摘要：随着科学技术的发展和进步，智能化的普及让电网系统在发展过程中更符合时代的特点和人们的需求，很多智能算法被应用到电网的日常运作中，这给管理人员提供了很大的便利。但是当出现电网故障的时候，及时地做出诊断并快速处理这些问题也是智能算法中需要涉及的内容。文章对电网故障诊断中的一些算法进行理论分析，并指出其中存在的优势和弊端，对其未来的发展趋势进行一定的预判。
关键词：电网;故障诊断;人工智能;发展趋势
1电网故障诊断的智能方法研究现状
1.1基于专家系统的故障诊断方法
在电网故障诊断方法中，专家系统是比较具有实时性的一种诊断方法，也是电网故障诊断中的典型应用。该方法首先对电网中的故障信息等进行知识库的储备和建立，并且用自然语言转换成产生式规则;其次，知识库中的知识也将转换成机器语言存储到知识库中，基于刚刚的产生式规则，在电网出现故障的时候，将故障信息传达到推理机中，随后，推理机根据收到的故障信息，再结合知识库中储备的相关故障知识，对故障进行排查和推测，按照一定的策略进行运算，最终识别出故障元件。
当前专家系统是根据建立知识库，并通过故障信息并结合知识库中的知识推算出故障元件，具有一定的时效性，而且也能够很有效地帮助管理人员排查电网中的故障。但是专家系统也存在着一些不足之处：首先知识库中的知识是人力传输到计算机中的，这其中会存在一定的误差和信息的不足，因为难以建立起比较完整且足够强大的知识库;其次，电网的故障有时候比较复杂，而专家系统对于故障的处理具有一定的限制，因此容易出现一些容错性较差的情况;另外，对于建立的知识库需要及时更新和改进才能够一直服务于电网故障的诊断工作，这对于管理人员来讲，维护起来的难度系数极大。
对于专家系统的未来，需要进行很多地方的改进，首先要变的更加智能，因此，和智能技术的结合是一种比较有效的操作方式，从而来弥补专家系统现有的不足。其次，单一的专家系统具有一定的局限性，在推算电网故障的过程中容易出现很多失误，因此，智能化的技术结合电网故障诊断，从而建立起协同式的专家故障体系。
1.2基于人工神经网络的故障诊断
人工神经网络是模拟的人类神经系统进行的故障诊断算法，主要的原理是通过连接多个处理单元，形成复杂的神经结构，从而处理更加复杂以及多变的电网故障，对于神经网络在电网故障中的诊断来讲，其主要的优势是具有强大的学习能力，可以对其进行一定程度的训练，强化其推算功能。而且具有一定的推断能力，可以对未知或者是已经发生的故障进行及时的解决。在目前关于神经网络处理系统中，应用较为常见的是前馈神经网络，它所应用的分析方法对神经网络进行一定的优化，在诊断故障的时候可以大量缩减输入信息，从而也节约了对于样本系统训练的时间，对比来讲，是神经网络中较为先进的一种算法。
目前的神经网络虽然已经具有一定的学习能力，并且可以通过优化和升级降低错误出现的几率，但是仍然存在一些缺点，比如在进行神经网络训练的时候需要大量的样本进行实现，而其中较为优质的样本对于整个训练来讲是非常有难度的，其次，神经网络对于一些故障的推理还存在局限性，而且对于自身的工作过程还没有足够好的解释。在今后神经网络的更新中，需要研究人员重点关注的问题是对于训练过程中比较有价值样本的采集和引用以及对于自身推理诊断过程的解释，这样才能够满足于更大范围电网的故障诊断。
1.3基于贝叶斯网络的故障诊断方法
貝叶斯网络的一个非常重要的作用就是可以对于电网中由于一些不确定原因导致的故障有明显的判断作用，这是因为他具有非常严格的知识基础，可以表示和推算一些不确定性的模型，从而完成对不确定因素的推断，这在电网故障诊断中具有非常重要的应用价值。主要是对电网中的故障信息进行分层排查，对于其中最有可能出现故障的地方进行属性优选，随后采用网络模型，最终进行准确地故障诊断。另外，在贝叶斯网络中还可以结合一些检测设备，通过对这些设备中传达的数据信息，可以对电网故障进行一些预测，从而人进行及时地处理，对可能出现故障的元件进行认知识别，并且准确判断故障所在的元件，对一个或者多个元件的故障进行推断。
贝叶斯网络的诊断模型非常清晰，而且直观的展现了诊断原理，对于不确定的因素和不准确的信息可以很好地完成诊断，但是，其中的一些数据范围或者是阈值需要大量的实验观察以及数据分析才能得出，这比较耗费时间和精力，而且贝叶斯的训练属于极具难度的问题，而且对于后期的故障处理也是一件困难的事情，再后来，研究人员的努力方向应该是实现贝叶斯网络的自动训练和模型自主，可以尝试和智能化信息技术等结合起来进行完善和优化。
1.4基于优化技术的故障诊断
优化技术的诊断包含很多算法，目前在电网故障诊断中也具有比较好的应用，它的推理可以根据元件与断路器的关系，将电网故障转化为数学问题实现的，大大提高了诊断的准确性。
由于优化技术的特点，因此在诊断中非常的严谨，但是也存在一定的不足，首先是寻找目标函数难度较大，诊断过程重复负责，耗时间比较长，在计算过程中容易由于算法复杂，在迭代的过程中容易失去最优解，在未来的研究中，要建立更加全面的数学模型，并且能简化迭代过程，从而快速地排查电网故障。
1.5基于支持向量机的故障诊断方法
向量机是一种全新的诊断算法，有效的对传统的分类算法进行优化，在故障诊断，错误识别以及文本等多个领域都有着非常重要的应用。其主要实现的是对故障元件以及非故障元件的分类，而这也是故障诊断最本质的内容。但是向量机是一种非常具有针对性的分类，通过粒子群优化算法与支持向量机的诊断模型相结合，从而推算出电网中的故障所在。但是在支持向量机的算法中，使用的中心函数的好坏将会直接影响电网诊断的结果，包括其准确判断故障元件以及显示故障的信息等，所以采用综合型的模糊向量机是值得选择的一种诊断方法，因为有些参数的动态选取可以帮助解决不确定的故障信息。
支持向量机具有非常严谨的理论依据，可以有效实现故障的分类，而且改善了以往分类方法的缺陷，对于样本很少的情况下，可以让故障得到比较准确的诊断。而下一步相关的研究，则应该将重点放在对于算法的优化上，可以让诊断的过程以及耗费的时间更加满足人们的需求，相信对着技术的深入，该诊断方法将会被多数电网故障诊断所应用。
1.6基于信息融合技术的故障诊断
信息融合技术是对大量的数据进行整合，通过采集到的不同的数据进行不同算法的分析和处理，最终得到综合推断的结果，便是对应的故障来源。这相比单一的故障诊断精确度要更高一点，在目前的电网诊断过程中，这种技术已经被广泛的使用，并且能够很好地工作于电网诊断的工作中。
但是今后对该技术的改进时，要专注于对于单一数据源信息不完整的情况下，怎样避免一些故障误判的情况，从而提高电网故障诊断的准确性，其次，信息融合技术也将被应用于更加广泛的网络故障诊断中，从而提高在实际中应用时的工作效率。
2新形势下的发展方向
2.1调控大数据背景下，故障诊断数据信息的分析挖掘
调控大数据是大数据技术结合其中的理念以及应用的方法，在电网系统领域中的应用。数据的种类繁多，在各处电网调度中心收集的数据数以万计，包括各类开关、电压电流等参数以及其故障信息等。在调控大数据的背景下，各类故障以及传输的信息和数据形式各异，相互影响，而且在每个信息监测系统中，都以独立的方式存在。目前调控大数据面对的难题是，如何有效且高效的处理不同来源、不同形式、不同种类的电网数据信息，并且进行快速地处理分析，并找到电网中故障元件，这需要研究人员对调控大数据进行深入的挖掘和利用。
为了实现上述目的，研究人员可以从以下几个方面出发：第一，可采用对数据进行分类的方式，对具有一定特征和特点的数据进行提取，对提取后的数据进行着重分析和深度学习，从而提升数据处理的效率。第二，开展数据驱动分析的研究，以尽快解决对于不同元件和结构等地方的问题。第三，通过并行算法的研究，將数据进行深度挖掘，从而提升数据包括的范围以及被研究的范围，提升计算效率。
2.2多级协同分布式电网故障诊断模式的研究
随着近年来智能电网的建设，电网的结构以及运行变得更加复杂和更具规模，由于单独电网故障诊断的模式已经落后于时代的发展，因此多级协同诊断越来越需要重视，不仅可以实现电网故障的集中诊断，还能够让电网调控中心更好地与各级调控中心进行交流，从而提高电网故障诊断的效率，协同式故障诊断也节省了大量的物料成本，让电网故障诊断系统更具有强大的延展性。多级协同分布诊断将各级调控中心按照一定的结构和模式进行分布，形成上级上级调控中心到下级调控中心再到变电站的相关层次，进而进行分级诊断，下级的诊断结果可以传输到下级，上级通过下级的数据进行本级的诊断，这样的一个诊断过程，从而对电网全部级别进行诊断，形成完整的诊断系统，这对由于很多复杂的数据而形成的高难度诊断模型有一定的作用，从而提高了诊断性能，这在一定程度上能较好地满足时代的发展对电网诊断过程的一些需求，但是针对该技术，还没有过于成熟的研究，比如各级别之间的交流、数据传输以及如何合理科学地排列各级别电网故障诊断系统，都是需要深入解决的问题。
2.3基于态势感知技术的电网故障诊断系统实用化研究
在电网故障的诊断中，态势感知就是让电网调度人员可以预测到电网事故可能发生的原因，并且可以准确再现故障的整个发生过程，从而及时处理，防止事故进一步严重。这种在线的故障诊断是电网故障诊断中最值得研究和关注的问题，能够对自动化平台的数据以及故障模型进行准确的诊断，这能够明显提升电网调度人员对故障问题的态势感知能力，从而保证电网更加稳定、安全的运行。但是当前情况下，对于电网诊断的一些实用化的研究进度较为缓慢，主要遇到的问题是诊断系统中测量信息的位置不足、信息传输出现偏差和错误、故障元件采样出现问题以及信息在传达上不同步等问题，这些很容易导致故障诊断出来的模型和数据不完整，而且还会遇到很多的处理问题，但是目前对于上述问题还是没有很好的处理方案。从解决实际问题的角度出发，就要及时构建态势感知技术在电网故障诊断中的应用系统，增强电网管理人员的工作能力，从而健全电网故障诊断的处理体系，这对完善故障诊断的整个过程都有很大的意义。
结语：
从电网出现以来，对于其中故障的诊断就一直是研究人员奋进的方向，能够实现智能化故障诊断和处理是他们的目标，虽然在这个领域已经取得了一定的成绩，但是也存在很多的不足，因此电网诊断作为电网稳定运行中的高级应用，需要得到更多相关专家的关注，从而加快电网发展的脚步。
参考文献：
[1]荀挺，张珂珩，薛浩然，等.电网调控数据综合智能分析决策架构设计[J].电力系统保护与控制，2015，43（11）：121-127
[2]顾雪平，刘道兵，孙海新，等.面向SCADA系统的电网故障诊断信息的获取[J].电网技术，2012，36（6）：64-70.
[3]罗毅，程宏波，吴浩，等.一种基于小波分时灰度矩与概率神经网络的电网故障诊断方法[J].重庆邮电大学学报：自然科学版，2012，24（1）：121-126.