1.6 人工智能算法在电力系统中的应用

随着计算机技术的飞速发展，人工智能算法的应用领域也越来越广泛。人工智能算法主要包括：粗糙集理论、模糊集理论、人工神经网络、遗传算法、人工免疫算法、蚁群算法、模拟退火算法和多Agent系统等。近年来，智能算法也开始在电力系统中被广泛应用。

（1）粗糙集理论

粗糙集理论是一种处理模糊性和不确定性问题的新型数学工具，能够在保留关键信息的前提下对知识进行处理，并求得知识的最小表达。在电力系统中，该理论已应用于变压器故障诊断、负荷预测、配电网故障诊断、暂态稳定评估和输电线系统故障诊断等领域。

（2）人工神经网络

人工神经网络技术在近20年内发展迅速，凭借其良好的并行处理能力、自适应能力及联想记忆能力解决了很多挑战性的工程实际问题。在电力系统中，神经网络已应用于变压器故障诊断、负荷预测、配电网故障诊断、故障定位、谐波检测和暂态稳定评估等领域。

（3）模糊集理论

模糊集理论是处理复杂不确定问题的方法，是用数学方法研究和处理具有“模糊”现象的一门科学。模糊集理论已广泛应用于电力系统的变压器故障诊断、负荷预测、电网故障诊断、故障测距、电网规划和故障选相等领域。

（4）遗传算法

遗传算法是在生物进化的启示下，得到的一种搜索和自适应算法。它能在复杂而庞大的搜索空间中自适应地搜索，寻找出最优或准最优解，且算法简单、实用性强、鲁棒性强。遗传算法对待求解问题几乎没有什么限制，也不涉及常规优化问题求解的复杂数学过程，并能够得到全局最优解或局部最优解。在电力系统中，遗传算法已应用于电力系统的电网规划、配电网重构有功优化调度、无功规划和故障定位等领域。

（5）智能算法的综合

近年来，各种智能算法的应用在广度和深度方面都得到了发展，但依靠单一智能技术有时难以满足任务要求，由两种以上智能算法构成的混合系统在电力系统中也开始应用。

1）粗糙集与模糊集理论的结合。文献[106]将粗糙集理论和模糊理论结合实现变压器故障诊断。

2）粗糙集与神经网络的结合。文献[107]将粗糙集理论与神经网络组合应用于配电网故障诊断，文献[108]采用粗糙集理论建立神经网络负荷预测模型。

3）模糊集与神经网络的结合。文献[109～112]将模糊集和神经网络相结合用于负荷预测，文献[113]将模糊集与神经网络相结合应用于电网故障诊断，文献[114]将粗糙集与神经网络结合应用于故障定位，文献[115]将粗糙集与神经网络结合应用于暂态稳定控制。

4）模糊集理论与遗传算法的结合。文献[116]将模糊集与遗传算法相结合应用与电力负荷预测。

智能算法已在电力系统中广泛应用并取得了良好的效果，表现出其巨大的发展潜力。近年来，智能算法也开始应用于小电流接地系统的单相接地故障选线与定位，如基于模糊理论的故障选线、基于神经网络的故障选线、基于粗糙集理论的故障选线、基于模糊神经网络的故障选线、基于遗传神经网络的故障选线、基于神经网络的故障定位、基于遗传算法的故障定位和基于粒子群算法的故障定位等。但是人工智能算法在小电流接地故障选线和定位中的应用尚处在起步阶段，很多技术需要深入研究。因而，研究人工智能算法在小电流接地故障选线和定位中的应用具有重大的意义。