算机技术和原有的输、配电基础设施高度集成而形成的新型电网，具有供电安全可靠、输电网电能损耗低、能源利用率高、环境影响小等优点。,智能电网符合人们对未来电网的要求，以美国和欧盟为代表的多个国家和组织都提出了要建设智能电网的任务，将智能电网作为未来电网发展方向的战略目标。,11.1,概述,随着我国特高压电网的建设和电力体制改革，我国也将智能电网作为电网发展的一个新方向，并开展智能电网建设，覆盖了发电、输电、配电和售电等一系列环节。,人工智能技术在智能电力系统建设中发挥了重要作用，在电力系统运行与控制、监测与故障诊断、负荷预测、管理规划等方面都有出色的表现。,11.2 人工智能在电力系统故障诊断中的应用,早期的机械设备比较简单，故障诊断主要依靠专家或维修人员的工作经验，借助简单仪表就能完成故障诊断及恢复任务。,随着信息技术的进步，工作人员将传感器技术、动态测试技术和信号分析技术用于故障诊断，在诊断效率和系统可靠性方面有显著提高。,复杂系统的智能诊断是智能技术研究的一个热点，电力工作者致力于开发先进、准确、高效的自动故障诊断系统，当发生故障时，要求在无须或仅需少量人为干预的条件下，自动故障诊断系统能够迅速、准确地判别故障元件与故障性质，及时处理故障，快速可靠地重构一种新的稳定运行方式，恢复电力系统的正常运行，使电力系统具有自愈或自修复能力。,11.2 人工智能在电力系统故障诊断中的应用,电力系统故障诊断可主要分为元件故障诊断和系统故障诊断。,下面以电网故障诊断为例，介绍基于贝叶斯网络的电力系统故障诊断。,11.2 人工智能在电力系统故障诊断中的应用,11.2.1 电网故障诊断原理,对于图11,.,1所示的一个简单电力系统模型，考虑电力系统元件为输电线路、母线和变压器。通常电力系统继电保护由三段式(、段)组成：段是主保护，即100%确定性保护(高频保护、距离段、零序电流段)；段是第一后备保护(距离段、零序电流段)；段是第二后备保护(距离段、零序电流和段)。,11.2 人工智能在电力系统故障诊断中的应用,11.2.1 电网故障诊断原理,图11,.,1 简单电力系统模型,11.2 人工智能在电力系统故障诊断中的应用,11.2.1 电网故障诊断原理,1.线路保护,线路两端都各有主保护和两个后备保护，如线路L1两端的主保护分别为L1Sm和L1Rm，后备保护分别为L1Sp、L1Ss和L1Rp、L1Rs。对于L1的左端：,(1)保护L1Sm只保护线路本身，其保护范围一般是线路的80%85%范围，如当L1故障时L1Sm跳开CB3。,(2)第一后备保护L1Sp保护本线路全长并且不超过下一线路的I段距离保护范围，是主保护LISm的后备保护，当主保护未动作时，该保护动作切除故障。例如，如果L1故障，而L1Sm未动作，那么L1Sp动作跳开CB3。,11.2 人工智能在电力系统故障诊断中的应用,11.2.1 电网故障诊断原理,1.线路保护,(3)L1Ss是第二后备保护，它一般在相邻的元件故障下做出保护动作，例如，当相邻元件母线C发生故障并且保护未动作时，L1Ss作为后备保护动作切除故障，即L1Ss动作跳开CB3。,这三段式保护动作后都是触发断路器CB3跳闸。线路L1右端三段式保护与左端类似。,2.母线保护,母线保护一般只有主保护，只保护母线本身。母线的主保护动作时跳开与该母线相连的所有断路器。例如，当母线C故障时，母线保护Cm动作触发断路器CB2、CB4和CB5跳闸。,11.2 人工智能在电力系统故障诊断中的应用,11.2.1 电网故障诊断原理,3.变压器保护,如图11,.,1所示，变压器保护一般也有三段式保护，分别为Tm、Tp和Ts。其中主保护Tm只保护变压器本身，Tm动作时跳开其两端的断路器；第一后备保护Tp也只保护变压器本身，当T故障时而Tm未动作，Tp动作跳开CB1和CB2；第二后备保护Ts用于相邻区域故障而该区域保护未动作时，保护变压器。例如，当母线C故障，Cm未动作时，Ts跳开CB2；当母线A故障，Am未动作时，Ts动作跳开CB1。Tm、Tp和Ts保护动作后都是触发断路器CB1和CB2跳闸。,11.2 人工智能在电力系统故障诊断中的应用,11.2.1 电网故障诊断原理,目前，电网故障在线诊断主要是对各级各类保护装置产生的报警信息、断路器的状态变化信息以及电压电流等电气量测量的特征进行分析，根据保护动作的逻辑和运行人员的经验来推断可能的故障区域，确定故障元件，识别误动和拒动的断路器和保护装置。,贝叶斯网络的典型应用之一就是故障诊断，贝叶斯网络使用概率理论来处理不同变量之间由于条件相关而产生的不确定性，对于解决电力系统不确定性因素引起的故障具有很大的优势，特别是对于保护和断路器的拒动、误动，信道传输干扰等造成的不确定性信息的存在，能有效地建立不确定知识表达和推理模型。,11.2 人工智能在电力系统故障诊断中的应用,11.2.1 电网故障诊断原理,基于贝叶斯网络的电力系统故障诊断的基本步骤如下。,(1)建立故障诊断贝叶斯网络图，通过统计数据或专家经验对贝叶斯网络进行赋值。,(2)从SCADA系统中获得故障诊断所需的故障信息及其时标信息，进行预处理。,(3)故障诊断推理，利用贝叶斯网络模型对故障信息进行诊断推理。,(4)在诊断推理结果基础上，进行继电保护的误动、拒动判定，输出故障诊断结果。,11.2 人工智能在电力系统故障诊断中的应用,11.2.1 电网故障诊断原理,基于贝叶斯网络的电力系统故障诊断的基本步骤如下。,(1)建立故障诊断贝叶斯网络图，通过统计数据或专家经验对贝叶斯网络进行赋值。,(2)从SCADA系统中获得故障诊断所需的故障信息及其时标信息，进行预处理。,(3)故障诊断推理，利用贝叶斯网络模型对故障信息进行诊断推理。,(4)在诊断推理结果基础上，进行继电保护的误动、拒动判定，输出故障诊断结果。,11.2 人工智能在电力系统故障诊断中的应用,11.2.2 贝叶斯网络建模,故障诊断系统以各类保护装置的动作信息为依据来确定故障元件，因此，故障诊断贝叶斯网络的结点由元件和继电保护组成。,元件结点是指可能导致系统出现继电保护信息的元件，主要包括线路、母线和变压器，某个元件结点ci的取值ci=0和ci=1分别表示它处于“正常”和“故障”状态，需要通过贝叶斯网络的推理获得。,继电保护结点是由元件状态影响的保护和继电器组成，某个继电保护结点sj的取值sj=0和sj=1分别表示它处于“不动作”和“动作”状态，一般通过在线监测装置观测获得，并组成继电保护信息。,11.2 人工智能在电力系统故障诊断中的应用,11.2.2 贝叶斯网络建模,对于图11.1所示的电网模型，建立元件C的贝叶斯网络模型，如图11.2所示。图中实线表示元件的主保护及其动作的继电器，虚线表示元件的后备保护及其动作的继电器。以连接弧C-Cm-CB4-L1Ss-CB3为例说明模型:母线C故障，主保护Cm启动，致使断路器CB4动作跳闸；若断路器CB4拒动，则线路L1左侧距离段保护L1Ss作为母线C后备保护启动，CB3动作跳闸，避免事故扩大。,11.2 人工智能在电力系统故障诊断中的应用,11.2.2 贝叶斯网络建模,图11.2 元件C故障诊断贝叶斯网络模型,11.2 人工智能在电力系统故障诊断中的应用,11.2.3 贝叶斯网络故障诊断推理,在进行推理之前，需要确定以下几点。,(1)元件结点发生故障的先验概率，可通过设备历史运行数据和可靠性数据统计得到，或者根据专家经验计算得到。例如，通过一次设备的年故障频率来计算，一般为设备连续运行时间t的函数，即,p(Tt)=1e,wt,(11-1),式中，T为设备连续无故障运行的时间；w为参数。,11.2 人工智能在电力系统故障诊断中的应用,11.2.3 贝叶斯网络故障诊断推理,在进行推理之前，需要确定以下几点。,(2)继电保护结点的条件概率，首先根据专家知识、试验数据和历史信息确定保护装置拒动概率和误动概率，然后再根据保护动作原理确定保护和断路器拒动和误动的条件概率。,在确定了元件结点和继电保护结点的先验概率以及条件概率后，利用贝叶斯网络的逆向推理功能，计算出各元件处于故障状态的后验概率，通过对概率值的分析，从而得出诊断结果。,11.2 人工智能在电力系统故障诊断中的应用,11.2.3 贝叶斯网络故障诊断推理,在进行推理之前，需要确定以下几点。,在推理过程中，经常用到贝叶斯网络的一个重要概念贝叶斯网络的条件独立性，即贝叶斯网络中的任一结点Ni，在给定其父结点Parent(Ni)的情况下，条件独立于任何Ni的非子孙结点A(Vi)，即,p(Ni|Parent(Ni),A(Ni)=p(Ni|Parent(Ni)(11-2),根据结点间的条件独立性假设，各随机变量间的联合概率分布可表示为,(11-3),11.2 人工智能在电力系统故障诊断中的应用,11.2.4 改进的贝叶斯网络故障诊断模型,在构建贝叶斯网络模型时，为了减少条件概率表的参数数目，经常会引入Noisy-Or模型和Noisy-And模型，使用简化的故障诊断贝叶斯网络。,对于图11-1中的母线C，其故障模型可用图11-3表示。当母线C发生故障时，为隔离故障源，动作保护分为主保护和相邻元件的第二后备保护动作。这两类保护中的任一类动作都使其对应的断路器跳闸，都可以切除故障源，因此，这两类保护组成Noisy-Or结点。,在保护装置正常动作的情况下，保护和断路器动作应是一致的，调度端应同时收到保护及其对应断路器的动作信号，因此保护及其对应断路器组成Noisy-And结点。,11.2 人工智能在电力系统故障诊断中的应用,11.2.4 改进的贝叶斯网络故障诊断模型,图11-3 母线C故障诊断模型,变压器T的故障模型可用图11-4表示，线路L1和线路L2的故障诊断模型确定方法与此类似。,11.2 人工智能在电力系统故障诊断中的应用,11.2.4 改进的贝叶斯网络故障诊断模型,图11-4 变压器故障诊断模型,11.2 人工智能在电力系统故障诊断中的应用,11.2.4 改进的贝叶斯网络故障诊断模型,对于引入Noisy-Or结点的贝叶斯网络，给定网络中每一条边的条件概率cij及某个结点Nj的所有父结点Ni为真的概率，可用式(11-4)计算Noisy-Or结点Nj的状态，即,(11-4),式中，Ni为Nj的第i个直接前提条件，也称为父结点；cij为结点Ni到结点Nj的条件概率，即单个前提Ni取值为真时对Nj为真的认可程度。,11.2 人工智能在电力系统故障诊断中的应用,11.2.4 改进的贝叶斯网络故障诊断模型,对于引入Noisy-And结点的贝叶斯网络，可用式(11-5)计算Noisy-And结点Nj的状态,即,(11-5),式中，Ni为Nj的第i个直接前提条件；cij为结点Ni到结点Nj的条件概率，即单个前提Ni取值为假时对Nj为真的否定程度。,11.2 人工智能在电力系统故障诊断中的应用,11.2.4 改进的贝叶斯网络故障诊断模型,网络的输入结点只对应着电网中的某一个保护或断路器，将获取的保护和断路器信号作为故障判断的条件，条件概率cij可通过参数学习进行优化，最后考虑各种可能发生的故障情况，形成故障区域决策。,11.2 人工智能在电力系统故障诊断中的应用,11.2.5 其他智能故障诊断技术的应用,在基于专家系统的电力系统故障诊断中，专家知识表示方式有基于谓词逻辑表示法、基于产生式规则表示法、基于过程式知识表示法、基于框架式表示法、基于知识模型表示法和基于面向对象表示法。在电力系统故障诊断过程中，由于各种保护的动作逻辑，保护与断路器之间的因果关系易于用模块化的规则集表示，因此，很多专家系统采用产生式规则来描述知识。,11.2 人工智能在电力系统故障诊断中的应用,11.2.5 其他智能故障诊断技术的应用,将具有自学习和联想功能的人工神经网络与专家系统结合是一个发展趋势。ANN具有强的自组织、自学习和鲁棒性，将专家知识隐含在网络中并具有一定的联想和泛化能力，执行速度快，在电力系统故障诊断、故障定位和故障类型识别等方面都有出色的表现。,考虑到设备状态的不确定性和故障信息的不确定性，采用模糊隶属度来对这种不确定性进行描述，设计模糊贝叶斯网的变压器故障诊断模型、模糊技术与专家系统结合的故障诊断模型、神经网络与模糊专家系统相结合的故障诊断模型等。,其他的人工智能技术，包括遗传算法、人工免疫技术、Petri网、Agent技术、数据挖掘，也都能在电力系统故障诊断中表现出一定的应用潜力。,11.3 人工智能在电力巡检中的应用,电力设备巡检包括输电线路巡检、变电站设备巡检和地下电缆等电力设备的巡检作业，电力设备巡检是保障电网可靠性的最有效手段。随着机器人技术发展，将机器人技术应用于电力系统，利用机器人移动平台代替人工进行设备巡检成为可能。人工智能技术是突破机器人能力局限性的一种较好的方法，也是机器人领域研究的核心内容和方向。,11.3 人工智能在电力巡检中的应用,11.3.1 电力设备巡检,架空输电线路是电力系统的重要组成部分。,在变电站中，室外高压设备暴露在自然环境中，也容易受到雨雪、雷击等自然因素影响，发生老化、故障等问题，从而影响变电站的正常运行。,11.3 人工智能在电力巡检中的应用,11.3.1 电力设备巡检,根据巡检任务的需求不同，电力设备巡检可分为,：,定期巡检,特殊巡检,故障巡检,通常以定期巡检为主，特殊巡检、故障巡检为辅。,根据巡检对象不同，电力设备巡检可分为,：,架空输电线路巡检,变电站巡检,11.3 人工智能在电力巡检中的应用,11.3.1 电力设备巡检,电力设备巡检工作流程一般为:制定巡检任务、安排巡检工作、现场巡检、数据上传、信息共享发布、巡检结果判断。,传统的人工巡检方式,信息钮+IC卡巡检,PDA+GPS或者PDA+条码巡检,11.3 人工智能在电力巡检中的应用,11.3.2 巡检机器人,巡检机器人以移动机器人为载体，携带检测仪器或作业工具，沿输电线路的地线、导线或者指定路线运动，对电力设备进行检测、维护等作业。巡检机器人为电力系统巡检工作提供了一种新的工作模式。,11.3 人工智能在电力巡检中的应用,11.3.2 巡检机器人,电力机器人从最初只具有主从控制系统的简单机器人，到配备各种传感器的具备感知能力的机器人，性能不断提高，功能不断完善。在现在及未来，智能化是电力机器人的一个重要发展方向它具有多种内外部传感器，可以感知内部关节的运行速度、受力大小及外部环境，并做出一定的判断、推理和决策，根据作业要求和环境信息进行自主作业。,11.3 人工智能在电力巡检中的应用,11.3.3 系统实时监控后台,巡检机器人与工作人员通过监控后台实现交互，分为本地监控后台和集中监控中心，同时，监控后台具备相应的故障诊断功能。,本地监控后台,的任务,集中监控中心,的任务,整个机器人巡检系统的逻辑结构如图11-5所示。,11.3 人工智能在电力巡检中的应用,11.3.3 系统实时监控后台,图11-5 巡检系统整体结构框图,11.3 人工智能在电力巡检中的应用,11.3.3 系统实时监控后台,下面以变电站巡检机器人为例，介绍巡检机器人监控后台的两个重要功能，即任务规划和故障诊断。,1.监控后台的任务规划专家系统,巡检任务规划系统利用巡检专家知识对历史数据进行分析并结合巡检要求来选择巡检对象的过程。各种类型的巡检机器人都与一个巡检任务规划模块相关联，针对机器人巡检任务进行控制，包括任务下发与查询、巡检内容、巡检周期、运行模式等要求。,巡检内容包括基于红外的设备热缺陷诊断、设备外观及状态检测、设备运行异常声音检测、整改完成情况等。运行模式是指自主模式和遥控模式，其中自主模式是当前机器人运行的主要模式。,11.3 人工智能在电力巡检中的应用,11.3.3 系统实时监控后台,1.监控后台的任务规划专家系统,巡检任务规划专家系统能够根据实际需要进行总体规划，即制定目标任务、分配任务及优化等，适用于变电站巡检机器人和输配电线路巡检机器人。通过在监控后台集成一个专家系统模块，能够自动生成任务规划。对于该任务规划专家系统，其各主要部分的设计如下。,(1)知识库。(2)推理机。,(3)数据库。(4)知识获取机构。,(5)解释机构。(6)人机接口。,11.3 人工智能在电力巡检中的应用,11.3.3 系统实时监控后台,1.监控后台的任务规划专家系统,专家系统汇集了大量专家知识，充分利用多个领域专家的知识经验，并结合巡检历史数据，具有更强的启发性、灵活性和智能性。除了传统的专家系统，神经网络专家系统等新型专家系统也提供了解决实际问题的新途径，便于更好地根据实际情况合理编制巡检工作任务。,11.3 人工智能在电力巡检中的应用,11.3.3 系统实时监控后台,2.监控后台的故障诊断专家系统,在前端，巡检员或机器人携带信息采集器，按规定时间及线路要求巡视，读取路线上设置的信息钮信息并记录设备运行情况。,巡检机器人利用内部地图和GPS信息进行定位和导航，通过记录航点和航迹的方式来保存巡检轨迹。最后巡检员或机器人将相关巡检数据上传至后台数据库。,11.3 人工智能在电力巡检中的应用,11.3.3 系统实时监控后台,2.监控后台的故障诊断专家系统,设备状态分析预警系统相当于一个专家诊断系统，结合历史数据、设备的故障率、设备运行指标的变化趋势等，分析设备异常的区域分布、设备异常情况发生时间和处理结果，为设备检修和状态评估提供决策支持。,后台管理人员通过不同的访问权限，可随时在后台服务器中查询巡检人员的巡检情况和相应的设备运行数据，分析电力设备运行情况，打印巡检报告，生成重大缺陷报表。故障诊断专家系统的详细应用方法可查阅相关资料，此处不再详述。,11.3 人工智能在电力巡检中的应用,11.3.4 路径规划管理,路径规划模块接收任务规划模块产生任务长期规划航路信息，根据目标函数所确定的最小代价原则，按照规划约束条件产生较详细的飞行路径航路点信息。,对于输电线路巡检任务，在确定的巡检线路设定合理数量的检测点并安装巡检信息钮，机器人沿输电线路的地线、导线或者指定线路运动，对电力设备进行检测、维护等作业。,对于变电站巡检任务，巡检机器人基本上沿站内磁引导道路行走，在接受巡检任务后，系统自动生成最佳巡检路线并执行定点任务。,11.3 人工智能在电力巡检中的应用,11.3.4 路径规划管理,遗传算法运用于移动机器人路径规划的算法如下:,随机初始化群体P(0)；,设交配概率pc和变异概率pm；,计算群体P(0)中个体的适应度；,t=0；,while(不满足停止准则)do,由P(t)通过遗传操作形成新的种群P(t+1)；,计算P(t+1)中个体的适应度；,t=t+1,选择适应度最大的染色体，经解码后作为最优输出；,11.3 人工智能在电力巡检中的应用,11.3.5 设备状态识别,变电站巡检机器人携带高分辨率摄像机、红外热像仪、超声传感器等感知设备，通过精确的自主导航和设备定位，按照最优路径检查室外高压设备的运行情况。,无人值守变电站机器人在规定的停靠点停留，可执行的相应工作任务有自动云台动作、自动摄像机调焦、自动红外热像仪操作、自动可见光与红外数据采集和自主充电。,系统通过模式识别算法，可以有效分辨、定位目标设备，确保检测数据的准确性，从而为分析设备的内部热缺陷、外部的机械或电气问题，收集事故隐患和故障先兆数据提供可靠信息。主要巡检内容包括以下几点。,11.3 人工智能在电力巡检中的应用,11.3.5 设备状态识别,(1)电流及电压致热型设备的热缺陷。,(2)设备外观异常，如导线散股断裂、部件损伤、渗漏油、有附着物等。,(3)状态检测，如断路器或隔离开关位置、仪表读数、油位计位置等。,(4)设备运行异常声音检测。,11.3 人工智能在电力巡检中的应用,11.3.5 设备状态识别,1.基于图像的设备状态识别,基于图像的设备状态识别通过图像处理、模式识别等算法，使机器人自动识别设备状态。图像识别本质上是一种模式识别过程，其基本流程如图11,.,6所示。,图11,.,6 设备状态识别流程,11.3 人工智能在电力巡检中的应用,11.3.5 设备状态识别,异常可以分为污损、破损或异物。,污损是因漏油、放电痕迹等造成的设备表面油污或炭黑等污损，表现为图像颜色和纹理异常，设备外形不会受损，可通过纹理分析识别污损区域。,破损是指设备表面有裂纹或结构缺失，对于裂纹，可采用基于边缘检测的方法判断是否有多余的边缘，对于结构缺失，可进行图像分割与正常模板图像比对面积差别。,异物是指电力设备上有悬挂物。可采用与正常图像进行对比，采用模式分类的方法判定是否有异物。最后，检测系统将识别结果上传到服务器提交给操作人员进行校验。,11.3 人工智能在电力巡检中的应用,11.3.5 设备状态识别,2.基于声音的设备状态识别,在变电站设备内部的运行状况，可以通过外部声音的变化进行分析。例如，变压器正常运行时，应发出均匀的“嗡嗡”声，这是由于交流电通过变压器线圈时产生的电磁力吸引硅钢片及变压器自身的振动而发出的响声。,如果变压器声音比平时增大，变压器中有杂音、放电声、水沸腾声等异常声音，则表明变压器处于不正常状态，通过异常声音能够有效预测重大事故和危急情况。,因此，基于声音的设备状态识别是机器人巡检任务之一，具有重要的实际意义。,11.3 人工智能在电力巡检中的应用,11.3.5 设备状态识别,2.基于声音的设备状态识别,巡检机器人通过内部的控制系统、运动装置实现自身运动，在移动过程中利用携带的声音采集器采集数据并传送到其他模块进行判断识别。,声音检测系统由采集模块、训练和识别模块、数据通信模块、数据存储模块和视频服务器组成。,声音识别的基本流程可参考图11,.,6。,11.3 人工智能在电力巡检中的应用,11.3.6 Agent技术,机器人巡检任务规划系统可以借助多Agent技术实现。该系统由管理Agent、协调Agent和资源Agent组成，其结构如图11,.,7所示。,11.3 人工智能在电力巡检中的应用,11.3.6 Agent技术,图11,.,7 多Agent任务规划系统组成结构示意图,11.3 人工智能在电力巡检中的应用,11.3.6 Agent技术,(1)任务规划层管理Agent根据最小代价原则，按照约束条件对任务进行分解，分解后的子任务队列通过黑板Agent向协调Agent和资源Agent发布信息；各Agent根据协作机制执行子任务，任务规划层管理Agent再综合求解结果，并通过黑板Agent发送给路径规划层Agent。,(2)路径规划层管理Agent接收任务规划层产生的任务长期规划信息，并对路径规划层任务进行分解，通过黑板Agent向其他Agent发布信息，再综合各子任务求解结果，并把获得的较详细的路径航路点信息发送给轨迹控制层Agent。,11.3 人工智能在电力巡检中的应用,11.3.6 Agent技术,(3)轨迹控制层管理Agent获得路径规划层Agent的详细路径信息后，分解任务并将结果通过黑板Agent向其他Agent发布信息，最后，轨迹控制层管理Agent综合子任务求解结果，并把详细的路径信息(速度、方向)发送到机器人自动控制系统去执行。,从硬件角度来看，通常每个机器人的基本结构包括机械系统、驱动系统、感知系统、控制系统、人机交互系统和通信系统等，如图11,.,8所示。,11.3 人工智能在电力巡检中的应用,11.3.6 Agent技术,图11,.,8 机器人基本组成,11.3 人工智能在电力巡检中的应用,11.3.6 Agent技术,与单机器人相比，多机器人系统具有时间和空间的分布性、强鲁棒性、可重构性等特点，是单机器人无法比拟的。,多机器人系统应用到电网的巡检和作业任务，充分发挥多机器人系统的优势，在出现大面积线路故障和冰雪等灾害天气时，利用多机器人搜寻故障并执行修复作业，可高效可靠地完成任务，降低经济损失和社会影响。,例如，输电线路巡线机器人可分为巡线机器人、清障机器人和其他类型的作业机器人。清障机器人除了执行线路巡视外，还负责修复线路故障，快速有效地清除线路上的异物。,11.3 人工智能在电力巡检中的应用,11.3.6 Agent技术,用多Agent理论进行多机器人协作研究，把系统中的每个机器人看成独立的Agent，这样的多机器人系统就称为多Agent系统，其中，Agent之间是一种松散的组合。,11.3 人工智能在电力巡检中的应用,11.3.6 Agent技术,1.体系结构,在实际应用中，通常基于层次式结构设计多机器人Agent的组织结构，结合集中式控制和分布式控制的各自优势。在层次式结构中，机器人系统可分为高层的协作层、中间的协调层和底层的控制层。图11,.,9所示为多机器人系统的组织形式之一层次式体系结构。,11.3 人工智能在电力巡检中的应用,11.3.6 Agent技术,1.体系结构,图11,.,9层次式系统总体框架示意图,11.3 人工智能在电力巡检中的应用,11.3.6 Agent技术,1.体系结构,高层协作是整个系统智能化的集中体现，该层根据给定的资源、任务及相应的性能评价，指定机器人在各个任务上的分配，最大化完成任务的总体性能。该层负责系统的全局规划、任务分配、角色任命，对协调层直接管理。,协调层由若干移动机器人组成，负责协调执行层成员完成协作层分配的任务。根据任务情况，协调层还可以再分出若干协调子层。,执行层接受协调层的指挥，执行具体,的任务，通常具有简单的通信能力。,图11,.,9层次式系统总体框架示意图,11.3 人工智能在电力巡检中的应用,11.3.6 Agent技术,2.学习机制,利用机器学习使机器人具有学习能力是多机器人系统解决这类问题的一种有效手段，学习方法包括决策树归纳算法、人工神经网络算法、支持向量机、遗传算法、强化学习等。这些机器学习方法有助于增强机器人个体之间的协调性和合作性，使系统具有更强适应性、灵活性等智能特性。,11.3 人工智能在电力巡检中的应用,11.3.6 Agent技术,3.协调协作,协调与协作是多Agent技术研究的核心问题之一，也是多机器人系统的关键技术之一。采用多Agent技术可以实现动态环境下多机器人之间的协调协作。,在开放动态环境下，多机器人系统通过协作，可以完成单个机器人无法实现的功能；多机器人必须对目标、资源的使用进行协调，保证多个机器人工作的协调一致性。,11.4 人工智能在电力大数据分析中的应用,11.4.1 大数据基本概念,从大数据特征出发，大数据一般具有4V特征，即Volume、Velocity、Variety和Value。,(1)Volume体量大,(2)Velocity速度快,(3)Variety多样性,(4)Value价值性,11.4 人工智能在电力大数据分析中的应用,11.4.2 电力大数据的来源,对于电力行业而言，从电力生产到输配电再到电力企业运行管理，电力系统的每个环节产生的各种结构化数据(在线监测数值、台账信息等)和非结构化数据(图像等)共同构成了“电力大数据”。具体来讲，电力大数据的来源可以分为以下几个方面。,11.4 人工智能在电力大数据分析中的应用,11.4.2 电力大数据的来源,(1)电力生产大数据。,(2)智能电网大数据。,(3)电力运营管理大数据。,11.4 人工智能在电力大数据分析中的应用,11.4.3 大数据分析与人工智能,大数据分析处理经历了3个阶段:,第一个阶段是存储、展示及简单分析阶段，目的是描述“发生了什么”以及“为什么发生”；,第二个阶段是实时分析阶段，面向在线监测系统获得的海量数据，此阶段更注重“正在发生什么”；,第三个阶段是当前的预测分析阶段，研究“即将发生什么”。大数据的核心和本质是预测，通过分析方法和工具探索隐藏在数据表面背后的本质和规律，从而对未来趋势进行预测。,11.4 人工智能在电力大数据分析中的应用,11.4.3 大数据分析与人工智能,结构化数据一般通过关系数据库实现，而非结构化数据分析需要利用自然语言处理、图像解析、语音识别等技术，而这些技术正是人工智能的研究领域。,尤其对于电力大数据来说，非结构化数据占据了主要地位，人们需要通过人工智能手段在海量数据中挖掘未知的有用信息。因此，将大数据与人工智能结合使用已经成为新的工作模式。,11.4 人工智能在电力大数据分析中的应用,11.4.3 大数据分析与人工智能,从人工智能到大数据，它的发展历程可以分为4个阶段,：,第一阶段是1950年提出的人工智能,；,第二阶段是1960年提出机器学习,；,第三阶段是1995年提出数据挖掘,；,第四阶段就到了近些年的大数据阶段。,大数据分析属于传统数据分析技术在海量数据分析下的新发展，因此很多传统的数据分析方法是大数据分析的基础。大数据分析的目标是寻求更合理的挖掘算法，准确、有效地挖掘出大数据的真正价值，而且更能实现对动态发展数据的分析。,11.4 人工智能在电力大数据分析中的应用,11.4.3 大数据分析与人工智能,大数据环境下的数据挖掘与机器学习算法，可以从以下几个方面着手。,(1)将大数据小数据化。,(2)开展大数据下的聚类、分类算法研究，如基于共轭度的最小二乘支持向量机(Least Squares Support Vector Machine，LSSVM)、随机可扩展FuzzyMeans(FCM)等。,(3)研究大数据的并行算法，将传统的数据挖掘方法并行化。,11.4 人工智能在电力大数据分析中的应用,11.4.3 大数据分析与人工智能,大数据分析可以视为传统数据分析的特殊情况，麦肯锡认为，可用于大数据分析的关键技术源于统计学和计算机科学等学科，它的许多方法来源于统计分析、机器学习、模式识别、数据挖掘等人工智能领域的常规技术。,(1)人工神经网络。,(2)决策树方法。,(3)进化计算。,(4)粗糙集理论。,11.4 人工智能在电力大数据分析中的应用,11.4.4 电力大数据分析典型应用场景,下面从智能电网的应用场景出发，分别介绍电力大数据分析技术在电力负荷预测、运行状态评估与预警、发电生产控制与用电规划等方面的应用。,11.4 人工智能在电力大数据分析中的应用,11.4.4 电力大数据分析典型应用场景,1.电力负荷预测,基于大数据的分布式短期负荷预测方法，综合利用大数据和人工智能方法的优势，使得负荷预测精度更高。智能预测方法具备良好的非线性拟合能力，近年来用电预测领域出现了大量的研究成果，人工神经网络、遗传算法、粒子群算法和支持向量机等智能预测算法开始广泛地应用于用电预测。,11.4 人工智能在电力大数据分析中的应用,11.4.4 电力大数据分析典型应用场景,1.电力负荷预测,基于BP神经网络和遗传算法的短期电力负荷预测流程可以描述如下。,(1)收集数据。,(2)数据样本预处理。根据BP神经网络输入/输出函数的要求和特点，对短期电力负荷原始数据进行预处理。,(3)构建电力负荷预测模型。确定BP神经网络的输入层、输出层以及隐含层的结点个数、学习率等参数。,(4)利用BP神经网络和历史数据对电力负荷进行预测，输出预测结果。,11.4 人工智能在电力大数据分析中的应用,11.4.4 电力大数据分析典型应用场景,2.电力系统运行状态监测与预警,数据挖掘技术具有定性分析能力，从大量数据中去除冗余信息，通过对历史数据和缺陷信息进行数据挖掘，可将每一种状态的故障特征及关联参数值提取出来，成为判断机组状态、快速故障处理、准确决策的依据。,运行过程中各类设备的状态信息以及设备异常时出现的各类信号，还包含大量的相关数据，如地理信息、天气、现场温度与湿度、监测视频、图像以及相关试验文档等，这些数据共同构成了状态监测大数据。,11.4 人工智能在电力大数据分析中的应用,11.4.4 电力大数据分析典型应用场景,2.电力系统运行状态监测与预警,在线状态监测与预警系统对状态监测大数据进行分析，包括以下内容。,11.4 人工智能在电力大数据分析中的应用,11.4.4 电力大数据分析典型应用场景,2.电力系统运行状态监测与预警,在线状态监测与预警系统对状态监测大数据进行分析，包括以下内容。,(1)应用数据挖掘技术中的分类和聚类分析方法可以将各种设备划分为适当的故障类型。,(2)应用关联分析方法可以确定各种故障因素之间的相互关系，提供早期故障预测及原因分析。,(3)应用序列模式分析方法能够发现并预测设备的故障率分布。,(4)应用神经网络可以自动发现某些不正常的数据分布，从而暴露设备运行中的异常变化，辅助预测机组运行状态。,11.4 人工智能在电力大数据分析中的应用,11.4.4 电力大数据分析典型应用场景,2.电力系统运行状态监测与预警,状态监测大数据的分析结果可用于辅助决策以提高供电可靠性和经济效益，体现在以下几个方面。,(1)电网安全性评价。,(2)供电能力评价。,(3)电网可靠性和供电质量评价。,(4)电网故障诊断与预警。,11.4 人工智能在电力大数据分析中的应用,11.4.4 电力大数据分析典型应用场景,3.发电生产控制与智能规划,电力用户是一个广泛、复杂的用户群，根据智能电网中的用户资料和历史数据建立用电数据仓库，采用数据挖掘的方法有针对性地分析不同时间、地域、行业中的用户需求，得到需求模型，根据此模型来制定电网规划和供电计划，从而能够降低发电成本，提高效益。,美国、意大利等国家的电力公司已经开展此方面的工作，使用人工神经网络、模糊逻辑等技术，把用户的管理、消费、交易等数据进行综合处理，用于辅助用户分析。,11.4 人工智能在电力大数据分析中的应用,11.4.4 电力大数据分析典型应用场景,3.发电生产控制与智能规划,分析,“电力地图”得到某一片区域或某一类用户可提供的需求响应总量及可靠性，分析结果可为实现用电与发电的互动提供依据，在不同区域间进行及时调度，平衡电力供应缺口，实现发电生产智能控制与决策，提高供电效率。,分析用户,用电数据，电力公司制定出合理的经济模型以及具有竞争力的实时电价表，实行动态地浮动电价制度，实现整个电力系统优化运行。,11.4 人工智能在电力大数据分析中的应用,11.4.4 电力大数据分析典型应用场景,3.发电生产控制与智能规划,配电网停电优化系统综合分析配电网运行的实时信息、设备检修信息等，利用多个业务系统的海量数据进行联合分析和数据挖掘，完成停电信息分类、停电预警、配电网停电计划制定，采用大数据分析技术制定合理的停电计划，完善配网停电优化分析系统。,