本文關(guān)鍵詞：人工智能技術(shù)在電力系統(tǒng)故障診斷中應(yīng)用，由筆耕文化傳播整理發(fā)布。

人工智能技術(shù)在電力系統(tǒng)故障診斷中應(yīng)用

廖志偉1，2，孫雅明1，葉青華2

(1．天津大學(xué)電氣與自動(dòng)化工程學(xué)院，天津300072；
2．華南理工大學(xué)電力學(xué)院，廣州510640)

    摘  要：對(duì)人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、遺傳算法、模糊理論等人工智能技術(shù)的基本概念進(jìn)行了簡單的介紹，并從實(shí)用化的觀點(diǎn)對(duì)它們在電力系統(tǒng)故障診斷中的應(yīng)用特點(diǎn)、存在問題進(jìn)行分析，最后指出人工智能技術(shù)用于電力系統(tǒng)故障診斷的最新發(fā)展動(dòng)向。
    關(guān)鍵詞：電力系統(tǒng)；故障診斷；人工智能

1 引言
　　電力系統(tǒng)實(shí)時(shí)故障診斷問題的研究，一般都是根據(jù)在故障過程中，對(duì)某些裝置和設(shè)備所出現(xiàn)的一系列數(shù)字和狀態(tài)信息量進(jìn)行分析和推理。在此基礎(chǔ)上查出導(dǎo)致系統(tǒng)某種功能失調(diào)的原因和性質(zhì)，判斷故障發(fā)生的元件以及預(yù)測故障惡化的發(fā)展趨勢，得出診斷結(jié)論。在電力系統(tǒng)的故障診斷(faultdiagnosis of power system——FD－PS)方面已開展了不少研究，傳統(tǒng)型的FD－PS研究是在建立被診斷系統(tǒng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)模型的基礎(chǔ)上，根據(jù)發(fā)生故障時(shí)，系統(tǒng)結(jié)構(gòu)和參數(shù)變化，導(dǎo)致系統(tǒng)潮流的變化，進(jìn)而根據(jù)潮流計(jì)算的變化判斷出故障。但潮流計(jì)算和分析處理的耗時(shí)量大，會(huì)影響診斷速度和快速故障恢復(fù)處理。另外正常運(yùn)行時(shí)某些線路潮流值小，接近于0(如線路輕載運(yùn)行)，故用潮流來判斷故障，也不能保證診斷的準(zhǔn)確性。所以電力系統(tǒng)故障診斷用傳統(tǒng)的數(shù)學(xué)方法，因系統(tǒng)規(guī)模、復(fù)雜程度和不確定因素等的限制，系統(tǒng)故障診斷難以達(dá)到理想的效果。
　　由于電力系統(tǒng)的整個(gè)故障過程難以用數(shù)學(xué)模型來進(jìn)行描述，而AI善于模擬人類分析和處理問題的智能行為，適宜對(duì)難以用數(shù)學(xué)模型分析和求解問題的研究，所以AI技術(shù)的發(fā)展為FD－PS的研究開辟了新途徑和新方法。近十幾年來，國內(nèi)外將AI技術(shù)用于電力系統(tǒng)的研究已有不少，并取得了有成效的研究成果，且已有部分成果在實(shí)際中得到了應(yīng)用［1～3］，但轉(zhuǎn)成商用化的數(shù)量與研究數(shù)量相比實(shí)在是太少了，因此在新的世紀(jì)中，應(yīng)致力于將AI的研究推廣應(yīng)用到實(shí)際中，作為進(jìn)一步研究的目標(biāo)。
　　本文對(duì)國內(nèi)外已研究的智能型FD－PS作全面分析和歸納，主要對(duì)ES、ANN、FST、GA及Petri網(wǎng)絡(luò)等技術(shù)在FD－PS中應(yīng)用研究進(jìn)行全面的概述，并在此基礎(chǔ)上用實(shí)用化的觀點(diǎn)來分析它們在FD－PS中應(yīng)用的特點(diǎn)以及存在的主要問題，對(duì)智能技術(shù)在FD－PS中的發(fā)展趨勢進(jìn)行了探討。

2 基于ES原理的電力系統(tǒng)故障診斷［4～20］
　　ES［4～6］是發(fā)展最早，也是比較成熟的AI分支之一，它與知識(shí)工程研究緊密聯(lián)系在一起。在ES構(gòu)造中，它必須涉及所研究問題領(lǐng)域的知識(shí)表達(dá)方式，知識(shí)處理與知識(shí)運(yùn)用方面的理論和方法。ES不僅是融合了書本相關(guān)的理論知識(shí)來處理各種定性的問題，而且還可總結(jié)和利用專家的經(jīng)驗(yàn)知識(shí)(或稱啟發(fā)式知識(shí))來求解問題。它不僅可解決那些依靠解析方法不能解決的問題，也可使所求解問題的知識(shí)搜索和推理范圍縮小，提高問題求解速度和推理效率；另外ES的解釋模塊能夠?qū)ν评硭玫闹R(shí)、推理過程及結(jié)論進(jìn)行解釋。在電力系統(tǒng)中，ES在故障診斷和恢復(fù)處理方面的研究較多，可根據(jù)ES知識(shí)表達(dá)方式和推理機(jī)結(jié)構(gòu)的不同對(duì)ES進(jìn)行劃分。
　　在電力系統(tǒng)故障診斷的ES中，常用的知識(shí)表達(dá)方式有：基于謂詞邏輯表示法，基于產(chǎn)生式規(guī)則表示法，基于過程式知識(shí)表示法，基于框架式表示法，基于知識(shí)模型表示法和基于面向?qū)ο蟊硎痉ā?shí)質(zhì)上后兩種是由于計(jì)算機(jī)和語言技術(shù)、智能技術(shù)的發(fā)展而形成的，它們是在前三種基礎(chǔ)上的新形式和新結(jié)構(gòu)。對(duì)它們在電力系統(tǒng)故障診斷應(yīng)用的特性分析如下：
　　謂詞邏輯法是一種較早的知識(shí)描述方法之一。文獻(xiàn)［7］提出利用保護(hù)和斷路器信息來構(gòu)造知識(shí)庫，文中使用Prolog語言用謂詞邏輯構(gòu)造三個(gè)知識(shí)庫：1)描述電力系統(tǒng)結(jié)構(gòu)、保護(hù)和斷路器動(dòng)作關(guān)系及斷路器的狀態(tài)方面的知識(shí)；2)描述保護(hù)原理方面的知識(shí)；3)描述故障位置的規(guī)則和啟發(fā)性知識(shí)。它根據(jù)故障設(shè)備與保護(hù)、斷路器的信息關(guān)系，采用反向推理，實(shí)現(xiàn)多重故障、保護(hù)和斷路器誤動(dòng)、拒動(dòng)診斷的功能。但謂詞邏輯僅僅依據(jù)形式邏輯進(jìn)行，推理過程太冗長，效率低；不便于加入啟發(fā)性知識(shí)；靈活性差。故其應(yīng)用范圍受限制。
　　在FD－PS中，由于各種保護(hù)的動(dòng)作邏輯，保護(hù)與斷路器之間的因果關(guān)系易于用模塊化的規(guī)則集表示，故不少ES采用產(chǎn)生式規(guī)則來描述知識(shí)［8，9］。文獻(xiàn)［8］則根據(jù)診斷的對(duì)象不同，將診斷規(guī)則知識(shí)庫分為兩類：一類屬于對(duì)保護(hù)和斷路器進(jìn)行評(píng)價(jià)的規(guī)則庫；另一類則是輸電線、變壓器、母線診斷的知識(shí)庫。當(dāng)發(fā)生故障時(shí)，將事故信息與相應(yīng)的規(guī)則庫相匹配，得出故障結(jié)果�；诋a(chǎn)生式規(guī)則的知識(shí)表示結(jié)構(gòu)便于增加、刪除或修改一些規(guī)則。它適宜于表示因果關(guān)系的知識(shí)，但難于描述電力系統(tǒng)結(jié)構(gòu)性的知識(shí)，且這種知識(shí)表達(dá)方式對(duì)層次性、繼承性知識(shí)的表達(dá)能力較差，降低了推理的效率。
　　基于框架理論表示法是將概念性和經(jīng)驗(yàn)性的知識(shí)事例、事件細(xì)節(jié)，用類似框架的通用數(shù)據(jù)結(jié)構(gòu)描述的一種結(jié)構(gòu)化知識(shí)表達(dá)方式。由于電力系統(tǒng)中網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，設(shè)備之間存在各種拓?fù)潢P(guān)聯(lián)和電氣關(guān)聯(lián)，宜于用框架結(jié)構(gòu)來描述［5～6，10～11］。文獻(xiàn)［10～11］通過線路框架表示廠站和廠站的連接關(guān)系，形成框架網(wǎng)絡(luò)，將電網(wǎng)的整個(gè)拓?fù)浣Y(jié)構(gòu)知識(shí)清晰描述�？蚣芸伸`活的形成層次關(guān)系，繼承屬性使表達(dá)簡單，簡化復(fù)雜的推理知識(shí)，其缺點(diǎn)是不善于表達(dá)過程性的知識(shí)。
　　基于知識(shí)模型表示法［12，13］用“與，或”邏輯元代替?zhèn)鹘y(tǒng)的經(jīng)驗(yàn)啟發(fā)式規(guī)則來表示各電力系統(tǒng)設(shè)備內(nèi)在功能，各設(shè)備與各種輸入信息間的物理連接關(guān)系，構(gòu)造被診斷系統(tǒng)內(nèi)各種設(shè)備的知識(shí)邏輯模型。這種表達(dá)方式描述了對(duì)象的整個(gè)邏輯推理的過程，就相當(dāng)于過程式知識(shí)描述，不同處是根據(jù)信息的具體情況嵌入相應(yīng)的邏輯運(yùn)算，使整體概念和行為更清晰。文獻(xiàn)［12］是通過用“與，或”邏輯元表示斷路器與保護(hù)之間多重性關(guān)系，并將它們有序連接構(gòu)成所要診斷的電力系統(tǒng)“前向”邏輯電路模型。當(dāng)發(fā)生事故時(shí)，根據(jù)所得到事故信息輸入電路模型，再由電路模型的輸出與實(shí)際斷路器的狀態(tài)相比較，最后給出診斷結(jié)果或相應(yīng)的診斷假設(shè)進(jìn)行進(jìn)一步的推理�；谥R(shí)模型表示法是將電力設(shè)備表示為等效的邏輯元件，它是局部的整體性，缺乏整個(gè)ES的通用性及層次性，并對(duì)診斷假設(shè)的驗(yàn)證推理增加了復(fù)雜性。
　　面向?qū)ο蟮闹R(shí)表達(dá)方法是隨著面向?qū)ο蠹夹g(shù)和語言而推出的。將研究問題抽象為類，將類實(shí)例化為對(duì)象，通過采用繼承和封裝技術(shù)，減少了知識(shí)表達(dá)的冗余性和易于知識(shí)庫修改［14～16］。文獻(xiàn)［15］通過分析被診斷系統(tǒng)每個(gè)組成設(shè)備的屬性，用不同層次類來描述相應(yīng)的電網(wǎng)組成設(shè)備，并由對(duì)象的實(shí)體來描述整個(gè)電網(wǎng)在故障情況下它們的動(dòng)態(tài)可能行為。在此基礎(chǔ)上將推理機(jī)的診斷過程用面向?qū)ο蠹夹g(shù)進(jìn)行處理。這種知識(shí)表示方法在本質(zhì)上與框架式表示法沒有質(zhì)的區(qū)別，但由于面向?qū)ο蠹夹g(shù)和語言的發(fā)展而賦予新的定義，使其在表達(dá)方式上更簡潔、清晰。同時(shí)將框架理論的優(yōu)點(diǎn)更充分的發(fā)揮，特別是對(duì)邏輯推理過程的適應(yīng)能力增強(qiáng)。
　　在電力系統(tǒng)故障診斷的ES中，常用的推理機(jī)制可以劃歸為正向推理、反向推理、正反向混合推理三種基礎(chǔ)推理結(jié)構(gòu)。
　　文獻(xiàn)［17］輸電線路故障診斷中采用正向推理。根據(jù)系統(tǒng)發(fā)生故障時(shí)，跳閘的斷路器和動(dòng)作的保護(hù)信息作為驅(qū)動(dòng)輸入，按照知識(shí)指導(dǎo)的推理策略調(diào)動(dòng)知識(shí)庫在相關(guān)空間中規(guī)則，搜索求得故障診斷的結(jié)果(由網(wǎng)絡(luò)結(jié)構(gòu)信息、斷路器狀態(tài)、斷路器與保護(hù)裝置的連接和保護(hù)系統(tǒng)的屬性等組成)。當(dāng)規(guī)則的條件部分與診斷輸入信息相匹配，就將該規(guī)則作為可用規(guī)則放入候選隊(duì)列中，再通過沖突消解，將其作為進(jìn)一步推理的證據(jù)直至得到診斷結(jié)果。
　　反向推理首先提出假設(shè)，然后尋找支持該假設(shè)的證據(jù)，若所需證據(jù)都能夠找到，則表明該假設(shè)成立，反之假設(shè)不成立［7］。這種推理方法極少單獨(dú)在FD－PS中使用，而是與前向推理相結(jié)合，用于構(gòu)造正反向混合推理［18～20］。文獻(xiàn)［18］中對(duì)輸電線和配電網(wǎng)報(bào)警處理和故障診斷ES的推理機(jī)是采用基于正反向混合推理機(jī)結(jié)構(gòu)，首先根據(jù)跳閘斷路器的保護(hù)信息進(jìn)行初步推理，得到故障設(shè)備的假設(shè)。根據(jù)所得假設(shè)，再用斷路器和保護(hù)設(shè)備之間的邏輯規(guī)則進(jìn)行反向推理，驗(yàn)證假設(shè)的故障設(shè)備的正確性，有效的縮小查找故障范圍。
　　綜上所述，基于ES技術(shù)的電力系統(tǒng)故障診斷系統(tǒng)的研究已有近20年的歷史。隨著計(jì)算機(jī)和語言技術(shù)、智能技術(shù)的發(fā)展，使知識(shí)表達(dá)形式和結(jié)構(gòu)也隨之有所相應(yīng)的變化，在知識(shí)獲取和構(gòu)造方面有很多的改進(jìn)，其發(fā)展的趨勢是力圖使知識(shí)獲取、知識(shí)表達(dá)工作簡化，進(jìn)而使故障診斷的推理效率得到提高。但ES基于知識(shí)實(shí)現(xiàn)故障診斷的推理邏輯過程原理是不變的，因此，在實(shí)際應(yīng)用中的某些缺陷仍不能忽視。
　　1)在電力系統(tǒng)故障診斷ES研究中，知識(shí)獲取的工作一直給予研究者很大的壓力。如何更有效、更全面的獲取專家知識(shí)，是構(gòu)造一個(gè)完備的ES的診斷系統(tǒng)不得不必須面對(duì)的難題。
　　2)ES的知識(shí)表達(dá)：知識(shí)表達(dá)方式和知識(shí)構(gòu)造質(zhì)量是ES成功的關(guān)鍵；專業(yè)知識(shí)和專家啟發(fā)性知識(shí)轉(zhuǎn)化和形成完備的知識(shí)庫仍是故障診斷ES的瓶頸；知識(shí)庫的可維護(hù)性也是極其重要的，知識(shí)庫不完整或不一致可能導(dǎo)致ES推理混亂并得出錯(cuò)誤的結(jié)論。
　　3)ES的高容錯(cuò)性推理：無論何種知識(shí)表達(dá)方式，當(dāng)發(fā)生故障時(shí)，都是依據(jù)故障信息所對(duì)應(yīng)知識(shí)庫進(jìn)行樹圖的搜索。而知識(shí)庫是建立在診斷問題所對(duì)應(yīng)的知識(shí)樹，它是按預(yù)先領(lǐng)域知識(shí)構(gòu)造成的組合固定的樹，而并非是任意組合的，其自學(xué)習(xí)能力是極有限的。但實(shí)際中的FD－PS問題所依據(jù)的故障信息都屬于實(shí)時(shí)信息，在現(xiàn)實(shí)的環(huán)境中，信息在形成和傳遞過程中發(fā)生信息畸變的可能性是不可避免的，易出現(xiàn)知識(shí)庫沒有涵蓋的新故障情況。會(huì)使得基于知識(shí)推理ES陷入無窮遞歸，無法求解或得出錯(cuò)誤解。故ES的容錯(cuò)能力較差，這是用于實(shí)時(shí)ES的最大局限性。
　　因此，將具有自學(xué)習(xí)和聯(lián)想功能的ANN，基于FST的不確定性推理與ES技術(shù)相結(jié)合，是近年來ES發(fā)展的主要趨勢。

3 基于ANN原理的電力系統(tǒng)故障診斷［21～46］
　　ANN也是AI技術(shù)的一個(gè)重要分支，基于ANN原理的FD－PS與基于ES原理的FD－PS相比，其最大的特點(diǎn)是不需要為專業(yè)知識(shí)與專家啟發(fā)性的知識(shí)轉(zhuǎn)化、知識(shí)形成、知識(shí)表達(dá)方式和知識(shí)庫構(gòu)造作大量工作，而只需以領(lǐng)域?qū)＜宜峁┑拇罅亢统浞值墓收蠈?shí)例，形成故障診斷ANN模型的訓(xùn)練樣本集，運(yùn)用一定的學(xué)習(xí)算法對(duì)樣本集進(jìn)行訓(xùn)練。通過有導(dǎo)師監(jiān)督的訓(xùn)練學(xué)習(xí)使ANN實(shí)現(xiàn)知識(shí)的自我組織，自我學(xué)習(xí)能力。經(jīng)學(xué)習(xí)后，在神經(jīng)元及它們之間的有向權(quán)重連接中蘊(yùn)涵了處理問題的知識(shí)，即它的知識(shí)表達(dá)不同于ES的顯形表達(dá)，是隱式的并具有一定的聯(lián)想和泛化能力；對(duì)已訓(xùn)練的ANN模型，由于問題的求解就蘊(yùn)涵于ANN的權(quán)值中，因此它的推理也是隱式的，執(zhí)行計(jì)算速度很快。由于ANN具有強(qiáng)的自組織、自學(xué)習(xí)能力，魯棒性高，免去推理機(jī)的構(gòu)造，且推理速度與規(guī)模大小無明顯的關(guān)系［21～24］，很快引起人們的重視，使得基于ANN的故障診斷的研究也日益廣泛。ANN除在電力系統(tǒng)故障診斷中的應(yīng)用外，在故障定位和故障類型識(shí)別等方面也有不少的應(yīng)用。
　　文獻(xiàn)［25］提出基于BP算法FNN模型，對(duì)電力系統(tǒng)故障診斷作了初步的研究。為了克服BP算法訓(xùn)練速度慢，陷入局部最小可能的缺點(diǎn)，文獻(xiàn)［26］用附加動(dòng)量因子BP算法對(duì)一個(gè)小型的電網(wǎng)模型結(jié)構(gòu)進(jìn)行診斷，并對(duì)改進(jìn)BP算法中動(dòng)量因子的取值，F(xiàn)NN的隱層節(jié)點(diǎn)個(gè)數(shù)和層數(shù)對(duì)診斷性能的影響進(jìn)行了分析。
　　文獻(xiàn)［27］使用局部逼近的徑向基函數(shù)NN(RBF－NN)實(shí)現(xiàn)對(duì)電力系統(tǒng)的故障診斷，通過對(duì)一個(gè)小規(guī)模的網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)基于BP－FNN、RBF－NN及自適應(yīng)RBF－NN三種故障模型算法進(jìn)行仿真對(duì)比，它們均以輸電網(wǎng)絡(luò)中設(shè)備的保護(hù)和斷路器的狀態(tài)作為輸入，可能的故障位置作為輸出，以0，1邏輯值表示輸入、輸出元素激活與否。基于徑向基函數(shù)的NN學(xué)習(xí)收斂速度比較快，泛化能力比常規(guī)的BP－FNN更好，但相應(yīng)的應(yīng)用條件也比較嚴(yán)格。
　　FD－PS所依據(jù)的是實(shí)時(shí)故障信息，在信息畸變的情況，盡管FNN具有一定的泛化能力，但仍存在容錯(cuò)性的問題。為提高基于ANN的FD－PS的容錯(cuò)性，文獻(xiàn)［28］利用NN組合模型來提高FD－PS的容錯(cuò)性，文中模仿ES推理方式建立了正、反向推理的FDNN和BTNN，評(píng)定CNN的組合。它們中各個(gè)NN又按故障的類別組合劃分成幾個(gè)相應(yīng)的子NN。其中各FDNNi都接收保護(hù)信息和斷路器的狀態(tài)作為輸入，以表示故障位置(設(shè)備類型、編號(hào))和故障類型的故障編碼為輸出。而BTNNi的輸入、輸出是與FDNNi正好相反，即是FDNN的逆映射。各相應(yīng)的評(píng)定CNNi是故障編碼與主、后備保護(hù)之間的關(guān)聯(lián)。該系統(tǒng)可通過正向、反向NN的相互校核，對(duì)某些錯(cuò)誤信息能鑒別，因此對(duì)診斷系統(tǒng)的容錯(cuò)性能有一定程度的改善。但該方法使系統(tǒng)的復(fù)雜性增加，特別是電力系統(tǒng)規(guī)模大時(shí)，問題更突出。文獻(xiàn)［29］提出用Boltzmann機(jī)和BP－NN模型組合進(jìn)行故障診斷，將正常的報(bào)警模式存儲(chǔ)于Boltzmann機(jī)中，當(dāng)故障發(fā)生時(shí)，首先將利用Boltzmann機(jī)對(duì)實(shí)時(shí)故障信息進(jìn)行糾錯(cuò)處理，再將糾錯(cuò)處理后的輸出作為診斷BP－NN模型的輸入進(jìn)行故障診斷。這樣可在一定程度上實(shí)現(xiàn)對(duì)錯(cuò)誤信息的糾錯(cuò)，從而提高診斷的容錯(cuò)性。
　　針對(duì)大規(guī)模電網(wǎng)故障診斷使得NN模型結(jié)構(gòu)規(guī)模擴(kuò)大而導(dǎo)致NN訓(xùn)練和應(yīng)用的復(fù)雜性，有學(xué)者研究提出建立分層分布式的NN群組來解決［30～31］此類問題。文獻(xiàn)［30］是根據(jù)電網(wǎng)結(jié)構(gòu)分區(qū)結(jié)構(gòu)，利用決策樹推導(dǎo)構(gòu)造形成分布式NN診斷群組，將各分布NN的結(jié)果綜合起來得出故障診斷結(jié)論。文獻(xiàn)［31］除基于知識(shí)模型組成分布式NN外，還根據(jù)高壓網(wǎng)絡(luò)保護(hù)的層次性，同時(shí)還隱含了動(dòng)作的時(shí)間序列，在此基礎(chǔ)上提出了具時(shí)空特性的分層分布式的NN群組來構(gòu)造一個(gè)完整的高壓輸電線路故障診斷系統(tǒng)。
　　在已研究的基于BP－NN的電力系統(tǒng)故障診斷中，大多數(shù)的研究更強(qiáng)調(diào)如何提高學(xué)習(xí)算法的收斂速度，克服陷入局部極小點(diǎn)，提高精度；或者根據(jù)研究目標(biāo)的需要改變ANN模型結(jié)構(gòu)，通過對(duì)ANN的知識(shí)分層分布存儲(chǔ)來提高和改善NN泛化能力，聯(lián)想記憶性能，在此同時(shí)也改善了容錯(cuò)性能。但是明顯的缺乏對(duì)影響ANN容錯(cuò)性的因素和如何提高ANN容錯(cuò)性能的系統(tǒng)性的研究。
　　從以上對(duì)基于ES、ANN的FD－PS問題的分析和討論可知，它們都有各自的不足。所以在研究具體問題時(shí)，根據(jù)需要可以將兩者結(jié)合，解決問題的不同方面［32～33］，可以達(dá)到取長補(bǔ)短的效果。文獻(xiàn)［32］用NN實(shí)現(xiàn)知識(shí)獲取、知識(shí)表示、推理和知識(shí)維護(hù)，將故障診斷的知識(shí)隱含于ANN的連接權(quán)矩陣中，將實(shí)時(shí)信息作為ANN輸入信息進(jìn)行推理。但在某些特殊結(jié)構(gòu)化的推理過程中，由NN來處理會(huì)導(dǎo)致結(jié)構(gòu)比效繁瑣，這時(shí)候由ES來處理可大大地簡化知識(shí)推理。另外，由ES構(gòu)造解釋模塊來實(shí)現(xiàn)解釋較為方便，更提高系統(tǒng)的透明度。這樣就將ES的解釋推理能力與ANN的快速執(zhí)行和學(xué)習(xí)能力有機(jī)的結(jié)合起來。文獻(xiàn)［33］提出利用一組BP－NN模型和ES進(jìn)行報(bào)警處理，其中每個(gè)BP－NN模型負(fù)責(zé)識(shí)別單個(gè)變電站或某區(qū)段的故障，而由ES根據(jù)故障信號(hào)確定調(diào)用相應(yīng)的BP－NN診斷模型對(duì)故障進(jìn)行處理，這樣還可以利用ES依次調(diào)用相關(guān)的NN模型而達(dá)到識(shí)別系統(tǒng)中發(fā)生多重故障的情況。
　　綜上分析ANN在故障診斷中應(yīng)用的局限性為：1)對(duì)于有導(dǎo)師學(xué)習(xí)的ANN模型，具有較好的內(nèi)插結(jié)果和相應(yīng)的聯(lián)想容錯(cuò)能力。但ANN外推時(shí)誤差較大，難以保證解的準(zhǔn)確度和容錯(cuò)性能。因此，要確保具有全面的、代表性的樣本集提供給ANN訓(xùn)練學(xué)習(xí)，它們是保證和提高ANN容錯(cuò)性能的一個(gè)最基本的因素；2)系統(tǒng)結(jié)構(gòu)發(fā)生變化，則有可能需要改變ANN的組成結(jié)構(gòu)，或增加新的樣本重新學(xué)習(xí)獲得新知識(shí)；3)ANN難以實(shí)現(xiàn)基于結(jié)構(gòu)化知識(shí)的邏輯推理；4)缺乏解釋能力，診斷結(jié)果不易于運(yùn)行人員理解。另外，如何確保ANN訓(xùn)練時(shí)收斂的快速性和避免陷入局部最小，也是每一個(gè)基于ANN的診斷系統(tǒng)必須面對(duì)的問題。

4 基于FST的電力系統(tǒng)故障診斷［34～42］
　　FST是L．A．Zadeh教授于1965年創(chuàng)立的模糊集合理論基礎(chǔ)上發(fā)展起來［34～35］，它突破了經(jīng)典集合用0和1表示非此即彼的清晰概念，而采用模糊隸屬度的概念來描述不精確的、不確定事件與現(xiàn)象，并引入語言變量和近似推理的模糊邏輯，來表述專家的經(jīng)驗(yàn)知識(shí)。FST經(jīng)過多年的研究，已成為具有完整推理體系的人工智能技術(shù)之一。在電力系統(tǒng)故障診斷系統(tǒng)中，根據(jù)具體知識(shí)表達(dá)或推理的需要引入FST，使得精確推理相應(yīng)轉(zhuǎn)換為近似推理，在一定程度上也提高了故障診斷系統(tǒng)的容錯(cuò)性。FST與其它AI技術(shù)相結(jié)合(如ES、ANN、GA等)相互滲透，取長補(bǔ)短。FST的加入，使各相應(yīng)智能診斷系統(tǒng)在電力系統(tǒng)故障診斷在分析不確定因素問題上原理更成熟，技術(shù)更完善，而性能得到相應(yīng)的提高。
　　FST在電力系統(tǒng)故障診斷的應(yīng)用中分兩類情況：第一類認(rèn)為診斷所依據(jù)的信息正確，但故障與對(duì)應(yīng)的動(dòng)作保護(hù)裝置和斷路器狀態(tài)之間存在不確定的關(guān)聯(lián)關(guān)系，用模糊隸屬度來對(duì)這種可能性進(jìn)行描述的度量；另一類則是認(rèn)為診斷所依據(jù)的報(bào)警信息的可信度不為1，，而根據(jù)系統(tǒng)網(wǎng)絡(luò)拓?fù)渑c故障所發(fā)生動(dòng)作保護(hù)、斷路器狀態(tài)賦予報(bào)警信息的可信度，再由ES或ANN給出故障診斷結(jié)果的模糊輸出。文獻(xiàn)［36］屬前一類，認(rèn)為故障與動(dòng)作的保護(hù)裝置之間，動(dòng)作的保護(hù)裝置與所控制的斷路器之間可以存在不確定的關(guān)聯(lián)關(guān)系，可用模糊數(shù)學(xué)來描述它們之間的關(guān)聯(lián)關(guān)系。根據(jù)可能的故障，可尋找由故障點(diǎn)到報(bào)警信息可能的通路，再尋找故障點(diǎn)與可能動(dòng)作的保護(hù)裝置之間，動(dòng)作的保護(hù)裝置與可控制的斷路器之間關(guān)聯(lián)關(guān)系合成總的模糊度，用以表示故障診斷位置可能性的度量。
　　文獻(xiàn)［37～42］屬后一類，它先對(duì)診斷模型所依據(jù)的輸入信息模糊化，即認(rèn)為系統(tǒng)的輸入報(bào)警信息的可信度不為1。它是根據(jù)輸電網(wǎng)絡(luò)拓?fù)洚?dāng)前情況，對(duì)保護(hù)、斷路器動(dòng)作行為的統(tǒng)計(jì)數(shù)據(jù)賦予報(bào)警信息可信度，通過ANN或ES診斷模型輸出模糊數(shù)，再由反模糊系統(tǒng)去解釋其輸出，提供給運(yùn)行人員一個(gè)語言化的結(jié)論。
　　根據(jù)模糊系統(tǒng)具體應(yīng)用的分析結(jié)果，得出尚須深入研究的問題：1)對(duì)不確定性問題用隸屬度函數(shù)來描述時(shí)，應(yīng)建立什么樣的隸屬函數(shù)是極其關(guān)鍵的問題，須在足夠經(jīng)驗(yàn)和實(shí)驗(yàn)的基礎(chǔ)上，有效地建立隸屬函數(shù)；2)研究診斷系統(tǒng)的結(jié)構(gòu)、設(shè)備或自動(dòng)裝置的配置發(fā)生變化時(shí)，與之有關(guān)的模糊知識(shí)庫或規(guī)則的模糊度也要相應(yīng)的修改，即也存在可維護(hù)性問題；3)電力系統(tǒng)故障診斷的不確定性情況是多種多樣的，并非是固定不變的，取決于系統(tǒng)中硬件裝置的可靠性(如斷路器跳閘誤跳或拒跳)，診斷系統(tǒng)所依據(jù)的實(shí)時(shí)信息的可信度(如實(shí)時(shí)信息在傳遞中出現(xiàn)的畸變可能性與環(huán)境有關(guān))等因素。顯然，F(xiàn)T對(duì)不確定因素的處理只能是有限度的改進(jìn)。

5 基于GA的電力系統(tǒng)故障診斷［43～49］
　　GA是建立在Darwin自然選擇和Mendel遺傳學(xué)說基礎(chǔ)上，通過模仿生物遺傳和進(jìn)化的進(jìn)程，尋求對(duì)復(fù)雜問題的全局最優(yōu)解的優(yōu)化算法。它按一定規(guī)則對(duì)問題解進(jìn)行字符串編碼，模擬人工染色體表示某優(yōu)化問題的可行解，用隨機(jī)方法形成初始解群，再按自然選擇的原理，通過群體搜索策略和遺傳操作，對(duì)群體中個(gè)體之間的信息交換，使得GA不易陷入局部極小點(diǎn)，能夠以很大概率得到全局最優(yōu)解集或局部最優(yōu)解集。與傳統(tǒng)優(yōu)化技術(shù)不同，GA對(duì)待求解問題不需涉及常規(guī)優(yōu)化問題求解的復(fù)雜數(shù)學(xué)過程；同時(shí)GA也不需要直接對(duì)知識(shí)規(guī)則和訓(xùn)練樣本選擇處理，這是它和基于ES、NN診斷系統(tǒng)相比的最大優(yōu)勢之處。
　　文獻(xiàn)［43］研究用GA解決輸電網(wǎng)絡(luò)故障診斷問題。文章根據(jù)各類保護(hù)動(dòng)作時(shí)段內(nèi)斷路器動(dòng)作的時(shí)序信息，從而將輸電網(wǎng)絡(luò)故障診斷問題轉(zhuǎn)化為0－1整數(shù)規(guī)劃問題，建立了GA的電力系統(tǒng)故障診斷的適應(yīng)度函數(shù)模型，實(shí)現(xiàn)任意復(fù)雜的故障情況下的故障診斷。
　　文獻(xiàn)［44］用無源信息識(shí)別故障區(qū)域的方法，將故障診斷問題局限于小的局部網(wǎng)絡(luò)，在此基礎(chǔ)上分別用Boltzmann機(jī)法、模擬退火法、簡單的和高級(jí)的GA實(shí)現(xiàn)了故障診斷系統(tǒng)，驗(yàn)證了對(duì)交叉和變異算子做過調(diào)整的高級(jí)GA在診斷信息不完整的情況下，可以有效的找到全局最優(yōu)解，得到比較理想故障診斷效果。
　　用GA從優(yōu)化的角度解決故障診斷問題，它能夠在診斷信息不完整的情況下給出全局最優(yōu)或局部最優(yōu)的多個(gè)可能的診斷結(jié)果。但在診斷所依據(jù)的信息發(fā)生畸變，出現(xiàn)復(fù)雜的故障模式的時(shí)候，也難以保證診斷結(jié)果的可靠性。因此如何根據(jù)被診斷對(duì)象特征，建立能保證高容錯(cuò)性能故障診斷適應(yīng)度函數(shù)，以及如何確定迭代操作結(jié)束的準(zhǔn)則和保證最終的結(jié)果為最優(yōu)解或近似最優(yōu)解。這些問題是基于GA應(yīng)用中需要深入研究的內(nèi)容。

6 基于Petri網(wǎng)絡(luò)的電力系統(tǒng)故障診斷［50～56］
　　Petri網(wǎng)絡(luò)(Petri net)是由德國數(shù)學(xué)家C．A．Petri于1960～1965年提出的一種通用的數(shù)學(xué)模型［50］，是在構(gòu)造有向圖的組合模型的基礎(chǔ)上，形成可用矩形運(yùn)算所描述的嚴(yán)格定義的數(shù)學(xué)對(duì)象。Petri網(wǎng)分析方法既可用于靜態(tài)的結(jié)構(gòu)分析，又可用于動(dòng)態(tài)的行為分析。它以研究系統(tǒng)的組織結(jié)構(gòu)和動(dòng)態(tài)行為為目標(biāo)，能夠?qū)ο到y(tǒng)中同時(shí)發(fā)生，次序發(fā)生或循環(huán)發(fā)生的各種活動(dòng)過程進(jìn)行定性或者定量的分析。所以Petri網(wǎng)絡(luò)是離散事件動(dòng)態(tài)系統(tǒng)建模和分析的理想工具。
　　電力系統(tǒng)故障屬于一個(gè)離散事件的動(dòng)態(tài)系統(tǒng)，由系統(tǒng)中各級(jí)電壓、各類保護(hù)動(dòng)作反映故障，并把切除故障的過程看作一系列事件活動(dòng)的組成，而事件序列與相應(yīng)實(shí)體聯(lián)系在一起。動(dòng)態(tài)事件主要包括實(shí)體活動(dòng)(如斷路器、繼電保護(hù)、自動(dòng)裝置等)和信息流活動(dòng)(如信號(hào)的傳遞，控制指令發(fā)送，各監(jiān)測信號(hào)流等)。鑒于電力系統(tǒng)故障動(dòng)態(tài)過程描述的可行性，可確定用Petri網(wǎng)去構(gòu)造電力系統(tǒng)診斷模型。
    文獻(xiàn)［51］以輸電網(wǎng)絡(luò)中的設(shè)備為單位，首先研究了故障“切除”過程的Petri網(wǎng)絡(luò)模型，進(jìn)而對(duì)故障診斷的Petri網(wǎng)絡(luò)模型求解。整個(gè)系統(tǒng)的物理概念清晰，數(shù)學(xué)求解速度快適宜實(shí)時(shí)性診斷。文中還分析了保護(hù)、斷路器不正確動(dòng)作對(duì)Petri網(wǎng)絡(luò)模型的影響，并分別給出了識(shí)別保護(hù)和斷路器不正確動(dòng)作的模塊。對(duì)IEEE118節(jié)點(diǎn)系統(tǒng)的測試結(jié)果表明，Petri網(wǎng)絡(luò)是一種比較有潛力的模型。但文中對(duì)保護(hù)多重性配置，時(shí)間差異，性能發(fā)生變化都未深入討論，它也正是基于Petri網(wǎng)絡(luò)原理存在的局限性。
　　文獻(xiàn)［52］文中提出嵌入冗余Petri網(wǎng)方法，它是在原考慮的故障類型Petri網(wǎng)的基礎(chǔ)上加入錯(cuò)誤伴隨式矩陣C。其目的是要解決由于網(wǎng)絡(luò)中事件序列和信息流不正常時(shí)(如保護(hù)或斷路器的拒動(dòng)等)的故障診斷。采用差錯(cuò)控制編碼技術(shù)構(gòu)造C矩陣，但它必須是在預(yù)先設(shè)想的前提下構(gòu)造，而不能自動(dòng)構(gòu)造，并且構(gòu)造復(fù)雜，工作量大。而在實(shí)際系統(tǒng)中，故障診斷所依據(jù)信息的畸變是不確定的，所以它的容錯(cuò)能力是有限的，該類問題與ES差不多。
　　對(duì)大規(guī)模電網(wǎng)基于Petri網(wǎng)模型建模時(shí)，因設(shè)備增加和網(wǎng)絡(luò)擴(kuò)大會(huì)出現(xiàn)狀態(tài)的組合爆炸，且基本的Petri網(wǎng)不能描述時(shí)間特征要求高的行為特征，因此在復(fù)雜系統(tǒng)建模時(shí)，需要采用高級(jí)的Petri網(wǎng)，如謂詞／變遷網(wǎng)，有色時(shí)間網(wǎng)等。

7 基于Agent技術(shù)的電力系統(tǒng)故障診斷［89～95］
　　人工智能技術(shù)研究的不斷發(fā)展為故障診斷開辟新途徑和新方法提供了可能性。分布式人工智能是在傳統(tǒng)AI的基礎(chǔ)上發(fā)展起來的，主要研究在邏輯上或物理上分散的智能系統(tǒng)如何并行的，或相互協(xié)作地進(jìn)行問題的求解。它分為分布式問題求解和多Agent系統(tǒng)兩個(gè)方向，多Agent系統(tǒng)被看作是AI的試驗(yàn)平臺(tái)，當(dāng)一個(gè)問題涉及多個(gè)物理或者從邏輯上能形成分解的問題求解實(shí)體，每個(gè)子問題求解實(shí)體僅僅擁有問題求解所需的有限數(shù)據(jù)、信息和資源，不同的子問題求解實(shí)體之間必須相互交互才能最終求解問題。多Agent系統(tǒng)中Agent的自治性以及Agent之間的合作、協(xié)同等特征為這類問題提供了一種自然的建模方式�；诙郃gent技術(shù)的應(yīng)用研究開始于上世紀(jì)80年代，近年來在工業(yè)、制造業(yè)、經(jīng)濟(jì)管理、航天業(yè)等領(lǐng)域得到了明顯增長［53～54］，成為AI的研究熱點(diǎn)之一。
    基于多Agent技術(shù)也引起了電力系統(tǒng)研究者的關(guān)注［77～79］，特別是在近2、3年來，人們嘗試著將多Agent技術(shù)引入電力系統(tǒng)的故障診斷相關(guān)研究和應(yīng)用中。文獻(xiàn)［55］以Agent技術(shù)來實(shí)現(xiàn)故障恢復(fù)系統(tǒng)，系統(tǒng)由數(shù)個(gè)母線Agent單元和唯一的一個(gè)在整個(gè)決策過程中充當(dāng)了管理角色的服務(wù)Agent，在服務(wù)Agent的協(xié)調(diào)下，母線Agent單元在故障狀態(tài)下通過與其他的母線Agent單元相互作用、交換、通訊、合作形成多Agent診斷系統(tǒng)，得到局部最優(yōu)目標(biāo)；文獻(xiàn)［56］建立了基于多Agent的DIAMOND系統(tǒng)，將數(shù)個(gè)監(jiān)控系統(tǒng)和診斷系統(tǒng)集為一個(gè)綜合的集散系統(tǒng)，簡化了問題的處理過程和增加了系統(tǒng)的開放性。
　　從Agent的特點(diǎn)上看，它區(qū)別于傳統(tǒng)智能系統(tǒng)的顯著特征在于它所具備的與其所處環(huán)境，與其它Agent進(jìn)行交互，協(xié)調(diào)和協(xié)作的能力。AI的研究目標(biāo)是認(rèn)識(shí)和模擬人類智能行為，單個(gè)Agent主要用于模擬個(gè)人的智能行為，而多Agent系統(tǒng)則是以模擬人類社會(huì)群體智能行為作為最終目標(biāo)，它通過多個(gè)Agent之間的交換或通訊、合作形成了一個(gè)多Agent系統(tǒng)。研究多Agent系統(tǒng)意義下的Agent，實(shí)際是將多個(gè)Agent單元的推理和知識(shí)結(jié)合起來，創(chuàng)建多智能系統(tǒng)，以完成對(duì)更復(fù)雜、更大規(guī)模的問題的解決起到重要的作用。

8 基于數(shù)據(jù)挖掘技術(shù)的電力系統(tǒng)故障診斷［57～61］
　　數(shù)據(jù)庫中的知識(shí)發(fā)現(xiàn)的核心技術(shù)——數(shù)據(jù)挖掘(data mining—DM)是近年來國際上較為活躍的研究領(lǐng)域，是人工智能與數(shù)據(jù)庫技術(shù)相結(jié)合的產(chǎn)物。它應(yīng)用一些專門算法從數(shù)據(jù)中抽取出有效的模式，從大量數(shù)據(jù)中發(fā)現(xiàn)潛在規(guī)律，提取有用知識(shí)。DM出發(fā)點(diǎn)是代替專家從大量的數(shù)據(jù)中挖掘出隱含于其中的知識(shí)，它使數(shù)據(jù)存儲(chǔ)技術(shù)進(jìn)入了一個(gè)更高級(jí)的階段。即它不僅利用了數(shù)據(jù)庫的存儲(chǔ)功能，對(duì)過去的數(shù)據(jù)進(jìn)行查詢和遍歷，能回答“什么”(What)；還能夠找出過去數(shù)據(jù)之間的潛在聯(lián)系，挖掘出其背后隱藏著的許多重要信息(這些信息是關(guān)于數(shù)據(jù)的整體特征的描述及對(duì)發(fā)展趨勢的預(yù)測，在決策生成的過程中具有重要的參考價(jià)值)，從而可很好地支持人們的決策，回答出“為什么”(Why)。DM屬于客觀計(jì)算，只和已知數(shù)據(jù)有關(guān)，從而避免了主觀和經(jīng)驗(yàn)因素的影響。因此DM在商業(yè)、工業(yè)領(lǐng)域中已得到了廣泛的應(yīng)用，顯示出了強(qiáng)大的生命力［57～58］。
　　已有研究人員開始將DM技術(shù)引入電力系統(tǒng)故障診斷，并取得了一些成功的經(jīng)驗(yàn)，利用DM技術(shù)用于決策支持和控制［59，60］。如在常規(guī)的電力系統(tǒng)運(yùn)行模式下，需要依賴經(jīng)驗(yàn)豐富的專家，一旦電力系統(tǒng)發(fā)生故障時(shí)，系統(tǒng)中保護(hù)裝置的動(dòng)作信息自動(dòng)傳遞給調(diào)度中心。調(diào)度員則需要根據(jù)經(jīng)驗(yàn)從這些信息中判斷出故障的原因和故障的具體位置，由此來實(shí)施具體的隔離故障和恢復(fù)處理。為了減少損失要在極短時(shí)間內(nèi)完成，這對(duì)調(diào)度員的壓力很大。這種故障處理模式已無法適應(yīng)，特別在信息流量龐大的今天。因任何人面對(duì)2000個(gè)／分鐘數(shù)據(jù)流組成的數(shù)據(jù)表都不可能進(jìn)行有效的處理�；诖植诩腄M方法具較強(qiáng)的定性分析能力［61］，能從給定問題的數(shù)據(jù)分析，通過不可分辨關(guān)系和不可分辨類確定給定問題的近似解，從信息表中去除冗余屬性，獲取該問題的內(nèi)在規(guī)律，即屬性約簡，并能估計(jì)某一屬性的重要程度，得到分類規(guī)則的能力。因此，DM可將每一種狀態(tài)的故障特征提取出來，將其作為調(diào)度人員判斷電力系統(tǒng)處于何種狀態(tài)和如何快速做出故障處理和決策的有力工具。
　　DM技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用目前正處于起步階段，解決如何將DM的算法與診斷對(duì)象相結(jié)合，確定出診斷對(duì)象的診斷模型如分類模型、回歸模型、時(shí)間序列模型、聚類模型、關(guān)聯(lián)模型、序列模型及如何將DM與傳統(tǒng)人工智能技術(shù)相結(jié)合，如獲取對(duì)象的模糊隸屬度是值得進(jìn)一步深入研究探討的課題。

9 智能型電力系統(tǒng)故障診斷總結(jié)
　　本文對(duì)ES、ANN、模糊邏輯推理、GA等各種人工智能技術(shù)在電力系統(tǒng)故障診斷中的應(yīng)用進(jìn)行了概括；從實(shí)用化的觀點(diǎn)，對(duì)各種算法的適用特點(diǎn)進(jìn)行了分析；并指出了人工智能技術(shù)在電力系統(tǒng)故障診斷發(fā)展的新方向和趨勢。

參考文獻(xiàn)

1　Liu Chen ching，Daniela A Pierce，Song Haili．Intellige－nt system applications to power systems［J］．IEEE Computer Applications in Power，1999，10(4)：21－24
2　畢天姝，倪以信，楊奇遜．人工智能技術(shù)在輸電網(wǎng)絡(luò)故障診斷中的應(yīng)用述評(píng)［J］．電力系統(tǒng)自動(dòng)化，2000，24(25)：11－16
3　韓楨祥，文福栓，張琦．人工智能在電力系統(tǒng)中的應(yīng)用［J］．電力系統(tǒng)自動(dòng)化，2000，24(2)：2－10
4　Dillon T S．Expert System Applications in Power Systems［M］．Prentice Hall，1990
5　孫雅明．人工智能基礎(chǔ)［M］．北京：水利電力出版社，1992
6　楊以涵等．專家系統(tǒng)及其在電力系統(tǒng)的應(yīng)用［M］．北京：水利電力出版社，1995
7　Fukul C，et al．An expert system for fault sectionestimation using information from protective relay and circuit breaker［J］．IEEEPWRD，1986，1(4)：83－91
8　Shahram B Jadio，Jeyasurya B，Khaparde SA．Powersystem fault diagnosis expert system using PROLOG［C］．In：4th IEEE Region 10th International Conference－TENCON＇89，1989：778－78
9　Lee Heung Jae，Ahn Bok Shin，Park Young Moon．Afault diagnosis expert system for distributionsubstations［J］．IEEE transaction on power delivery，2000，15(1)
10　Zhou Guozhong，Sun Yaming．An expert system forswitching operation planning in a dispatching centre［J］．Int．Journal of Engineering Intelligent Systemsfor ElectricalEngineering and communication 1994，2(2)：143－150
11　Pietro B，Ulrico C G．Fault diagnosis through historyreconstruction：An application to power transmissionnetworks［J］．Expert Systems with Applications，1997，12(1)：37－52
12　McArthur S D J，Dysko，et al．The application ofmodel based reasoning within a decision supportsystem for protection engineers［J］．IEEETransaction on Power Delivery，1996，11(4)：1748－1754
13　Mcarthur SD J．Knowledge and modelbased decisionsupport for power system protection engineers［C］．In：Proceedings of International Conference onIntelligent Systems Applications to Power Systems，1996：215－219
14　Xu Kali，Zhou Ming，Ren Jianwen．An object－orientedpower system fault diagnosis expert system［C］．In：International Conference on Electrical Engineering，Hong Kong，1999
15　Hasan K，Ramsay B，Moyes I．Object－oriented expertsystem for power system alarm processing and faultidentification［C］：In Mediterranean Electrotechnical Conference－MELECON 3，1994：909－912
16　Chang Shaohung，Lin Muhshenq，et al．Object－oriented expert systems for fault diagnosis［C］．In：International Conference on Systems，Man and Cybernetics，1993，5：102－107
17　Esp D G，Cahill E T．A real time expert system forfault diagnosis on a transmission network［C］．In：Power System Monitoring and Control，Third International Conference on．IEE Conference Pubilcation n 366，1991：237－240
18　Mcdonald JR，etal．Alarm processing and fault diagn－osis using knowledge based systems for transmissionand distribution network control［J].IEEE PWRS,1992,7(3)
19　Phillip Burrell，Dave Inman．An expert system forthe analysis of faults in an electricity supply network－problems and achievements［J］．Journal of Computers in Industry，1998，37：113－123
20　柳青松，夏道止．基于正反向推理的電力系統(tǒng)故障診斷專家系統(tǒng)［J］．電網(wǎng)技術(shù)，1999，23(9)：66－71
21　焦李成．ANN計(jì)算［M］．西安：西安電子科技大學(xué)，1993
22　焦李成．ANN系統(tǒng)理論［M］．西安：西安電子科技大學(xué)，1992
23　楊行峻，鄭君里．人工ANN［M］．北京：高等教育出版社，1992
24　Mohamed EIS，Dagmar N．Artificialneuralnetworkswith applications to power systems，tutorial courseand video．IEEE Power Engineering Society，IEEENeural Network Council and IEEE EducationalActivities，ISBN：0－7803－4010－8，NTSC Product No．HV6957，Piscataway，NJ，1996
25　Chan EH P．Application ofneural－network computingin intelligent alarm processing［C］．In：Proceedings of IEEE Conference PICA，1989：246－251
26　Navarro Victor，et al．Artificial neural networks forpower systems diagnosis［C］．In：IEEE InternationalConference on Neural Networks－Conference Proceedings 1994，6：3738－3743
27　Nagabhushana T N，Chandrasekharaiah H S．Faultdiagnosis of electrical power systems usingincremental radial basis function nets［C］．In：Proceedings of the International Conference onEnergy Management and Power Delivery，EMPD 1995，2：560－564
28　Amjady N．On－line fault diagnosis of power systemsby a new expert system［C］．Canadian Conference onElectrical and Computer Engineering，1998，2：731－733
29　Jongejier A G，etal．Neuralnetwork appllied to alarm processing［C］．In：Proc．of ESAP＇89，Seattle，1989
30　Yang H T，Chang W Y，Huang C L．Power systemdistributed on－line fault section estimation usingdecision tree based neural nets approach［J］．IEEE Transactions on Power Delivery，1995，10(1)：540－546
31　Sun Y，Jiang H，Wang D．Fault synthetic recognitionfor an EHV transmission line using a group ofneural networks with a time－space property［J］．IEE Procee－dings－Generation，Transmission and Distribution，1998，145(3)：265－270
32　Yang H T，Chang W Y，Huang Ch L．On－line faultdiagnosis of power substation using connectionistexpert system［J］．IEEE Transactions on Power Systems，1995，10(1)：323－331
33　Karunakaran R，et al．Artificial neural network as adispatcher＇s aid in alarm processing［C］．In：Proceedings of the First International Forum onApplications of NeuralNetworks to Power Systems，1991：167－173
34　Momoh JA，Ma X W，Tomsovic K．Overview andliterature survey offuzzy settheory in power systems［J］．IEEE Transactions on Power Systems，1995，10(3)：1676－1690
35　王平洋，胡兆光．模糊數(shù)學(xué)在電力系統(tǒng)中的應(yīng)用［M］．北京：中國電力出版社，1998
36　Cho H J，Park JK．An expertsystem for fault sectiondiagnosis of power systems using fuzzy relations［J］．IEEE Transactions on Power Systems，1997，12(1)：342－348
37　Monsef H，Ranjbar A M，Jadid S．Fuzzy rule－basedexpert system for power system fault diagnosis［J］．IEE Proceedings－Generation，Transmission and Distribution，1997，144(2)：186－192
38　Chang C S，Chen JM，Srinivasan D，et al．Fuzzy logicapproach in power system fault section identification［J］．IEE Proceedings－Generation，Transmission and Distribution，1997，144(5)：406－414
39　Chang C S，Chen JM，Liew A C，etal．Power systemfault diagnosis using fuzzy sets for uncertaintiesprocessing［C］．In：Proceedings of 1996 InternationalConference on Intelligent Systems Applications toPower Systems(ISAP＇96)，Orlando(USA)，1996：333－338
40　Tang SK，Dillon T S，Khosla R．Application of anintegrated fuzzy，knowledge－based，connectionistcarchitecture forfaultdiagnosis in powersystems［C］．In：Proceedings of 1996 International Conference onIntelligent Systems Applications to Power Systems(ISAP＇96)，Orlando(USA)，1996：188－193
41　Chow M Y，Yee SO，Taylor LS．Recognizing animal－caused faults in power distribution systems usingartificial neural networks［J］．IEEE Transactions on Power Delivery，1993，8(3)：1268－1273
42　Navarro V，Da Silva A L，Zebulum R S．An integrati－on of neural networks and fuzzy logic for power systems diagnosis［C］．In：Proceedings of InternationalConference on Intelligent Systems Applications toPower Systems(ISAP＇96)，Orlando(USA)：1996：237－241
43　文福栓，韓楨祥等．基于遺傳算法的電力系統(tǒng)故障診斷的解析模型與方法第一模型與方法(一)、(二)、(三)［J］．電力系統(tǒng)自動(dòng)化學(xué)報(bào)，1998，10(3)：1－18
44　Wen Fushuan，Han Zhenxiang．A refined genetic algo－rithm for fault section estimation in power systemsusing the time sequence information of circuitbreakers［J］．Electric Machines and Power Systems，1996，24：801－815
45　Wen Fushuan，Chang C S．A probabilistic approach toalarm processing in power systems using a refinedgenetic algorithm［C］．In：Proceedings ofInternationalConference on Intelligent Systems Applications toPower Systems(ISAP＇96)，Orlando(USA)：1996：14－19
46　Wen Fushuan，Han Zhenxiang．Fault section estimati－on in power systems using a genetic algorithm［J］．Electric Power Systems Research，1995，34：165－172
47　文福栓，邱家駒，韓楨祥．利用斷路器信息診斷電力系統(tǒng)故障的高級(jí)遺傳算法［J］．電工技術(shù)學(xué)報(bào)，1994，11(2)：58－64
48　LaiLL，Sichanie A G，Gwyn BJ．Comparison betweenevolutionary programming and a genetic algorithm forfault－section estimation［J］．IEE Proceedings－Generation，Transmission and Distribution，1998，145(5)：616－620
49　Nagabhushana T N．Chandrasekharaiah H S．Adaptivefault diagnosis of large interconnected powernetworks using genetic algorithms［J］．Journal of the Indian Institute of Science，1997，77(1)：95－106
50　袁崇義．Petri網(wǎng)原理［M］，北京：電子工業(yè)出版社，1998
51　Lo K L，Ng H S，Trecat J．Power systems faultdiagnosis using petri nets［J］．IEE Proceedings－Generations，Transmissions and Distributions，1997，144(3)：231－236
52　Hadjicostis C N，etal．Power system monitoring usingpetri net embeddings［J］．IEE Proceedings－Generation，Transmission and Distribution，2000，147(3)：299－303
53　Wooldridge M J，Jennings N R．Intelligent agent：theory and practice［J］．Knowledge Engineering Reviewing Review．1995，10(2)：115－152
54　吳偉蔚，楊叔子，吳今培．基于智能Agent的故障診斷系統(tǒng)研究［J］，模式識(shí)別與人工智能，2000，13(1)：78－81
55　Sanz－Bobi M A，et al．Multi－agent environment forintelligent diagnosis in power systems［C］．In：IEEE ISAPConference，Budapest，Hungary，2001
56　Mangina E E，et al．Multi－agent system knowledgerepresetation for power plant condition monitoringbased on modallogic［C］．In：IEEE ISAPConference，Budapest，Hungary，2001
57　Fu Y．Data mining：tasks，techniques and applications　�。跩］．IEEEPotentials，1997，16(4)：18－20
58　Fayyad U．Data mining and knowledge discovery：making sense out of data［J］．IEEE Expert Intell．Systems，1996，11(5)：20－25
59　Madan S，Son，Won－Kuk，Bollinger K E．Applicationsof data mining for power systems［C］．In：Proceedingsof IEEE Canadian Conference on Electrical and Computer Engineering，1997，2：403－406
60　廖志偉，孫雅明．?dāng)?shù)據(jù)挖掘技術(shù)及其在電力系統(tǒng)中應(yīng)用的綜述．電力系統(tǒng)及其自動(dòng)化，2001，25(11)：15－19
61　Zhang Qi，Han Zhenxiang，Wen Fushuan．A newapproach for fault diagnosis in power systems basedon rough set theory［C］．In：Proceedings of the 4thInterNational Conference on Advances in Power System Control，Operation and Management，1997

電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)

  本文關(guān)鍵詞：人工智能技術(shù)在電力系統(tǒng)故障診斷中應(yīng)用，由筆耕文化傳播整理發(fā)布。