請幕大學(xué)請幕大學(xué)繼電保護(hù)中的人工智能董新洲清華大學(xué)電機(jī)系中原電氣實驗室2025年4月12日■1963年10月出生于陜西省周至縣2020年全國創(chuàng)新爭先獎2017年行波保護(hù)技術(shù)獲國家技術(shù)發(fā)明獎二等獎■2007年行波測距技術(shù)獲國家技術(shù)發(fā)明獎二等獎2●人工智能技術(shù)及應(yīng)用●關(guān)鍵支撐技術(shù)●小結(jié)31.人工智能在繼電保護(hù)中應(yīng)用的必要性人工智能(Al)是指計算系統(tǒng)執(zhí)行通常與人類智能相關(guān)的任務(wù)的能力，例如學(xué)習(xí)、推理、解決問題、感知和決策。使機(jī)器能夠感知它們的環(huán)境，并利用學(xué)習(xí)和智能采取行動，實現(xiàn)既定目標(biāo)將信息技術(shù)、通信技術(shù)、智能傳感技術(shù)等多個領(lǐng)域的新興技術(shù)融合以深度學(xué)習(xí)為代表，包含遷移學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等多種機(jī)器學(xué)習(xí)方式從感知智能向認(rèn)知智能升級自主學(xué)習(xí)，實現(xiàn)智能決策1.人工智能在繼電保護(hù)中應(yīng)用的必要性◆1956年被首次提出人工智能技術(shù)的特點(diǎn)對數(shù)據(jù)樣本集進(jìn)行自主學(xué)習(xí)和訓(xùn)計算精度和效率高，應(yīng)用于復(fù)雜熱度傳統(tǒng)故障辨識系統(tǒng)判別結(jié)果判別結(jié)果原始輸入邏輯判斷物理模型分析→特征選取定值整定原始輸入邏輯判斷端到端故障辨識系統(tǒng)深度學(xué)習(xí)模型一1.人工智能在繼電保護(hù)中應(yīng)用的必要性繼電保護(hù)存在的問題(1)故障特征更難提取●故障特征模糊(2)繼電保護(hù)新老問題并存需要人工智能技術(shù)!1.人工智能在繼電保護(hù)中應(yīng)用的必要性◆人工智能依賴大規(guī)模數(shù)據(jù)樣本集和強(qiáng)算力，可解釋性也有待進(jìn)一步提升◆嚴(yán)格意義上的繼電保護(hù)是對確定性事件的決策，人工智能暫不適用于跳閘行為!◆在系統(tǒng)不正常狀態(tài)檢測、模糊故障特征提取、辨識和定位有應(yīng)用的必要性!◆端到端的模型：改善系統(tǒng)不正常狀態(tài)檢測、故障類型辨識和故障定位結(jié)果準(zhǔn)確率故障定位故障類型故障定位故障類型辨識2.人工智能技術(shù)及應(yīng)用(1)故障定位●人耳識別聲磁波形●嘈雜復(fù)雜環(huán)境干擾嚴(yán)重●聲磁聽辨可靠性低口人工智能(Al)可應(yīng)用于信號去噪、特征學(xué)習(xí)、時序預(yù)測等領(lǐng)域人工智能精確識別故障波形、綜合判別測距結(jié)果82.人工智能技術(shù)及應(yīng)用(1)故障定位“數(shù)據(jù)-算法-系統(tǒng)”架構(gòu)+線路參數(shù)(波阻抗、波速拓?fù)浣Y(jié)構(gòu))篩選-計算-研判行波法阻抗法深度學(xué)習(xí)9[1]山東大學(xué)，山東科匯電力自動化股份有限公司.一種基于放電波形智能識別的電纜故障測距方法及系統(tǒng)2.人工智能技術(shù)及應(yīng)用(2)設(shè)備故障辨識●在永磁同步電機(jī)驅(qū)動器故障(參數(shù)失配、死區(qū)效應(yīng)、采樣偏差、傳感器故障等)類型辨識中的應(yīng)用境諾技術(shù)難點(diǎn)●針對多源故障耦合境諾技術(shù)難點(diǎn)●針對多源故障耦合問題，單一方法難以全面判定2助(閉)時域波形68●基于時頻圖進(jìn)行特征提取[1]李政，汪鳳翔，張品佳.基于圖像融合與遷移學(xué)習(xí)的永磁同步電機(jī)驅(qū)動器強(qiáng)泛化性故障診斷研究[J].中國電機(jī)工程學(xué)報,2024,44(12):4933-4945.DOI:10.13334/j.0258-8013.pcsee.2302.人工智能技術(shù)及應(yīng)用(2)設(shè)備故障辨識◆圖像融合征信息◆永磁同步電◆標(biāo)準(zhǔn)工況+型數(shù)據(jù)庫C口nT地◆故障診斷準(zhǔn)確◆多故障耦合情9深度學(xué)習(xí)9深度學(xué)習(xí)aa11obbUp-fi,2024,44(12):4933-4945.DOI:10.13334/j.0258-8013.pcsee.2302.人工智能技術(shù)及應(yīng)用(3)振蕩辨識●人工智能技術(shù)具有非線性分類能力，可以區(qū)分故障與功率振蕩、負(fù)荷投切、電容切換等非故障暫態(tài)事件SRG利用訓(xùn)練數(shù)據(jù)構(gòu)建超平利用訓(xùn)練數(shù)據(jù)構(gòu)建超平面，核函數(shù)為多項式計算決策函數(shù)：多分辨率形態(tài)梯度濾波分離故障引起的暫態(tài)提取特征向量類別樣本數(shù)誤判負(fù)荷投切0電容投切0各類故障0識別結(jié)果地地振蕩中三相短路解鎖2.人工智能技術(shù)及應(yīng)用(3)振蕩辨識●次/超同步振蕩機(jī)理建模困難，人工智能方法可準(zhǔn)確辨識振蕩特征并開自輸入層N撒蕩頻率N輸入層衰減系數(shù)辨識網(wǎng)絡(luò)頻率辨識網(wǎng)絡(luò)衰減系數(shù)基于CNN-LSTM的振蕩參數(shù)辨識模型歷史運(yùn)行/仿真振蕩數(shù)據(jù)仿真強(qiáng)逾指蕩數(shù)據(jù)2、樣本處理3、模型訓(xùn)練有功分天聯(lián)實Lass不滿足四練好的定位梢型定位宿果無功電壓電雌→錐溫擾動注人位置確定定位標(biāo)簽→U劉練中的模里電力系統(tǒng)仿真系統(tǒng)振蕩成國分析確定定位標(biāo)簽樣本歸更新網(wǎng)絡(luò)莎數(shù)劃分樣本kXFa_基于深度子領(lǐng)域振蕩源定位的實施流程計算量較大，需要硬件加速(FPGA)實時部署!13AI大模型(如Transformer架構(gòu)等)作為人工智能前沿技術(shù)發(fā)展迅速，具備在電力系統(tǒng)故障處理中應(yīng)用的潛力，將其部署在電力終端設(shè)備上進(jìn)行邊緣計算，實現(xiàn)故障的實時監(jiān)測、及時預(yù)警、高效處置w終端設(shè)備Transformer架構(gòu)的自特征、區(qū)分模糊特征終端設(shè)備故障前及時預(yù)警故障后故障前及時預(yù)警故障后模型規(guī)模大、推理時延長、運(yùn)行功耗高成本貴算得慢功耗高14(1)應(yīng)對電力系統(tǒng)故障的Al邊緣計算(1)應(yīng)對電力系統(tǒng)故障的Al邊緣計算針對AI邊緣計算部署中模型規(guī)模大、推理時延長、運(yùn)行功耗高的問題，應(yīng)用模型結(jié)構(gòu)優(yōu)化、Al硬件加速、低功耗技術(shù)，實現(xiàn)電力系統(tǒng)故障應(yīng)對的高效智能化解決方案◆針對電力系統(tǒng)故障，開發(fā)定制的輕量化模型(單板成本約10萬元)_◆實現(xiàn)模型可部署于低成本、國產(chǎn)化FPGA平臺“算得慢”問題◆FPGA上推理時間在10ms量級，存在進(jìn)一步加速潛力◆應(yīng)用基于FPGA的AI硬件加速技術(shù)*,優(yōu)化推理瓶頸非線性函數(shù)判別性函數(shù)◆流水線優(yōu)化、矩陣乘法單元優(yōu)化、非線性環(huán)節(jié)近似技術(shù)基于分段線性的非線性函數(shù)近似故障故障Al邊緣計算“功耗高”問題◆功耗管理與優(yōu)化調(diào)度技術(shù)等(2)可解釋性增強(qiáng)技術(shù)(2)可解釋性增強(qiáng)技術(shù)人工智能的可解釋性增強(qiáng)了決策的可信度和可靠性關(guān)鍵規(guī)則提?。鹤儚?fù)雜的模型決策過程為易于理解的規(guī)則集合關(guān)鍵過程可視化：決策過程可視化，方便判斷原因與掌握特點(diǎn)結(jié)合電力系統(tǒng)