前言：本站為你精心整理了人工智能技術(shù)在電氣工程自動(dòng)化運(yùn)用范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢。

摘要：分析人工智能技術(shù)發(fā)展情況及概念，全面綜述人工智能技術(shù)在電氣工程中的應(yīng)用，指出人工智能技術(shù)在電氣工程未來(lái)發(fā)展趨勢(shì)。

關(guān)鍵詞：人工智能技術(shù)；電氣工程；機(jī)器學(xué)習(xí)；故障診斷電

氣工程管理是一項(xiàng)非常復(fù)雜的管理系統(tǒng)，如需進(jìn)行電氣線路故障、電器設(shè)備故障分析，這種分析包括定位等信息。此外隨著國(guó)民經(jīng)濟(jì)高速發(fā)展對(duì)用電需求不斷增加，采用傳統(tǒng)管理方式已無(wú)法滿足社會(huì)用電需求,如何解決用電需求與用電管理是當(dāng)前急需解決的問(wèn)題。自上世紀(jì)50年代人工智能出現(xiàn)，加上各種算法、硬件出現(xiàn)更新，人工智能技術(shù)得到前所未有突破，已被廣泛應(yīng)用到醫(yī)療、航空等領(lǐng)域。由于電氣工程包含的領(lǐng)域比較廣，每個(gè)環(huán)節(jié)控制復(fù)雜，使用傳統(tǒng)的管理方式已難以應(yīng)付復(fù)雜的環(huán)境。目前國(guó)內(nèi)外有大量學(xué)者進(jìn)行人工智能技術(shù)在電氣工程自動(dòng)應(yīng)用研究，并取得了階段性成果。

1人工智能技術(shù)發(fā)展

人工智能起源于1956年達(dá)特茅思會(huì)議上圖靈學(xué)者以Snare、LogicTheorist等算法為基礎(chǔ)提出的概念。關(guān)于人工智能觀念尚未形成統(tǒng)一的標(biāo)準(zhǔn)，目前主要以谷歌計(jì)算學(xué)者Peter定義的能夠像人類一樣思考、學(xué)習(xí)的行為。人工智能發(fā)展經(jīng)歷三個(gè)階段：人工智能定義→人工智能第一次浪潮→人工智能第二次→人工智能第三次，第一次與第二次之間出現(xiàn)人工智能低谷、第二次與第三次之間出現(xiàn)人工智能低谷，人工智能第三次后出現(xiàn)了深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等先進(jìn)技術(shù)。人工智能是一門前言交叉學(xué)科，根據(jù)解決問(wèn)題能力可將其劃分為強(qiáng)人工智能、弱人工智能及超強(qiáng)人工智能三個(gè)層次。目前人工智能技術(shù)架構(gòu)是由應(yīng)用層、技術(shù)層、算法層、基礎(chǔ)設(shè)施層組成，應(yīng)用層主要包括金融、交通、游戲等領(lǐng)域應(yīng)用；技術(shù)層包括圖像技術(shù)、語(yǔ)音處理技術(shù)、決策規(guī)劃技術(shù)、數(shù)據(jù)統(tǒng)計(jì)分析技術(shù)等；算法層主要包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)；基礎(chǔ)設(shè)施層主要包括硬件層、分布式架構(gòu)設(shè)計(jì)等。目前人工智能算法應(yīng)用到電氣工程自動(dòng)化算法有神經(jīng)網(wǎng)絡(luò)算法、貝葉斯網(wǎng)絡(luò)算法、支持向量機(jī)機(jī)器學(xué)習(xí)，這些算法能處理非線性復(fù)雜計(jì)算問(wèn)題，能提高管理準(zhǔn)確率。目前人工智能算法在處理電氣故障機(jī)理時(shí)存在學(xué)習(xí)效果不佳問(wèn)題。為此提出新的人工智能算法，主要包括遷移學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等多種機(jī)器學(xué)習(xí)算法。目前新的人工智能技術(shù)主要以深度學(xué)習(xí)為代表，在電氣工程中的應(yīng)用主要表現(xiàn)為：現(xiàn)有的電氣工程管理系統(tǒng)已為人工智能提供了數(shù)據(jù)源，可通過(guò)深入分析海量數(shù)據(jù)為電氣工程管理提供更強(qiáng)的數(shù)據(jù)處理能力；現(xiàn)有電氣管理采用分布式管理，可進(jìn)行設(shè)備故障診斷、數(shù)據(jù)采集，使用新的人工智能方法能提高故障診斷質(zhì)量；傳統(tǒng)電氣工程物理模型較復(fù)雜，導(dǎo)致分析結(jié)果誤差大，使用新算法能提高算法準(zhǔn)確率。

2人工智能技術(shù)在電氣工程自動(dòng)化應(yīng)用

2.1人工智能技術(shù)在電力行業(yè)中應(yīng)用。人工智能技術(shù)在電力行業(yè)中的應(yīng)用主要表現(xiàn)為兩個(gè)階段：第一階段主要是專家系統(tǒng)及人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)的應(yīng)用；第二階段主要表現(xiàn)為人工智能技術(shù)應(yīng)用。從上世紀(jì)80年代專家系統(tǒng)被廣泛應(yīng)用到電力行業(yè)中，主要考慮到靜態(tài)和動(dòng)態(tài)安全分析、電力警報(bào)處理、電力故障診斷、電力運(yùn)行負(fù)荷處理、電力運(yùn)行經(jīng)濟(jì)成本等研究。隨著人工智能技術(shù)應(yīng)用大量學(xué)者將人工智能技術(shù)應(yīng)用到電力行業(yè)中，但大都以硬件和算法進(jìn)行研究，對(duì)電力行業(yè)的發(fā)展沒(méi)有起到實(shí)質(zhì)推動(dòng)作用。近年來(lái)隨著人工智能技術(shù)不斷發(fā)展，其應(yīng)用到電力行業(yè)已進(jìn)入第二階段，除考慮到以往經(jīng)濟(jì)運(yùn)行外還增加了多能源、多負(fù)荷等問(wèn)題，讓電力行業(yè)更智能。張若愚[1]針對(duì)當(dāng)前電力系統(tǒng)暫穩(wěn)態(tài)預(yù)測(cè)中存在運(yùn)行方式、拓?fù)浣Y(jié)構(gòu)發(fā)生較大變化，導(dǎo)致預(yù)測(cè)模型的精度降低、急需新的算法解決該問(wèn)題，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)自適應(yīng)算法，首先利用離線生成的大量暫穩(wěn)樣本訓(xùn)練最終得到訓(xùn)練模型，接著改進(jìn)現(xiàn)有的生長(zhǎng)方法，使用最小均衡樣本集的變步長(zhǎng)生長(zhǎng)方法提高了算法運(yùn)行效率，仿真結(jié)果表明所改進(jìn)的算法能有效提高電力預(yù)測(cè)運(yùn)行效率。范士雄[f21詳細(xì)研究了人工智能技術(shù)在電網(wǎng)故障識(shí)別、電網(wǎng)負(fù)荷預(yù)測(cè)、電網(wǎng)智能決策應(yīng)用場(chǎng)景，結(jié)果表明在電網(wǎng)故障預(yù)測(cè)中可使用卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法進(jìn)行電網(wǎng)故障診斷，可借助先進(jìn)的二維圖像表達(dá)方式進(jìn)行數(shù)據(jù)處理;電網(wǎng)負(fù)荷預(yù)測(cè)是電力運(yùn)行重要指標(biāo)，影響電力負(fù)荷因素較多，目前尚未有準(zhǔn)確的數(shù)學(xué)模型進(jìn)行量化電力負(fù)荷運(yùn)行。在電力負(fù)荷運(yùn)行中可使用機(jī)器學(xué)習(xí)模型進(jìn)行負(fù)荷預(yù)測(cè)，結(jié)果表明使用機(jī)器學(xué)習(xí)能提高預(yù)測(cè)準(zhǔn)確率;目前電網(wǎng)決策中使用大量的調(diào)度人員進(jìn)行調(diào)度管理，面對(duì)日益復(fù)雜的電網(wǎng)調(diào)度管理，調(diào)度人員已很難勝任該工作，使用自然語(yǔ)言處理能夠提高電網(wǎng)智能輔助決策效率。為解決電網(wǎng)人工調(diào)度決策難得問(wèn)題，孫宏斌[3]提出了電網(wǎng)調(diào)度運(yùn)行“領(lǐng)域知識(shí)”模型，所設(shè)計(jì)的模型是由知識(shí)自動(dòng)發(fā)現(xiàn)、管理以及在線應(yīng)用功能組成，由圖2可知電網(wǎng)調(diào)度系統(tǒng)是由關(guān)鍵斷面自動(dòng)發(fā)現(xiàn)、分布式大數(shù)據(jù)、分布式特征、調(diào)度規(guī)則管理構(gòu)建調(diào)度規(guī)則知識(shí)圖譜。

2.2人工智能技術(shù)在電力大數(shù)據(jù)研究中應(yīng)用。電力自動(dòng)化系統(tǒng)目前采用分布式管理方式，系統(tǒng)運(yùn)行過(guò)程中會(huì)有大量數(shù)據(jù)產(chǎn)生，如何管理數(shù)據(jù)質(zhì)量是當(dāng)前急需解決問(wèn)題。黃巨濤[4]針對(duì)電力系統(tǒng)中云存儲(chǔ)問(wèn)題提出了一種基于Docker技術(shù)+Kubernetes集群的人工智能數(shù)據(jù)訓(xùn)練仿真平臺(tái)，所設(shè)計(jì)的平臺(tái)使用MaxResourceUsagePriority優(yōu)選算法提高了電力大數(shù)據(jù)資源利用率。唐文虎[5]詳細(xì)研究了基于數(shù)據(jù)的新一代人工智能技術(shù)，針對(duì)當(dāng)前電力設(shè)備數(shù)量量大、多元異構(gòu)特點(diǎn)，提出使用數(shù)據(jù)驅(qū)動(dòng)的人工智能技術(shù)在電力設(shè)備巡檢、診斷以及預(yù)測(cè)中的應(yīng)用，結(jié)果表明基于數(shù)據(jù)驅(qū)動(dòng)的人工智能核心技術(shù)能深度挖掘海量數(shù)據(jù)中隱含的信息，為電力系統(tǒng)數(shù)據(jù)分析提供了新的思路。綜上，人工智能技術(shù)在電氣工程中應(yīng)用已取得突破應(yīng)用，目前應(yīng)用主要體現(xiàn)在設(shè)備故障診斷中，使用人工智能技術(shù)降低了人工故障排除低效率問(wèn)題，提高了故障診斷效率和質(zhì)量。然而在電氣工程應(yīng)用中智能調(diào)度管理仍是當(dāng)前急需解決的問(wèn)題，未來(lái)利用人工智能技術(shù)進(jìn)行電氣工程調(diào)度控制將有新的突破。面對(duì)電氣工程中海量數(shù)據(jù)如何存儲(chǔ)、分析仍然需要改進(jìn)，將人工智能技術(shù)應(yīng)用到電氣工程管理中是未來(lái)發(fā)展趨勢(shì)。

參考文獻(xiàn)

[1]張若愚,吳俊勇,等.基于遷移學(xué)習(xí)的電力系統(tǒng)暫態(tài)穩(wěn)定自適應(yīng)預(yù)測(cè)[J].電網(wǎng)技術(shù),2020,6.

[2]范士雄,李立新,等.人工智能技術(shù)在電網(wǎng)調(diào)控中的應(yīng)用研究[J].電網(wǎng)技術(shù),2020,2.

[3]孫宏斌,黃天恩,等.面向調(diào)度決策的智能機(jī)器調(diào)度員研制與應(yīng)用[J].電網(wǎng)技術(shù),2020,1.

[4]黃巨濤,鄭杰生,等.基于云平臺(tái)的人工智能開(kāi)源開(kāi)發(fā)平臺(tái)框架研究[J].自動(dòng)化與儀器儀表,2020,7.

[5]唐文虎,牛哲文,等.數(shù)據(jù)驅(qū)動(dòng)的人工智能技術(shù)在電力設(shè)備狀態(tài)分析中的研究與應(yīng)用[J].高電壓技術(shù),2020,9.

作者:宋姍菲 李志翔 單位:浙江雷博人團(tuán)資源開(kāi)發(fā)有限公司 國(guó)網(wǎng)衢州供電公司