火电厂属于技术密集型以及资产密集型的企业，其生产的自动化水平比较高，对设备管理的可靠性有着严格的要求，因此保障设备正常运转并减少维护成本，了解并针对设备健康情况做出诊断，是火电厂设备控制管理研究的重要内容。
本文简要介绍人工智能的定义及其优点，并从不同环节介绍基于人工智能的火电厂自动控制系统。
发电机、变压器、断路器以及接触器等设备工作可靠与否会直接影响电力系统的稳定安全运行。随着当前电力系统容量的持续扩大，火电厂当中电气设备数量以及种类也不断增多，从而导致供电可靠性同用户要求间的冲突矛盾越来越严峻[1]。
传统方法已经无法满足火电厂自动控制的要求，因此寻找新的技术构建火电厂自动控制系统已经成为当务之急。
一、人工智能技术概述
人工智能是类似人类大脑的一种计算机程序，其独特性以及特殊性在于自身有着感知以及思维能力，所有有着比较广阔的发展和应用潜力，是各个行业发展的重要方向。工智能是指人类制造得到的具备思维能力、行为能力以及感知能力的机器，通过分析智能实质，将智能应用于具体的机器中而得到智能机器[2]。
火电厂的自动化控制作为电气信息领域的重要内容，是使用现代化管理以及控制技术实现火电厂工作以及设备管理的现代化，能够极大推动电气自动化发展，为我国电力事业发展做出贡献。
人工智能控制中计算机系统为基础，同时计算机程序是核心，从而实现现代化的管理控制，是利用计算机当中预先设定的程序来完成自动操作，同人工操作比较而言有显著的优势[3]。第一，智能化的程序设定。
人工智能控制有着难以替代的重要价值，程序设定合理与否会直接影响到智能化管理是否规范，同时决定产品的性能能否满足预期工作标准，并且确保工作内容的整体一致。不过因为智能化技术应用通过计算机的内置程序完成，所以产品性能模拟方面不会出现差异，严格根据预先制定的标准进行，从而有利于确保电力生产的规范性[4]。第二，误差小。
通常情况下，人工智能技术运行过程当中很少需要工作人员的主动参与，只要预先设定的参数不出现改变，那么整体运行数据必然可以得到保障，操作质量也不会发生严重的偏差[5]。第三，节约人力资源。传统电气控制操作过程当中，因为涉及各种各样的电气设备、线路、机器以及变压器等，往往导致一个车间当中布满性质不同的电线以及电缆，每台机器需要专门的工作人员进行看管与调制从而确保可以发挥正常功能，这些线路只有通过不断的梳理才可以确保各尽其能，这就需要耗费大量人力资源[6]。
通过应用人工智能技术，机器自身拥有分析数据的能力，无需外接各种各样的线路，甚至利用其他的设备检测自身的性能。在技术人员操作下自动化控制能够省略很多繁琐工作，因此能够显著减少人力资源的浪费。
二、基于人工智能的火电厂自动控制系统
第一，电气设备设计。电气设备设计环节是一个复杂的系统工程，其中涉及到自动化当中的电机、电路、变压器、电磁场以及电力电子技术等不同学科的内容，对于设计人员的工作经验有着比较严格的要求，并且需要耗费大量的物力、人力以及财力。通过应用人工智能技术，能够解决很多人脑无法迅速解决的复杂计算以及模拟过程，显著改善控制系统设计环节的工作精度与效率。不过需要指出的是，电气设备设计环节需要使用不同算法来满足不同情况的要求，从而完成高质量以及高效率的设计，这对工作人员的人工智能软件利用能力与经验提出较高的要求。
第二，电气控制。改善自动化水平可以减少人力、财力以及物力方面的投入，从而提高系统运作的质量与效率。应用于火电厂的自动控制系统当中的人工智能技术包括神经网络控制、模糊控制以及专家系统控制。在具体应用方面，应用的最为广泛的是模糊控制。
以电气传动控制当中人工智能的应用为例，在电气传动控制环节，应用模糊控制主要分成直流传动以及交流传动当中的应用。直流传动控制当中模糊逻辑控制集中在模糊控制器当中，而交流传动控制当中模糊控制器则主要表现为取代常规的PID控制器。此外有研究人员将模糊神经控制应用于高动态全数字性能传动系统当中，并且取得理想的应用效果。
第三，电力系统。在火电厂的实际生产环节，人工智能技术应用主要包括四个方面，也就是专家系统、启发式搜索、神经网络以及模糊集理论。
其中专家系统是一个集大量的经验、规则以及专业知识于一体的复杂程序系统，这一系统的作用主要是通过特定领域专家的知识以及经验进行判断推理，模拟专家决策的过程处理那些需要专家决策的困难问题。神经网络则有着灵活学习方式以及分布式存储方式，并且广泛应用于大规模的信息处理过程当中，识别能力以及复杂条件下的分类能力都比较强大。
电力系统短期负荷的预测方面，神经网路可以在足够样本的基础上，对模型进行合理分类，构建基于不同季节的预测模型，结合元件关联分析以及人工神经网络来完成复杂电力系统的故障诊断，对每类元件的故障进行报警以及定位，还能够对同一跳闸地区当中不同的故障做出识别。
模糊理论则主要应用于火电厂自动控制系统当中的系统规划、潮流计算以及模糊控制等领域，这是由于模糊逻辑可以胜任高难度数学计算，对于电力生产以及负荷变化等不确定因素构建函数，从而构建最优化的电力系统潮流模型。
第四，故障诊断。人工智能技术当中的模糊理论、神经网络以及专家系统在火电厂电气设备的故障诊断环节应用比较广泛，尤其是在是在发电机以及电动机的故障诊断方面。传统故障诊断技术无法根据设备故障的非线性、不确定性以及复杂性等做出诊断，因此诊断的效率比较低。
人工智能技术的应用可以改善诊断的准确率。例如在电动机以及发动机故障诊断当中就能够结合神经网络以及模糊理论，来实现故障诊断模糊性以及神经网络的联合诊断，从而显著改善故障诊断的效率与质量。
综上所述，随着人工智能及其诊断技术的进步，将显著改善火电厂设备的维护诊断质量，从而提高火电厂的自动化控制水平，提高管理以及检修的效率，延长设备的大修间隔并降低小修频率，避免不足维修以及过剩维修问题的出现，最终提高设备的可用系数并降低经营成本，增强火电厂的经济效益与社会效益。
作者：梁齐国 来源：中国科技博览 2016年14期
中国论文网(www.lunwen.net.cn)免费学术期刊论文发表,目录,论文查重入口,本科毕业论文怎么写,职称论文范文,论文摘要,论文文献资料,毕业论文格式,论文检测降重服务。 返回通信学论文列表
