自动控制系统(关于基于人工智能的火电厂自动控制系统探讨)

[摘要]火力发电厂是技术密集型和资产密集型企业，其生产自动化水平相对较高。对对设备管理的可靠性有严格的要求，因此保证设备的正常运行和降低维护成本，了解和诊断对设备的健康状况是火电厂设备控制和管理研究的重要组成部分。简要介绍了人工智能的定义和优点，并从不同环节介绍了基于人工智能的火电厂自动控制系统。

[关键词]人工智能；热电厂；自动控制系统；电力系统；故障管理

发电机、变压器、断路器和接触器的可靠性将直接影响电力系统的稳定和安全运行。随着当前电力系统容量的不断扩大，火电厂电气设备的数量和种类也在不断增加，导致供电可靠性与用户需求之间的矛盾日益严重。传统的方法已经不能满足火电厂自动控制的要求，因此寻找新的技术来构建火电厂自动控制系统已成为一项紧迫的任务。

一、人工智能技术概述

人工智能是一种类似人脑的计算机程序。其独特性和特殊性在于其自身的感知和思维能力，具有广阔的发展和应用潜力，是各行业发展的重要方向。工业智能是指由人类制造的具有思维能力、行为能力和感知能力的机器。通过分析智能的本质，智能被应用于特定的机器以获得智能机器[2]。火电厂自动化控制作为电气信息领域的一项重要内容，利用现代管控技术实现火电厂工作和设备管理的现代化，可以极大地促进电气自动化的发展，为我国电力工业的发展做出贡献。

在人工智能控制中，计算机系统是基础，计算机程序是核心，从而实现现代管理控制。它利用计算机中预设的程序完成自动操作，与手动操作相比有明显的优势[3]。首先，智能程序设置。人工智能控制具有不可替代的重要价值。程序设置是否合理将直接影响到智能管理是否规范，同时也将决定产品性能是否能够达到预期的工作标准，保证工作内容的整体一致性。但是，由于智能技术的应用是由计算机的内置程序完成的，因此产品性能模拟不会有差异，并且将严格按照预先制定的标准进行，这有利于确保电力生产的标准化[4]。第二，误差很小。通常，人工智能技术的运行很少需要员工的积极参与。只要预设参数不变，整体运行数据就能得到保证，运行质量不会严重偏离[5]。第三，节约人力资源。在传统的电气控制操作过程中，涉及到各种电气设备、线路、机器和变压器，这往往导致车间内充满不同性质的电线电缆。每台机器都需要专门的人员来维护和调整，以确保正常运行。只有通过不断的梳理，这些生产线才能确保做到最好，这需要大量的人力资源[6]。通过人工智能技术的应用，机器本身具有分析数据的能力，而不必连接各种线路，甚至可以使用其他设备来测试自己的性能。在技术人员的操作下自动控制可以节省大量繁琐的工作，因此可以大大减少人力资源的浪费。

2.基于人工智能的火电厂自动控制系统

首先是电气设备设计。电气设备设计是一项复杂的系统工程，涉及电机、电路、变压器、电磁场和电力电子技术等不同学科的自动化。对对设计师的工作经验有严格的要求，需要花费大量的物力、人力和财力。通过人工智能技术的应用，可以解决许多人脑无法快速解决的复杂计算和仿真过程，显著提高控制系统设计的工作精度和效率。但是，需要指出的是，在电气设备的设计中需要使用不同的算法，以满足不同情况的要求，从而高质量、高效率地完成设计，这就要求对员工对人工智能软件有较高的利用能力和经验。

第二，电气控制。提高自动化水平可以减少人力、财力和物力的投入，从而提高系统运行的质量和效率。人工智能技术在火电厂自动控制系统中的应用包括神经网络控制、模糊控制和专家系统控制。在具体应用中，模糊控制是应用最广泛的一种。以人工智能在电力传动控制中的应用为例，模糊控制的应用主要分为DC传动和交流传动。在DC传动控制中，模糊逻辑控制集中在模糊控制器中，而在交流传动控制中，模糊控制器主要取代传统的PID控制器。此外，一些研究者将模糊神经控制应用于高动态全数字传动系统，并取得了理想的应用效果。

第三，电力系统。在火电厂的实际生产中，人工智能技术的应用主要包括四个方面，即专家系统、启发式搜索、神经网络和模糊集理论。专家系统是一个综合了大量经验、规则和专业知识的复杂程序系统。该系统的功能是通过专家在特定领域的知识和经验进行判断和推理，模拟专家决策的过程来处理需要专家决策的难题。神经网络具有灵活的学习模式和分布式存储模式，广泛应用于大规模信息处理，在复杂条件下具有很强的识别能力和分类能力。在电力系统短期负荷预测方面，神经网络可以在足够样本和对模型的基础上进行合理分类，建立基于不同季节的预测模型，结合部件关联分析和人工神经网络完成复杂电力系统的故障诊断，对对，各类型部件的故障进行报警和定位，识别对同一跳闸区的不同故障。模糊理论主要应用于火电厂自动控制系统的系统规划、潮流计算和模糊控制领域。这是因为模糊逻辑能够胜任困难的数学计算，而对为不确定因素(如发电量和负荷变化)建立函数，从而建立优化的潮流模型。

第四，故障诊断。模糊理论、神经网络和专家系统广泛应用于火电厂电气设备的故障诊断，尤其是发电机和电动机的故障诊断。传统的故障诊断技术不能根据设备故障的非线性、不确定性和复杂性进行诊断，诊断效率相对较低。人工智能技术的应用可以提高诊断的准确性。例如，在电机和发动机故障诊断中，可以将神经网络和模糊理论相结合，实现故障诊断的模糊性和神经网络的联合诊断，从而显著提高故障诊断的效率和质量。

综上所述，随着人工智能及其诊断技术的发展，火电厂设备的维护和诊断质量将得到显著提高，从而提高火电厂的自动化控制水平，提高管理和维护效率，延长设备的检修间隔时间，减少小修次数，避免维护不足和维护过多的问题，最终提高设备的可用系数，降低运行成本，提高火电厂的经济效益和社会效益。