摘要：本文簡要介紹了各種人工智能技術在輸配電網絡故障診斷中的應用，分析它們的優缺點，并提出今后的發展方向，以促進該領域的進一步發展。
　　　　
　　引言
　　
　　隨著電網的不斷發展和電力走向市場，人們對電網的安全運行和供電可靠性的要求越來越高。輸配電系統是電力系統中發電廠與電力用戶之間輸送電能與分配電能的中間環節，包括各電壓等級的輸配電線路和變電所，它的故障是不可避免的。而電力系統規模的不斷擴大和各種監控設備的應用使得輸配電網絡故障診斷顯得尤為重要。因為其可靠性指標是影響整個電力系統可靠性的重要因素，其可靠性的改善將給整個電力系統的安全、可靠性和經濟運行帶來巨大的效益。所以研究工作者一直致力于發展*、準確、的自動故障診斷系統。
　　
　　本文簡要介紹了相關的人工智能技術，如專家系統（ES）、人工神經網絡（ANN）、模糊理論（FZ）、遺傳算法（GA），分別對文獻中提出的相應的輸配電網絡故障診斷方法進行述評，提出各種方法的優缺點。
　　
　　1、專家系統
　　
　　專家系統在輸電網絡故障診斷中的典型應用是基于產生式規則的系統，即把保護、斷路器的動作邏輯以及運行人員的診斷經驗用規則表示出來，形成故障診斷專家系統的知識庫，進而根據報警信息對知識庫進行推理，獲得故障診斷的結論。
　　
　　文獻提出了一種知識獲取的多層流式的功能模型，用于產生變電站停電后的恢復方案，原理上有創新。文獻介紹了一個基于專家系統和多媒體技術開發的配電變壓器測試與診斷解釋系統。文獻采用面向對象技術開發了用于保護系統設計的專家系統，著重考慮了保護系統設計與電力網絡本身設計的協調，以確保保護系統是電力系統運行中的一個繼承的和有效的部分。
　　
　　雖然專家系統能夠有效地模擬故障診斷專家完成故障診斷的過程，但是在實際應用中仍存在一定缺陷，其主要問題是知識獲取的瓶頸問題，知識難以維護，以及不能有效地解決故障診斷中許多不確定因素，這些問題大大影響了故障診斷的準確性。
　　
　　2、人工神經網絡
　　
　　人工神經網絡（ANN）是模擬人腦組織結構和人類認知過程的信息處理系統，自1943年提出以來已迅速發展成為與專家系統并列的人工智能技術的另一重要分支。
　　
　　文獻將大型輸電網絡分區，對各個區域分別建立基于BP算法的故障診斷網絡。文獻提出了在原有神經網絡輸入節點的基礎上再增加一特征輸入節點，以反映輸入樣本數據大小的特征量的新方法。文獻則在分析BP算法缺點的基礎上，提出了一種變結構神經網絡的zui大值算法。
　　
　　通過對神經網絡結構或算法的改進在一定程度上可以提高故障診斷的有效性。而由于專家系統方法與神經網絡方法在許多方面可以協調工作、互為補充，因此，如何取長補短將神經網絡技術與故障診斷專家系統融為一體，以彌補診斷中的不足，并提供新的診斷技術和方法，具有很大的潛力和廣闊的應用前景，是值得我們深入探討和研究的。
　　
　　3、模糊理論
　　
　　輸電網絡故障診斷的不確定因素對于要求嚴格匹配搜索的專家系統來說，很容易導致錯誤的結果。當在專家系統中融入模糊理論后，由推理變為近似推理，在相當程度上增強了專家系統的容錯性。
　　
　　文獻應用多目標模糊決策方法進行故障測距與故障類型辨識，并做了現場測試。文獻研究了在配電網絡中，當每個設備的運行狀況可以大致知道時，如何決定其適當的維修水平，以兼顧運行安全和維修成本。先用模糊集方法描述設備的運行狀況，之后構造了決定適當維護水平的模糊現行規劃模型。
　　
　　由于一般的模糊系統采用了與專家系統類似的結構，所以它也具有專家系統的一些固有缺陷：a.模糊系統在推理時也要搜索知識庫內一定的規則集才能得出診斷結論，所以當系統比較大時完成診斷的速度也比較慢。b.當輸電網絡的結構或自動裝置的配置發生變化時，模糊系統的知識庫或相關規則的模糊度也要進行相應的修改，即模糊系統也存在維護的問題。c.模糊系統也不具備學習能力。
　　
　　4、遺傳算法
　　
　　遺傳算法是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尋優搜索算法。它能在復雜而龐大的搜索空間中自適應地搜索，尋找出*或準*解，且算法簡單、適用、魯棒性強。
　　
　　文獻嘗試使用遺傳算法解決輸電網絡故障診斷問題。文章建立了根據報警信息估計故障點的數學模型，并從診斷結果應該能夠盡可能解釋所有報警信息的角度出發，給出了故障診斷問題的適應度函數，從而將輸電網絡故障診斷問題轉化為0～1整數規劃問題。
　　
　　遺傳算法從優化的角度出發基本上可以解決故障診斷問題，但是如何建立合理的輸電網絡故障診斷模型是使用遺傳算法的主要“瓶頸”。
　　
　　5、結語
　　
　　本文分析了近年來專家系統、人工神經網絡、模糊理論等人工智能技術在輸配電網絡故障診斷中的優缺點，從中可以看出，依靠單一智能技術的故障診斷已難以滿足復雜的輸配電網絡診斷的全部任務要求，因此，將多種不同的智能技術結合起來的混合診斷系統是智能化故障診斷研究的一個發展趨勢。