人工智能技术的发展及其在电力系统故障诊断中的应用

　　对人工神经网络、专家系统、遗传算法、模糊理论等人工智能技术的基本概念进行了简单的介绍， 并从实用化的观点对它们在电力系统故障诊断中的应用特点、存在问题进行分析， 最后指出人工智能技术用于电力系统故障诊断的最新发展动向。

　　电力系统实时故障诊断问题的研究， 一般都是根据在故障过程中， 对某些装置和设备所出现的一系列数字和状态信息量进行分析和推理。在此基础上查出导致系统某种功能失调的原因和性质， 判断故障发生的元件以及预测故障恶化的发展趋势，得出诊断结论。在电力系统的故障诊断 （fau ltdiagno sis of pow er system ——FD 2PS） 方面已开展了不少研究， 传统型的 FD 2PS 研究是在建立被诊断系统网络拓扑结构模型的基础上， 根据发生故障时， 系统结构和参数变化， 导致系统潮流的变化，进而根据潮流计算的变化判断出故障。但潮流计算和分析处理的耗时量大， 会影响诊断速度和快速故障恢复处理。另外正常运行时某些线路潮流值小，接近于0 （如线路轻载运行） ， 故用潮流来判断故障， 也不能保证诊断的准确性。所以电力系统故障诊断用传统的数学方法， 因系统规模、复杂程度和不确定因素等的限制， 系统故障诊断难以达到理想的效果。