摘要：隨著電力工業的發展，人工神經元網絡(ANN)在電力系統中獲得了廣泛的應用。本文概述了人工神經元網絡的特點、基本結構以及發展過程，并對ANN在電力系統中的具體應用做了詳細的話述。最后，對人工神經元網絡的發展趨勢和在電力系統中的應用前景進行了展望。

　　關鍵詞：人工神經元網絡(ANN)　電力系統　應用前景　展望

　　人工神經網絡，是一種模范動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型。這種網絡依靠系統的復雜程度，通過調整內部大量節點之間相互連接的關系，從而達到處理信息的目的。人工神經網絡具有自學習和自適應的能力，可以通過預先提供的一批相互對應的輸入一輸出數據，分析掌握兩者之間潛在的規律，最終根據這些規律，用新的輸入數據來推算輸出結果。人工神經網絡具有四個基本特征：非線性、非局限性、非定性、非凸性。人工神經網絡理論，作為人工智能的一個最活躍的分支，其模擬人腦的工作方式，為解決復雜的非線性、不確定性、不確知性系統的問題開創了一個嶄新的途徑，因而在電力系統應用研究中受到了廣泛的關注。

　　1.ANN發展過程

　　1943年，心理學家W.S.McCulloch和數理邏輯學家W.Pitts建立了神經網絡和數學模型，稱為MP模型。他們通過MP模型提出了神經元的形式化數學描述和網絡結構方法，證明了單個神經元能執行邏輯功能，從而開創了人工神經網絡研究的時代。60年代，人工神經網絡得到了進一步發展，更完善的神經網絡模型被提出，其中包括感知器和自適應線性元件等。1982年，美國加州工學院物理學家J.J.Hopfield提出了Hopfield神經網格模型，引入了“計算能量”概念，給出了網絡穩定性判斷。1984年，他又提出了連續時間Hopfield神經網絡模型，為神經計算機的研究做了開拓性的工作，開創了神經網絡用于聯想記憶和優化計算的新途徑，有力地推動了神經網絡的研究。人工神經網絡的研究受到了各個發達國家的重視，美國國會通過決議將1990年1月5日開始的十年定為“腦的十年”，國際研究組織號召它的成員國將“腦的十年”變為全球行為。

　　2.ANN的特點與結構

　　人工神經網絡的研究與發展及神經生理科學、數理科學、信息科和計算機科學等眾多領域，是一種新的信息處理理論。它所特有的信息處理機制，與傳統的數字計算機有著本質的不同。ANN網絡由大量模擬人腦的神經元互連組成，無獨立的用于存儲的信息空間，更沒有單一執行指令的CPU，每個神經元的結構都十分簡單，信息處理與存儲合二為一，通過調整連接權值，由整體狀態來給出響應信息。ANN是一種非線性映射系統，具有強大的模式識別能力，可以對任意復雜狀態或過程進行分類和識別。

　　3.ANN在電力系統中的應用

　　目前，ANN已用于負荷預測，警報處理，控制等方面，它已經從研究階段轉為實際應用。

　　3.1智能控制

　　在電力系統中利用ANN實現智能控制，就是利用其估計和聯想的能力，實現系統狀態與參數的識別和控制，這已在多種控制結構中如自校正控制、模型跟蹤控制、預測控制等控制中得到應用。Y M Park等采用2個BP網絡構成電力系統穩定器(PSS)的模型，其中1個在系統功率擺動中估計發電機的輸出功率。另一個用于判斷并給出控制決策。范澍等應用4層BP網絡對發電機運行方式和系統干擾進行精確在線識別，并以此為基礎設計了一種最優勵磁調節器模型，計算與仿真結果表明，這種調節器比固定點線性勵磁方式具有更強的穩定性能和動態品質，在系統運行方式較大的變化范圍內都能提供很好的控制性能，在大小擾動下均表現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進行電力系統的實時切負荷控制，選用的是多輸入單輸出的單層前向神經網絡，選取185個樣例進行網絡訓練后，在西北電網模擬某線路故障顯示了較好的控制特性。

       3.2優化計算

　　由于ANN能夠建立任意非線性的模型，并適于解決時間序列預報問題，尤其是隨機平穩過程的預報，因此電力系統短期負荷預報是其應用研究的一個重要方面，歐建平等以3個ANN構成負荷與天氣變化量的周、日、時3個預報分析系統，氣象參數和預測周、日、時前某段歷史負荷參數作為網絡的訓練輸入參數，各自產生獨立的預報，再綜合產生最終的預報。姜齊榮等則用ANN建立發電機、勵磁系統和調速系統的詳細模型，把這三部分的模型連接起來并與電力系統網絡接口，形成一個ANN模型與電力系統網絡混聯的系統，這種混聯系統的暫態穩定計算結果與用常規機理模型的計算結果幾乎相同。為實現ANN并行、快速、在線處理電力系統實時計算提供新途徑。

　　3.3故障診斷

　　要保證電力系統的安全運行和實現電力設備由定期檢修轉變為狀態檢修，如何準確地進行電力設備的故障診斷，一直是受關注的焦點之一。而這類故障的征兆錯綜復雜，往往呈現出非線性和不確定性，很難用某一確定的邏輯或算法進行識別。而這種識別恰好是ANN所擅長的。ANN在電機狀態監測與診斷上也獲得了成功的應用。何雨儐等提出一種聯想記憶神經網絡，取零序電流、定子不對稱電流及其變化率等電測參數為故障征兆，通過網絡的聯想能力快速準確地進行電機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題。并且容錯性好，能有效抑制現場噪聲干擾，使診斷系統具有良好的魯棒性。電網故障診斷中，用全局逼近的BP算法完成故障的快速定位，便于控制人員及時處理故障。

　　3.4繼電保護

　　繼電保護是電力系統安全運行的重要保障之一，隨著電力系統的發展，常規的繼電保護技術已經不能完全適應需要。黨德玉提到一種基于小波變換和ANN的保護模型，其輸入特征量經過小波變換，也選用了3個三層的BP網絡用于判斷故障種類，故障性質和故障定位。故障種類和故障性質的判斷正確率可達100％，對線性短路故障的位置判斷正確率為94％，非線性故障(如經非線性過渡電阻接地)的判斷正確率為96％。張海峰等使用3層前向網絡構成變壓器保護模型，取變壓器2端的電流和其他故障特征量進行綜合判斷。經大量樣本訓練后，可準確判斷變壓器的勵磁涌流和各種故障。張津春等介紹了ANN構成的自適應自動重合閘模型，能較好地判別各種情況下瞬時性故障與永久性故障。

　　為了解決用電路方法進行巨量神經元連接無法實現的問題，采用光電集成技術制作的光神經元、光互連器件、光神經芯片也已出現，并成功地應用于模式識別、聯想記憶等方面。此外，ANN在輸電容量限制條件下經濟調度、基于同步相量測量的電壓安全監控、電廠控制、HVDC的電流控制器等方面也得到了研究與應用。

　　4.ANN在電力系統中的發展趨勢

　　ANN在電力系統中應用已做了大量的研究，一但是總體上來說仍停留在理論分析和仿真實驗上，因此必須加強理論研究與實際工程應用的結合，例如可在狀態檢修、在線監測等電力系統有較迫切需求的領域中，尋找實際應用的突破口。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信號進行局部化分析的缺點。同時具有很強的特征值提取功能，特別適用于故障信號的分析，經小波變換處理后的信號作為神經網絡的輸入，可使網絡大大提高抗干擾性并加速收斂。所以小波分析與ANN的結合將在電力系統控制、保護、故障診斷等方而發揮更大的作用。ANN與專家系統和模糊控制的綜合對電力系統這樣一個復雜的動態大系統來說，應用潛力更大。ANN的形象思維能力，專家系統的邏輯思維能力和模糊邏輯這三者的結合，可體現出各自的優勢，互相彌補各自的不足。

　　人工神經網絡特有的非線性適應性信息處理能力，克服了傳統人工智能方法對于直覺，如模式、語音識別、非結構化信息處理方面的缺陷，使之在神經專家系統、模式識別、智能控制、組合優化、預測等領域得到成功應用。人工神經網絡與其它傳統方法相結合，將推動人丁智能和信息處理技術不斷發展。近年來，人工神經網絡正向模擬人類認知的道路上更加深入發展，與模糊系統、遺傳算法、進化機制等結合，形成計算智能，成為人工智能的一個重要方向，將在實際應用中得到發展。將信息幾何應用于人工神經網絡的研究，為人工神經網絡的理論研究開辟了新的途徑。神經計算機的研究發展很快，已有產品進入市場。光電結合的神經計算機為人工神經網絡的發展提供了良好條件。

　　5.總結

　　本文對人工神經網絡結構與特點進行了分析，詳細論述了ANN的優點及其在電力系統中的應用，并對其發展前景做了展望。但是作為一個新興的學科ANN還存在以下問題：受到腦科學研究的限制，由于生理實驗的困難性，因此目前人類對思維和記憶機制的認識還很膚淺，還有很多問題需要解決；還沒有完整成熟的理論體系；還帶有濃厚的策略和經驗色彩；與傳統技術的接口不成熟。在電力系統工業中研制開發通用型價格低廉的ANN芯片是實現ANNT.程應用的重要方面。可以預期，隨著更多的ANN芯片以及神經計算機的出現，必將給ANN及其在電力系統中的應用創造更好的硬件環境。