木森电气带你涨姿势：电力故障诊断中的人工智能技术

随着人工智能理论的出现及其在电力变压器故障诊断中的成功应用，为电力变压器故障诊断技术开拓了新的途径。利用人工智能的理论和方法，将电力维护人员关于电力变压器故障诊断的经验和知识加以系统化，形成电力变压器故障诊断与检修的知识库，有利于电力变压器故障诊断知识的积累及扩大。

目前几种应用较多的智能技术包括专家系统、神经网络、遗传算法等。但由于各种人工智能技术或多或少都存在一些不足，所以需要各种智能技术的相互结合、取长补短，例如人工神经网络与专家系统相融合以及模糊知识表达、推理与专家系统融合等。这些方法或多或少的提高了故障诊断的正判率，但是在实际中的应用，其实用性、可靠性等都还存在些许问题。随着传感技术以及信息处理技术的不断发展，人工智能技术在电力变压器故障诊断中的应用将有更大的发展。

一、故障诊断中的推理技术

一般来说，良好的电力变压器故障诊断要求对电力变压器的结构认识相当透彻，并且对电力变压器的设计、制造及工艺均有一定的了解；丰富的生产运行及现场诊断、维修经验更是至关重要。所以说电力变压器的故障诊断是一项经验性很强的工作。目前，主要的推理方法依据获得的故障信息而定，可以分为以下几种：

（1）简单阐值比较法

简单阐值比较法主要是指将已经测得的参数与设定的标准值进行比较，若偏离标准值一点范围，就判定设备出现故障或提醒注意。此方法在我国规程以及各地现场规程中大量采用。该方法形式简单、目标明确、容易操作，所以推理效率很高。但是简单阐值比较法难以对全国各地的各种情况进行统一而合理的规定，致使简单阐值比较法显得过于绝对化。针对上述不足，提出了变化率判断法和相同运行条件下同类设备比较法等。根据上述方法进行判断虽然改善了电力变压器故障诊断的准确性和灵敏度，但本质上仍是阐值比较法。为了更好地解决电力变压器故障判断标准绝对化的问题，开始对电力变压器故障信息进行了模糊处理，并取得了良好的效果。

（2）复杂模式识别

对于类似于局部放电等试验而言，单纯的利用简单的阀值比较并不能够满足电力变压器故障诊断的要求。因为有些故障测得的不是单一值，而是一组相互之间具有复杂内在联系的数据，这种数据包含着故障的大部分信息，用简单的产生式规则及其组合进行故障诊断一般难以取得较好的效果。这类故障信息只有通过适当的模式识别，才能对电力变压器故障进行较好识别。

（3）综合故障诊断方法

从指导现场电力变压器的运行及维修来看，仅仅能够诊断出电力变压器已经发生或将要发生故障，有时候是不够的，很多情况还希望能够指明电力变压器故障发生的部位及其严重程度，这就要求利用全面的信息对其进行综合分析以便得出更为准确的诊断结果。在综合诊断方面，利用证据理论以及人工神经网络构建了电力变压器故障诊断的多级决策模型，能够较好地模拟人类专家的不确定推理过程。

以上文章是木森电气带你涨姿势：电力故障诊断中的人工智能技术全部内容，感谢阅读。