智能化技術在電氣工程自動化控制中的應用

魏杰

（蘭州蘭石能源裝備工程研究院有限公司 甘肅省蘭州市 730314）

目前，在科學技術的引領下，我國的電氣工程自動化控制有了很好的發展勢頭，在各方面都得到了廣泛的應用，特別是與大數據、云計算、人工智能等技術的結合，使得自動化技術表現出一種自主性、智能化的時代特點。今后，智能技術將與電氣工程自動化控制相互結合，為各方面提供更好的服務，使電氣設備可以在計算機的輔助下進行數據的集成，得到相關的分析和技術判斷，針對電氣設備故障時可能發生的緊急狀況和復雜問題，給出對應的解決辦法，使工作人員可以更好地運用智能技術，制訂出相應的對策，這一技術在電氣工程行業中有著非常重要的積極意義。

1 電氣工程自動化控制中應用智能化技術的重要作用分析

將智能技術運用到電氣工程自動化控制中，可以提升電氣工程模型控制管理的精度，全面貫徹精益化管理的發展方針。同時，將其與企業經營體系相結合，可為企業經營體系的升級與優化提供有力的支持。在電力自動控制中，控制模型的有效性是影響控制結果的一個重要因素，但由于控制參數的隨機性，模型的精確提取困難，且由于系統自身的多種故障，造成了模型的不確定性，因而，如果要構建出一種全面的監控方式，僅靠手工進行單一的管理，很難達到人們的期望。所以，要將智能技術與之相結合，構建出一個更好的智能評估模型，以保證分析的精確性和標準化。

1.1 可以簡化自動控制模型

由于所有主要電氣設備的智能管理信息都存儲在母設備上，因此，各控制模塊都有機會將數據傳送給目標控制模塊，因此，各控制模塊都有數據傳送的權限。而且，因為每一條母設備的控制線路的長度都是不同的，所以，母設備的智能化管理水平一直都是在變化的，這就導致了在任務的合理調度中，呈現出了一種“大面積、分散式”的工作特點，比如，任務調度運行的耗時、何時開始運行、當系統為多個處理器系統或分布式系統時，它在哪里運行等。并根據這些限制來判定一個實時任務能否正常執行，并將一些參數安排在某個時間點上。樣本特征的初步分析如圖1所示，這所謂的樣本特征識別，需要根據具體的“并行分布”賦予所有的電氣設備較為精準的任務目標，幫助企業更好地完成電氣設備的自動化控制。

圖 1：樣本特征庫的初步分析

1.2 電氣工程智能控制的關鍵在于建立模型

電氣工程以往的模型研究，往往將其簡化，使得所構建的自控系統存在著較大的局限性和準確性。所以，在 TCN 模型中，如何調整它的參數，提高其推演能力和推演準確率，已成為一種值得思考的問題。在建模過程中，存在著兩個問題：一是樣本特征的選擇，樣本特征的原始數據抽取，往往會區分不同類別的數據特征，除去無分類意義的特征，即可完成對數據的整合，此時自動模式識別問題也就逐漸簡化成匹配與查表，也就能夠有效解決對于樣本庫的模式識別。

為了得到簡潔高效的建模方法，必須首先對這些變量進行篩選，然后對其進行陣列結構的重構。其中，為了能夠確保變量數據包含足夠的信息量，并可用于模式識別，樣本數量N 與特征數目n 需要符合以下條件：

對線性或非線性回歸問題：N>n

當樣本數據位于特征空間時，我們必須選取具備推廣功能的分類器，如神經網絡分類器、支持矢量分類器等，以達到對分類結果進行優化和提升的目的[1]。

2 電氣工程自動化控制中應用智能化技術的具體方案

2.1 裝置應用程序

2.1.1 類比邏輯電路

在電力工業的自動控制中，需要使用大量的模糊控制器，同時，由于模擬回路對制版的精度有很高的要求，所以工作量很大。為此，在數字動力傳輸系統中主要采用了模糊控制器，比較常用的有 M 型和 S 型兩種。在速度調節系統中，采用了 M 型脈動控制器，該控制作為一種恒速控制器，能夠基本滿足標準的拉伸與壓縮測試需求，而且其還能夠進行獨立操作，且無需配備電腦設備，即可輕松完成相應的電氣測試，而且還能夠顯示載荷峰值及撓度值的測定。通過在分立時刻施加一個脈動控制器，使系統狀態發生變化。在此基礎上，本文提出了一種基于T-S 模糊理論的非線性系統建模方法，該方法首先對非線性系統進行分區，然后對其進行線性化，最后對其進行權重合成，從而獲得一個具有較強魯棒性的整體系統[2]。

一般而言，結構辨識和參數辨識不能分開，通常是兩個步驟交替反復數次才能獲得最終模型。T-s 模糊模型的模糊規則形式如下：

該方法的特點決定了每一條準則所滿足的條件可以是一維函數形式的，從而使該方法在理論上具有一定的線性形式。從總體上看，T-S 模糊模式的規則基與一個靜態回歸模式 Y=f(x)相對應。然而，該模型也有很多問題，例如，X1,X2的相關系數很高，多共線性問題很嚴重，但多數情況下，僅需找到準確的模擬缺失值，并不需要一個能夠說明的準確模型，因此，可以將這些問題暫且忽略掉，只需將其與已有的其它構造方法進行有機地組合，就可以獲得更為廣泛的構造結果。

2.1.2 類神經網絡

近年來，神經網絡已被廣泛用于電氣工程傳動系統、交流電動機等裝備的故障監控，通過反向轉波法提高定位精度、縮短檢測運算時間，并能對轉速、負荷轉矩等大幅變化進行實時控制。神經網絡系統技術方案如圖2所示。另外，神經網絡還能夠進行診斷系統的條件分析，其主要的人工神經網絡基本結構如圖2所示。

圖 2：神經網絡系統技術方案

但是，目前廣泛使用的機器學習技術均為誤差后向傳播技術，當網絡中存在隱含結點，或激發函數時，我們必須使用網狀神經網絡對其進行映射，選取與之相對應的參數化模型，從而實現對多傳感器數據的有效處理，從而提高網絡的可靠性。

圖3：人工神經網絡基本架構

2.2 故障診斷

在電氣工程自動化控制傳統的應用系統中，故障診斷工作通常需要依托人工操作進行，這必然會增大現場故障診斷的技術難度，同時還會影響到電氣工程的實際運行。但是，在故障診斷分析機制中，采用先進的智能技術，即可最大限度地構建出一種完整、標準的診斷模型，而且智能技術可以提供非常準確的診斷依據，確保了應用過程的科學性。

（1）運用智能技術，構建一個電力系統自動控制的診斷平臺，并確定測試后的設備的失效部位和失效原因，從而可以進行精確的自動分析和測試。

（2）智能技術還可以幫助維修人員實施更好的操作，成功地解決故障現象，降低設備故障對電控系統工作效率的影響，對平臺的功能進行優化，提升系統的運營效率。

（3）設立裝備失效電子記錄：設立裝備失效電子記錄，以便有針對性地采取行之有效的對策，實現對設備質量安全的可追溯管理。

2.2.2 復雜電氣設備故障的常用診斷方法

（1）控制裝置自診斷法。

在數控、可編程邏輯控制器和計算機設備中，為了達到某種特定的功能，必須研制出一種特殊的材料或制作出一種特殊的設備。均裝備有一套故障診斷系統，通過開關、傳感器將油位、油壓、溫度、電流等狀態信息設置為數百種報警信號，實現對故障的定位。

（2）常規檢查法。

主要是利用人類的感官，利用簡易的設備進行故障診斷。

（3）機電液三位一體的分析方法。

邁凱倫攜旗下豪華車陣容登陸2018廣州車展，長尾傳奇”邁凱倫運動跑車系列600LT將首次亮相華南地區，并借此邁凱倫入華五周年之際，向廣大中國消費者彰顯品牌對速度與激情的極致追求。邁凱倫汽車中國及亞太區新任董事總經理George Biggs先生全面解讀了邁凱倫運動跑車系列最新車型—全新600LT。

從機、電、液三個不同的方面來對同一故障展開分析，避免出現數值誤差，從而能夠對故障的特點做出正確的判斷。

（4）備件替換法。

將兩個功能相同的板子互換，然后通過檢測問題的發生，來判斷板子有沒有問題。當電路板參數測試對比系統出現故障之后，并將其與正常值和正常波形進行對比，從這些參量中區分出故障和正常的信號，并根據這些參量所蘊含的信息來進行故障診斷。

2.3 優化工程設計

在傳統的電子產品設計模式中，更注重串行設計的運用，使得從設計到生產都要經過較長時間的磨合，而采用智能技術則可以構建一種更為完善的跟蹤式設計模式。在標準協議的指引下，計算機通信技術可以很好地完成計算機終端之間的信息傳遞工作，因此，在電氣設備自動化控制中使用計算機通信技術是非常有必要的。

（1）為了提高電氣工程的使用程度，必須重視電力設計環節的品質，在傳統電氣工程的系統中，為了達到設計要求，需要設計師對有關的參數進行多次的運算，將有關的數據信息高效地融入到電腦的運行過程中，對設計的方案和運行進行仿真。

（2）智能技術可以幫助電力公司進行項目設計的最優，主要表現為對軟件進行系統的更新，通過軟件來展示項目的總體設計結果，保持項目的動態。

（3）智能輔助計算機輔助設計。①在進行 EMS 的更新時，有關技術人員要對 ICT 的需求有一個清晰的認識，以達到實時仿真的目的。②將遺傳算法（如圖4所示）與 CAD 技術相結合，有效提高了 CAD 技術在加工與設計中的運用精度[3]。

圖4：遺傳算法的具體步驟

（4）逐步推動“開放式自動化”的研究與開發，將智能技術運用到電氣工程自動化與控制領域，從而有效地消除了傳統的重復作業，建立了一個完善的OT(Operation Technology 操作技術)與信息技術相結合的模式，確保了測試與驗證的有效性，從而為電力系統的建設與產業的發展提供了有力的支撐。

2.4 整合傳輸系統數據

在電氣工程自動控制系統領域，通過智能信息技術的運用還可以對數據傳輸系統信息加以集成，進一步完善數據傳輸過程，同時輔助系統開展如ICP/TP 等數據傳輸技術的使用，從而形成更為全面、精確、可靠的數據通道，同時可以根據智能系統的信息傳輸協調需求，更加完善綜合信息匯總管理。

在電氣工程自動化控制中，智能技術的應用還能夠對傳輸系統數據進行整合，優化數據傳輸流程，并輔助發展ICP/TP 等傳輸協議的應用，以建立更加全面、準確、安全的數據傳輸通道，并基于標準控制功能的傳輸協調要求，進一步完善綜合信息匯總處理。

3 基于BP神經網絡在智能技術中的技術應用

BP 神經網絡是一種在科學和工程中有著非常廣泛使用的網絡。在實踐中，運用 BP 神經網絡可實現了對海量數據的自動化處理，并將其提取出來，從而實現了問題的高效解決。本文首先介紹了一種基于 BP 神經網絡的圖像分類方法，然后介紹了一種基于 BP 神經網絡的圖像分類方法。神經網絡控制技術具有較強的數據信息處理能力，在采在這種人工智能設計的前提下,能夠完成對電氣工程智能化操作的實時控制,很大程度上實現了神經網絡技術的先進功能?？刹捎没旌戏茨娴募夹g,通過多層的神經網絡對試樣加以預處理,然后再采用自適應矩的估計方法對試樣進行校正,就這樣得到了一種完整的神經網絡。

在逆向群體的計算中，加入逆向學習因素，增強了逆向搜索的能力。假定在第 t 個迭代中，鯨的數量為P(t)=1、2、…、N；j=1、2、…、D （這里 N 是鯨數量的大??；D 是可能解決問題的維度），求出各個體的適合度，選出最佳的種群，而反種群的結果可以由如下的方程得到。下面是詳細的算法：

在該公式中， l 表示逆向學習系數，并且表示在區間[0,2]上的一個隨機數；其中，xmax、j.xmin、是查找代理x；維中的最大和最小的一個。在此基礎上，通過對現有群體的適合度和逆向群體的適應性進行比較，對現有群體進行適合度的優化，并將現有群體替換為逆向群體，以輔助決策者作出最優決策[4]。

4 結語

總而言之，在計算機和自動控制領域中，智能技術已經變成了電氣工程自動化控制的一個重要支點，數字技術和人工智能技術已經變成了工業制造領域中的主要技術，智能化技術已經被廣泛地運用在了工業生產設備甚至整個生產系統中。要想讓控制效果得到最大程度的提高，就必須將智能化技術的應用價值和優點發揮出來，讓這一技術形成半自動化的雙向智能化控制系統，在實現勞動力解放的同時，推動了電氣工程自動化控制工作的可持續發展。