摘要：隨著電力工業(yè)的發(fā)展，人工神經(jīng)元網(wǎng)絡(luò)(ANN)在電力系統(tǒng)中獲得了廣泛的應(yīng)用。本文概述了人工神經(jīng)元網(wǎng)絡(luò)的特點(diǎn)、基本結(jié)構(gòu)以及發(fā)展過(guò)程，并對(duì)ANN在電力系統(tǒng)中的具體應(yīng)用做了詳細(xì)的話述。最后，對(duì)人工神經(jīng)元網(wǎng)絡(luò)的發(fā)展趨勢(shì)和在電力系統(tǒng)中的應(yīng)用前景進(jìn)行了展望。

　　關(guān)鍵詞：人工神經(jīng)元網(wǎng)絡(luò)(ANN)　電力系統(tǒng)　應(yīng)用前景　展望

　　人工神經(jīng)網(wǎng)絡(luò)，是一種模范動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)的能力，可以通過(guò)預(yù)先提供的一批相互對(duì)應(yīng)的輸入一輸出數(shù)據(jù)，分析掌握兩者之間潛在的規(guī)律，最終根據(jù)這些規(guī)律，用新的輸入數(shù)據(jù)來(lái)推算輸出結(jié)果。人工神經(jīng)網(wǎng)絡(luò)具有四個(gè)基本特征：非線性、非局限性、非定性、非凸性。人工神經(jīng)網(wǎng)絡(luò)理論，作為人工智能的一個(gè)最活躍的分支，其模擬人腦的工作方式，為解決復(fù)雜的非線性、不確定性、不確知性系統(tǒng)的問(wèn)題開(kāi)創(chuàng)了一個(gè)嶄新的途徑，因而在電力系統(tǒng)應(yīng)用研究中受到了廣泛的關(guān)注。

　　1.ANN發(fā)展過(guò)程

　　1943年，心理學(xué)家W.S.McCulloch和數(shù)理邏輯學(xué)家W.Pitts建立了神經(jīng)網(wǎng)絡(luò)和數(shù)學(xué)模型，稱為MP模型。他們通過(guò)MP模型提出了神經(jīng)元的形式化數(shù)學(xué)描述和網(wǎng)絡(luò)結(jié)構(gòu)方法，證明了單個(gè)神經(jīng)元能執(zhí)行邏輯功能，從而開(kāi)創(chuàng)了人工神經(jīng)網(wǎng)絡(luò)研究的時(shí)代。60年代，人工神經(jīng)網(wǎng)絡(luò)得到了進(jìn)一步發(fā)展，更完善的神經(jīng)網(wǎng)絡(luò)模型被提出，其中包括感知器和自適應(yīng)線性元件等。1982年，美國(guó)加州工學(xué)院物理學(xué)家J.J.Hopfield提出了Hopfield神經(jīng)網(wǎng)格模型，引入了“計(jì)算能量”概念，給出了網(wǎng)絡(luò)穩(wěn)定性判斷。1984年，他又提出了連續(xù)時(shí)間Hopfield神經(jīng)網(wǎng)絡(luò)模型，為神經(jīng)計(jì)算機(jī)的研究做了開(kāi)拓性的工作，開(kāi)創(chuàng)了神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶和優(yōu)化計(jì)算的新途徑，有力地推動(dòng)了神經(jīng)網(wǎng)絡(luò)的研究。人工神經(jīng)網(wǎng)絡(luò)的研究受到了各個(gè)發(fā)達(dá)國(guó)家的重視，美國(guó)國(guó)會(huì)通過(guò)決議將1990年1月5日開(kāi)始的十年定為“腦的十年”，國(guó)際研究組織號(hào)召它的成員國(guó)將“腦的十年”變?yōu)槿蛐袨椤?/p>

　　2.ANN的特點(diǎn)與結(jié)構(gòu)

　　人工神經(jīng)網(wǎng)絡(luò)的研究與發(fā)展及神經(jīng)生理科學(xué)、數(shù)理科學(xué)、信息科和計(jì)算機(jī)科學(xué)等眾多領(lǐng)域，是一種新的信息處理理論。它所特有的信息處理機(jī)制，與傳統(tǒng)的數(shù)字計(jì)算機(jī)有著本質(zhì)的不同。ANN網(wǎng)絡(luò)由大量模擬人腦的神經(jīng)元互連組成，無(wú)獨(dú)立的用于存儲(chǔ)的信息空間，更沒(méi)有單一執(zhí)行指令的CPU，每個(gè)神經(jīng)元的結(jié)構(gòu)都十分簡(jiǎn)單，信息處理與存儲(chǔ)合二為一，通過(guò)調(diào)整連接權(quán)值，由整體狀態(tài)來(lái)給出響應(yīng)信息。ANN是一種非線性映射系統(tǒng)，具有強(qiáng)大的模式識(shí)別能力，可以對(duì)任意復(fù)雜狀態(tài)或過(guò)程進(jìn)行分類(lèi)和識(shí)別。

　　3.ANN在電力系統(tǒng)中的應(yīng)用

　　目前，ANN已用于負(fù)荷預(yù)測(cè)，警報(bào)處理，控制等方面，它已經(jīng)從研究階段轉(zhuǎn)為實(shí)際應(yīng)用。

　　3.1智能控制

　　在電力系統(tǒng)中利用ANN實(shí)現(xiàn)智能控制，就是利用其估計(jì)和聯(lián)想的能力，實(shí)現(xiàn)系統(tǒng)狀態(tài)與參數(shù)的識(shí)別和控制，這已在多種控制結(jié)構(gòu)中如自校正控制、模型跟蹤控制、預(yù)測(cè)控制等控制中得到應(yīng)用。Y M Park等采用2個(gè)BP網(wǎng)絡(luò)構(gòu)成電力系統(tǒng)穩(wěn)定器(PSS)的模型，其中1個(gè)在系統(tǒng)功率擺動(dòng)中估計(jì)發(fā)電機(jī)的輸出功率。另一個(gè)用于判斷并給出控制決策。范澍等應(yīng)用4層BP網(wǎng)絡(luò)對(duì)發(fā)電機(jī)運(yùn)行方式和系統(tǒng)干擾進(jìn)行精確在線識(shí)別，并以此為基礎(chǔ)設(shè)計(jì)了一種最優(yōu)勵(lì)磁調(diào)節(jié)器模型，計(jì)算與仿真結(jié)果表明，這種調(diào)節(jié)器比固定點(diǎn)線性勵(lì)磁方式具有更強(qiáng)的穩(wěn)定性能和動(dòng)態(tài)品質(zhì)，在系統(tǒng)運(yùn)行方式較大的變化范圍內(nèi)都能提供很好的控制性能，在大小擾動(dòng)下均表現(xiàn)出很好的阻尼特性和良好的電壓性能。袁宇春等提出了用ANN進(jìn)行電力系統(tǒng)的實(shí)時(shí)切負(fù)荷控制，選用的是多輸入單輸出的單層前向神經(jīng)網(wǎng)絡(luò)，選取185個(gè)樣例進(jìn)行網(wǎng)絡(luò)訓(xùn)練后，在西北電網(wǎng)模擬某線路故障顯示了較好的控制特性。

       3.2優(yōu)化計(jì)算

　　由于ANN能夠建立任意非線性的模型，并適于解決時(shí)間序列預(yù)報(bào)問(wèn)題，尤其是隨機(jī)平穩(wěn)過(guò)程的預(yù)報(bào)，因此電力系統(tǒng)短期負(fù)荷預(yù)報(bào)是其應(yīng)用研究的一個(gè)重要方面，歐建平等以3個(gè)ANN構(gòu)成負(fù)荷與天氣變化量的周、日、時(shí)3個(gè)預(yù)報(bào)分析系統(tǒng)，氣象參數(shù)和預(yù)測(cè)周、日、時(shí)前某段歷史負(fù)荷參數(shù)作為網(wǎng)絡(luò)的訓(xùn)練輸入?yún)?shù)，各自產(chǎn)生獨(dú)立的預(yù)報(bào)，再綜合產(chǎn)生最終的預(yù)報(bào)。姜齊榮等則用ANN建立發(fā)電機(jī)、勵(lì)磁系統(tǒng)和調(diào)速系統(tǒng)的詳細(xì)模型，把這三部分的模型連接起來(lái)并與電力系統(tǒng)網(wǎng)絡(luò)接口，形成一個(gè)ANN模型與電力系統(tǒng)網(wǎng)絡(luò)混聯(lián)的系統(tǒng)，這種混聯(lián)系統(tǒng)的暫態(tài)穩(wěn)定計(jì)算結(jié)果與用常規(guī)機(jī)理模型的計(jì)算結(jié)果幾乎相同。為實(shí)現(xiàn)ANN并行、快速、在線處理電力系統(tǒng)實(shí)時(shí)計(jì)算提供新途徑。

　　3.3故障診斷

　　要保證電力系統(tǒng)的安全運(yùn)行和實(shí)現(xiàn)電力設(shè)備由定期檢修轉(zhuǎn)變?yōu)闋顟B(tài)檢修，如何準(zhǔn)確地進(jìn)行電力設(shè)備的故障診斷，一直是受關(guān)注的焦點(diǎn)之一。而這類(lèi)故障的征兆錯(cuò)綜復(fù)雜，往往呈現(xiàn)出非線性和不確定性，很難用某一確定的邏輯或算法進(jìn)行識(shí)別。而這種識(shí)別恰好是ANN所擅長(zhǎng)的。ANN在電機(jī)狀態(tài)監(jiān)測(cè)與診斷上也獲得了成功的應(yīng)用。何雨儐等提出一種聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)，取零序電流、定子不對(duì)稱電流及其變化率等電測(cè)參數(shù)為故障征兆，通過(guò)網(wǎng)絡(luò)的聯(lián)想能力快速準(zhǔn)確地進(jìn)行電機(jī)早期故障的雙向診斷，能有效地處理各種模式并存的故障診斷問(wèn)題。并且容錯(cuò)性好，能有效抑制現(xiàn)場(chǎng)噪聲干擾，使診斷系統(tǒng)具有良好的魯棒性。電網(wǎng)故障診斷中，用全局逼近的BP算法完成故障的快速定位，便于控制人員及時(shí)處理故障。

　　3.4繼電保護(hù)

　　繼電保護(hù)是電力系統(tǒng)安全運(yùn)行的重要保障之一，隨著電力系統(tǒng)的發(fā)展，常規(guī)的繼電保護(hù)技術(shù)已經(jīng)不能完全適應(yīng)需要。黨德玉提到一種基于小波變換和ANN的保護(hù)模型，其輸入特征量經(jīng)過(guò)小波變換，也選用了3個(gè)三層的BP網(wǎng)絡(luò)用于判斷故障種類(lèi)，故障性質(zhì)和故障定位。故障種類(lèi)和故障性質(zhì)的判斷正確率可達(dá)100％，對(duì)線性短路故障的位置判斷正確率為94％，非線性故障(如經(jīng)非線性過(guò)渡電阻接地)的判斷正確率為96％。張海峰等使用3層前向網(wǎng)絡(luò)構(gòu)成變壓器保護(hù)模型，取變壓器2端的電流和其他故障特征量進(jìn)行綜合判斷。經(jīng)大量樣本訓(xùn)練后，可準(zhǔn)確判斷變壓器的勵(lì)磁涌流和各種故障。張津春等介紹了ANN構(gòu)成的自適應(yīng)自動(dòng)重合閘模型，能較好地判別各種情況下瞬時(shí)性故障與永久性故障。

　　為了解決用電路方法進(jìn)行巨量神經(jīng)元連接無(wú)法實(shí)現(xiàn)的問(wèn)題，采用光電集成技術(shù)制作的光神經(jīng)元、光互連器件、光神經(jīng)芯片也已出現(xiàn)，并成功地應(yīng)用于模式識(shí)別、聯(lián)想記憶等方面。此外，ANN在輸電容量限制條件下經(jīng)濟(jì)調(diào)度、基于同步相量測(cè)量的電壓安全監(jiān)控、電廠控制、HVDC的電流控制器等方面也得到了研究與應(yīng)用。

　　4.ANN在電力系統(tǒng)中的發(fā)展趨勢(shì)

　　ANN在電力系統(tǒng)中應(yīng)用已做了大量的研究，一但是總體上來(lái)說(shuō)仍停留在理論分析和仿真實(shí)驗(yàn)上，因此必須加強(qiáng)理論研究與實(shí)際工程應(yīng)用的結(jié)合，例如可在狀態(tài)檢修、在線監(jiān)測(cè)等電力系統(tǒng)有較迫切需求的領(lǐng)域中，尋找實(shí)際應(yīng)用的突破口。近幾年興起的小波變換方法，由于其克服了傅里葉變換不能對(duì)信號(hào)進(jìn)行局部化分析的缺點(diǎn)。同時(shí)具有很強(qiáng)的特征值提取功能，特別適用于故障信號(hào)的分析，經(jīng)小波變換處理后的信號(hào)作為神經(jīng)網(wǎng)絡(luò)的輸入，可使網(wǎng)絡(luò)大大提高抗干擾性并加速收斂。所以小波分析與ANN的結(jié)合將在電力系統(tǒng)控制、保護(hù)、故障診斷等方而發(fā)揮更大的作用。ANN與專(zhuān)家系統(tǒng)和模糊控制的綜合對(duì)電力系統(tǒng)這樣一個(gè)復(fù)雜的動(dòng)態(tài)大系統(tǒng)來(lái)說(shuō)，應(yīng)用潛力更大。ANN的形象思維能力，專(zhuān)家系統(tǒng)的邏輯思維能力和模糊邏輯這三者的結(jié)合，可體現(xiàn)出各自的優(yōu)勢(shì)，互相彌補(bǔ)各自的不足。

　　人工神經(jīng)網(wǎng)絡(luò)特有的非線性適應(yīng)性信息處理能力，克服了傳統(tǒng)人工智能方法對(duì)于直覺(jué)，如模式、語(yǔ)音識(shí)別、非結(jié)構(gòu)化信息處理方面的缺陷，使之在神經(jīng)專(zhuān)家系統(tǒng)、模式識(shí)別、智能控制、組合優(yōu)化、預(yù)測(cè)等領(lǐng)域得到成功應(yīng)用。人工神經(jīng)網(wǎng)絡(luò)與其它傳統(tǒng)方法相結(jié)合，將推動(dòng)人丁智能和信息處理技術(shù)不斷發(fā)展。近年來(lái)，人工神經(jīng)網(wǎng)絡(luò)正向模擬人類(lèi)認(rèn)知的道路上更加深入發(fā)展，與模糊系統(tǒng)、遺傳算法、進(jìn)化機(jī)制等結(jié)合，形成計(jì)算智能，成為人工智能的一個(gè)重要方向，將在實(shí)際應(yīng)用中得到發(fā)展。將信息幾何應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)的研究，為人工神經(jīng)網(wǎng)絡(luò)的理論研究開(kāi)辟了新的途徑。神經(jīng)計(jì)算機(jī)的研究發(fā)展很快，已有產(chǎn)品進(jìn)入市場(chǎng)。光電結(jié)合的神經(jīng)計(jì)算機(jī)為人工神經(jīng)網(wǎng)絡(luò)的發(fā)展提供了良好條件。

　　5.總結(jié)

　　本文對(duì)人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與特點(diǎn)進(jìn)行了分析，詳細(xì)論述了ANN的優(yōu)點(diǎn)及其在電力系統(tǒng)中的應(yīng)用，并對(duì)其發(fā)展前景做了展望。但是作為一個(gè)新興的學(xué)科ANN還存在以下問(wèn)題：受到腦科學(xué)研究的限制，由于生理實(shí)驗(yàn)的困難性，因此目前人類(lèi)對(duì)思維和記憶機(jī)制的認(rèn)識(shí)還很膚淺，還有很多問(wèn)題需要解決；還沒(méi)有完整成熟的理論體系；還帶有濃厚的策略和經(jīng)驗(yàn)色彩；與傳統(tǒng)技術(shù)的接口不成熟。在電力系統(tǒng)工業(yè)中研制開(kāi)發(fā)通用型價(jià)格低廉的ANN芯片是實(shí)現(xiàn)ANNT.程應(yīng)用的重要方面。可以預(yù)期，隨著更多的ANN芯片以及神經(jīng)計(jì)算機(jī)的出現(xiàn)，必將給ANN及其在電力系統(tǒng)中的應(yīng)用創(chuàng)造更好的硬件環(huán)境。