（国网吉林检修公司130000）
摘要：随着科技的不断创新和发展，人工智能已经逐渐的渗透到社会的各个行业当中。目前，在电网的故障诊断方面智能技术的运用也变得越来越广泛，包括人工神经网络、专家系统、贝叶斯网络、信息融合技术以及多智能体技术等等。在此，主要探讨主要智能方法的相关概念，并且研究分析了其在电网设备故障诊断领域的应用现状，从实用性的角度去分析了各自的优缺点，针对电网设备故障诊断面临的问题探讨今后的发展趋势。
关键字：电网设备；智能技术；故障诊断；发展趋势；应用
电网设备的故障诊断方法主要就是通过分析和测量在发生故障以后电网中的电压、电流等电气元素发生的变化，以及一些塑壳断路器或者保护装置的动作变化，是否是脱扣或者跳闸等，以此来判定故障的电器件。因此，具有良好的诊断策略就凸显的非常有必要，能够极大的缩短故障的持续时间，防止引起较大的事故。在电网设备发生故障的时候，整个电网的监控系统会采集大量的故障信息，但是如果采用传统的数学模型诊断方法来分析这些信息往往存在较大的弊端，因为其不能很好的保障故障信息分析和处理的准确性、快速性。相对于传统的诊断方法来说，智能技术的引入就具有了非常大的优势。通过智能诊断系统能够模拟、扩展和延伸人类的一些智能行为，弥补传统方法的一些不足，这为电网设备故障诊断领域的发展打下了坚实的基础。
一、电网设备故障诊断系统的常用的智能方法以及应用
1.1基于人工神经网络的电网设备故障诊断方法
人工神经网络主要是通过模拟人类的神经系统然后来进行信息的处理，属于一种数学模型，主要靠输入和输出量相互之间的关系来进行研究，通过大量的处理单元相互的连接最终形成一个复杂的网络系统。目前，前馈神经网络系统在电网设备的故障诊断领域应用非常广泛，最为代表性的是径向神经网络以及BackPropagation神经网络。后者在电网设备故障诊断中非常典型的运用就是：将电网设备中的一些保护装置或者保护断路器等元器件的动作信息当成是神经网络的输入变量，将有可能产生的故障当做输出量，以这种方式来建立故障诊断的模型。通过大量的故障实例最终形成神经网络的样本集合，在训练的时候在神经网络的输入节点输入相应的信号，该信号经过传播然后根据不同的函数连接以及相关的变量计算，这个过程称为学习过程；然后就开始计算输出值，期望值和输出值之间存在误差，那么就会将误差反馈以此来调整权值，直到输出值满足要求为止[1]。
神经网络有非常强大的学习能力，鲁棒性很好，容错的能力比较强，但是也存在相应的缺点：首先就是需要大量的训练样本，但是样本的获取是比较困难的；其次是缺乏自身行为的解释能力；最后就是不太神域处理一些启发式的规则。
1.2基于专家系统的电网设备故障诊断方法
在1968年的时候开发研究出了第一个专家系统，其实就是一种智能的计算机程序，通过运用相关的知识进行推理，以此来解决一些高难度的现实问题。在70年代的时候人们将专家系统引入到电网设备的故障诊断系统领域中，到目前为止这种方法的诊断效果相对来说比较成功。专家系统在电网设备故障诊断中的典型运用就是：首先建立电网设备故障信息的知识库，通过自然语言制定相应的产生式规则，然后根据产生式规则来将相应的知识变成对应的机器语言，通过人机接口储存在前期建立的知识库中；当电网设备发生故障的时候就会将故障信息输入到推理机中，根据当前的故障信息会运用知识库中的知识，按照一定的方法进行相应的推理最终能够识别故障的元器件。
这种诊断方法有效的保障了电网设备故障诊断的实时性和准确性，但是目前专家系统也存在一定的不足：首先就是建立完整的知识库相对来说比较难；其次是容错性有点差，往往很难给出一些正确的判断；最好就是系统的维护难度非常大，知识库要根据现场的实际情况及时的进行更新。
二、电网设备故障智能诊断系统面临的问题以及相关的解决措施
目前，电网设备故障诊断系统面临的主要问题就是：首先就是很多时候的诊断方法在处理一些不完备或者不确定的信息时容错性比较差，而且到目前为止这个问题没有一个比较明确的解决措施；其次就是如前文提到的几种智能故障诊断系统都存在自己的缺陷，在目前的大部分电网设备故障诊断方面只是基于一种的智能方法；再就是电网设备故障智能诊断系统受到网络拓扑结构变化以及电网运行方式变化的影响比较大，因此导致诊断的结果往往不是很理想[2]。目前，国内外相关的专家学者对于电网设备故障诊断的理论研究已经取得了丰硕的成果，我们接下来应该注重如何将理论研究变成实践应用方面，将理论研究转化为实践一直是一个重要的课题。电网设备故障诊断处理功能就是考验这个实用化理论研究的重要途径，这也能够为推进电网设备故障智能系统的发展打下良好的基础。
2.1不断研究多种智能方法相互融合的故障诊断方法
目前很多的电网设备故障诊断系统中都是采用一种的智能方法，如果能够将多种智能技术进行有效的融合，这样就能做到取长补短，同时在这个过程中引入一些新的技术，能够让故障诊断系统的功能更加强大，其诊断的结果也更具正确性和快速性。
2.2研究多数据源信息融合技术的电气设备故障诊断系统
目前，很多的电网设备故障智能诊断系统都是采用的开关量信号，相对来说在容错性、精确性等方面模拟量等信号的优势更加明显。因此，我们应该将不同数据源的模拟量信号以及开关量信号融合到一起，充分的利用这些故障信息，这对于提高诊断结果的有效性起到了积极的作用[3]。
2.3研究分布式的智能技术
在电网设备智能诊断系统中融入分布式的智能技术，能够将大电网进行分区，分布式的进行故障诊断，这能够有效的解决我国大电网设备故障诊断的难题。我国的相关专家在2007年的时候就开始采用贝叶斯网络技术，进行了相关的研究取得了不错的诊断结果。
综上所述，电网设备故障智能诊断系统通过采用智能的方法来进行故障诊断是该领域发展的重要里程碑，而且也取得了一定的成果。但是每种智能方法都不是非常完善，还有一定的缺陷和限制，相对来说其实用化程度不是很高，特别是对于一些不确定信息的处理存在较大的困难，容差性比较差等。因此，我们应该不断加强研究，不断的完善优化，最终提高电网设备故障智能诊断系统的性能，从而提高电网设备故障诊断的整体水平。
参考文献：
[1]边莉，边晨源.电网故障诊断的智能方法综述[J].电力系统保护与控制，2014，42（03）：146-153.
[2]陈勇.智能技术在电网故障诊断中的应用[J].江苏电机工程，2007（04）：39-42.
[3]汤少卿，陈晟.电网故障信息快速集成和智能诊断系统的研究[J].电力自动化设备，2005（01）：85-89.