摘要：现如今，继电保护已成为电力系统中不可或缺的重要结构。在电力系统应用过程中，一旦出现故障，继电保护可在较短的时间内发出预警提示并将故障设备切除，极大的提高了电力系统运行的安全与稳定性。近年来，随着人工智能技术的发展与日趋完善，人工智能技术融入继电保护逐渐从幻想成为可能。基于此，本文将对论电保护中的人工智能技术及其应用展开探讨。
关键词：继电保护；电力系统；人工智能技术；应用
0引言
在继电保护技术应用与发展过程中，其由最初的机电型过渡至整流型，后又经历了晶体管型以及集成电路型，现已发展成为微机保护型继电保护。在电力系统逐步呈现出智能化发展趋势的过程中，传统的微机保护型已无法满足电力系统日益提升的高稳定性要求，因此，人工智能技术逐步展现出在继电保护系统当中的良好应用价值。
1继电保护中的人工智能技术分析
1.1专家系统（ES）
专家系统在人工智能技术当中极为重要，其是以某领域专家的知识及经验为基础，在计算机程序的辅助下，模拟专家对问题进行思考与判断的过程，较为复杂的需要专家处理的问题可利用此技术进行解决。如故障专家系统，可利用人工进行相关数据的收集，以这些数据为依据进行故障原因的分析。继电保护中所应用的专家系统，是针对整个继电系统保护的工作原理，制定相对应的鉴别、整定、核查、校正等规则，对继电保护设备予以智能调整与维护。在继电保护中，专家系统的知识表达方式有基于谓词逻辑的系统、基于过程式知识的系统、基于产生式规则的系统、基于框架式的系统，目前，在这四种表达方式基础上还诞生了基于知识模型的系统和基于面向对象的系统。
1.2人工神经网络(ANN)
神经网络是基于非线性映射的方法，在无法列方程式求解时或需要处理的非线性问题较为复杂时可应用ANN进行解决。与ES诊断方法相比，人工神经可学习标准样本，并对自身的连接权限进行调整，可将所学习到的知识在网络上进行分布，并建立人工神经网络记忆，进而使之具备极强的知识获取水平。
1.3模糊理论技术
模糊识别可采用分类的方式对事物的具体特征进行辨别，在继电保护过程中，故障的诊断或处理需要较长时间且运算的故障问题较为复杂时，可使用此方法，可提高故障诊断速度。然而由于模糊系统的学习能力不强，在模型的建立方面较为欠缺，且语言获取规则并不完善，所采用的隶属度方法的完善度也不高，因此，其在继电保护中的广泛应用受到了限制。
1.4模式识别技术
模式识别是通过将某些课题的定量、定值、定性或结构特征的集合，在系统中进行统一分配，而使之以预识别的模式而存在，如系统中出现与此模式具有一致性的特征或产生相似数据时，即可对故障问题做出诊断与识别。在系统当中，模式识别方式可构建多种类型的故障、明确故障所处位置、准确辩别故障方向，系统中安装了专门设计的检测装置，结合高效的信号处理方式可实现快速的故障诊断。
1.5小波分析技术
此技术主要是分析频率的动态性变化，可用于分析电力系统中时频特征较为明显的信号，也可对其中具有较强自适应性的信号进行分析，在对稳定性较差的信号进行分析与处理时此方法应用率较高。由于其具有多重分辨率，可快速分辨出信号的局部特征，在正常信号出现突然中断而引发的信号异常问题中具有较强的分析能力。
2人工智能技术在继电保护中的具体应用
2.1继电保护中专家系统的应用
由于受到时间因素的限制，在对诊断要求并不高的故障处理时专家系统较为适用。在继电保护中，专家系统两个功能，一是整定，二是协调。一方面，在通用规则基础上。专家系统可分析继电保护的设计是否合理。另一方面，在通用规则的诊断方案不能满足需求的情况下，专家系统可对所产生的冲突进行化解。在诊断继电保护的故障问题时，专家系统是应用在产生式规则基础上所建立的系统，其可运用规则对继电保护装置的动作逻辑进行展现，并表述出运行人员的诊断规则，之后将这些规则融入专家系统的知识库，再根据知识库中的信息进行分析，以此快速且准确地判断出故障问题。
2.2继电保护中人工神经网络的应用
在故障类型的判断、分析故障距离等方面人工神经网络应用较多，此方法也可用来进行方向及主设备的保护。ANN具有较强的学习与模式识别能力，可用于电流保护方面，其可准确识别出电力系统中的故障问题，进而保护正向故障、封锁反向故障，使电流达到自适应，可使电流的灵敏度得以有效提升。此外，还可将ANN与ES进行结合应用，以此构建出ANN模型诊断母线以及变压器的故障，在所有元件故障诊断时都可使用此方法，其可与专家系统进行结合应用。
2.3继电保护中模糊理论的应用
在继电保护中应用模糊理论，不仅可以实现对主变系统的保护，也可保护线路以及发电装置。比如在电压故障的分量中，利用电压的高频成分各不相同的原理，提取不同相电压的变换频率特征，并将其与模糊集合进行对比，从而判断出故障相；还可以利用模糊相近的原则对变压器电流故障进行判断，它是采用分析对比变压器实际电流与理论电流的对称度隶属函数的近似程度的方法来进行故障判断的，当近似程度超过某一个定值时，即可以断定变压器发生了故障。
2.4继电保护中模式识别的应用
在电力系统的继电保护过程中，可将模式识别技术应用于高阻抗检测方面，也可实现距离保护。比如建立在模式识别技术与微处理机基础上的新式继电保护装置，其可对配电线的接地保护装置进行完善与优化，在事先安装好的微处理机的基础上，可实现模式识别数据库的安装，进而收集与分析电流与电压数据，对线路的动态数据进行类比分析，以此判断出高阻抗的运行状态。
2.5继电保护中小波分析的应用
小波分析在继电保护中主要应用于与电流、电压相关的故障诊断方面，通常需要与其他方法结合使用。比如变压器短路电流和励磁涌流，通过小波分析的方法来提取励磁涌流的间断角特征，再用模糊理论的方法进行故障判断；利用小波变换分别提取变压器正常运行和非正常运行的电流信号，为ANN故障判断的训练提供数据基础等。
3结语：
虽然将人工智能技术全面应用于继电保护目前尚不成熟，但智慧电厂的发展决定了新一代继电保护系统离不开人工智能技术应用，而且各个技术都有各自的局限性致使人工智能技术的应用前期必然十分复杂，需要若干种技术配合应用。随着我国人工智能技术的快速发展，人工智能技术必然日臻完善，在可见的未来必然会有突破性进展，在继电保护方面可应用性权值将会得到不断加强，其会逐步成熟、融入到电力系统各个方面的诊断与保护当中，进而可为电力系统的稳定与高效运行提供保障。
参考文献：
[1]郭鑫.人工智能技术在电力系统继电保护中的应用分析[J].祖国,2019(5):145.
[2]吴兴龙,陈乐,张芸.人工智能在继电保护中的应用[J].山东工业技术,2018(19):137.
[3]国际平.电力系统继电保护新技术的发展与分析[J].中国科技纵横,2019(8):192,256.