气自动化在很大程度上提高了生产能效，在这一前提下，为对电气系统及相关设备进行更加精准地控制，可对先进的人工智能技术进行合理应用。利用人工智能中的大数据、云计算等技术，提高电气自动化控制水平，使电气设备运行更加安全、稳定。借此下面就人工智能技术在电气自动化控制中的应用展开分析探讨。
1人工智能技术的应用优势
人工智能简称AI，它是计算机科学的重要分支之一，自该术出现以来，被广泛应用于诸多领域，依托该技术开发出来的高科技产品，成为承载着人类智慧的容器。AI在电气自动化领域的应用优势体现在如下几个方面：
1.1提升准确程度
AI作为计算机科学的分支，它能够以相应的代码为依托实现自动运行，整个过程基本不需要人为参与，不会对电气系统中各设备的运行造成影响。同时，借助AI能够实时监测和采集现场生产的主要数据，可以避免因操作不当引起的误差，整个系统的运行效率和准确度随之大幅度提升。在AI的硬件无故障的前提下，相应的控制系统能够保持非常高精准度，不会出现错误[1]。
1.2无需建立模型
在以控制器为核心的电气自动化系统中，对控制器进行设计时，会受到诸多不确定因素的影响，为消除这些影响因素，确保设计出来的控制器可以满足电气自动化系统运行的需要，必须以控制对象为依托，建立相关的模型。而AI的加入，能够最大限度地消除不确定因素带来的影响，在无需建模的情况下，便可对控制对象实现精准控制。
1.3降低劳动成本
为保证电气设备的稳定、运行，传统的方法是由相关操作人员通过配合，使电气保持有效连接，从而完成作业，这个控制过程相对比较复杂，需要配置大量的劳动力，不但人员的作业强度高，而且劳动成本也相对较高[2]。AI技术的出现及其在电气自动化控制领域中的应用，使电气设备的精准控制成为可能，整个控制环节中，所需的操作人员大幅度减少，在降低劳动成本的同时，控制效率随之显著提升。
2人工智能技术在电力自动化的应用
（1）在电源规划中的应用。电源规划是电力系统中电源布局的战略规划，当前，人们对高质量电能的需求越发突出，因此，加强电力建设，扩充新电源势在必行。电源规划问题之所以复杂，其中一个重要原因，是每个规划时期备选机组状态的数目庞大，而对于每个具体的规划项目，这些状态大多是不可行的，而利用专家系统，可以根据实际规划工作时的具体约束条件对方案进行裁减，尽早删除大量不可行的方案，从而减少优化计算的工作量，提高规划效率。同时，利用遗传算法，可以实现站址和站容的优化。
（2）在电能质量分析中的应用。为提高电能质量，建立电能质量检测和分析识别系统，对其进行正确的检测、评估和分类就显得十分必要。传统的电能质量检测手段主要是以人工方式和便携式电能质量测量仪器为主，对线路和变电站进行现场数据采集，工作量大，采集的数据不系统也不全面，时间延续性短，误差较大，效率低。而采用人工智能技术能有效克服传统方法的缺陷。例如，电力系统中谐波诊断的任务是对一组电流或电压的采样信号确定出各次谐波的含量，采用人工神经网络，可以在避免噪声和间谐波的情况下分析谐波问题。又如，电力系统电源侧电压及负荷变化将引起用户侧电压波动，长时间的电压偏移将使得供电电压质量得不到保证，因此，保持电压偏移在允许范围内是衡量电能质量标准的一项重要内容。而基于专家系统设计的变电站无功控制装置，能将已有的无功电压控制经验用规则表示出来，形成专家系统的知识库，并能像有经验的调度员那样，在面临不同的运行工况时，根据上述的规则由无功电压实时变化值有效地作出合理的电压调节决策。此外，人工智能技术在电能质量分析中的应用，还包括电能质量的扰动分析、电能质量的数据管理和数据挖掘等等。
（3）在故障诊断中的应用。电力系统可能出现的故障种类繁多，具有复杂性、不确定性及非线性等特点。从一次系统的故障看，可分为线路和元件故障两大类；从二次系统的故障看，则可粗略地分为保护系统、信号系统、测量系统、控制系统及电源系统五类故障。若采用传统的方法诊断，效率低、准确率不高，而采用人工智能技术，能大大提高故障诊断的准确率。专家系统、神经网络、模糊逻辑是人工智能技术用于故障诊断的方法，例如，人工智能故障诊断技术运用于发电机及电动机运行的故障诊断时，将模糊理论与神经网络相结合，不仅保留了故障诊断知识的模糊性，还结合了神经网络学习能力强的优点，共同实现对电机故障的诊断，大大提高了故障诊断的准确率。
（4）在电力系统无功优化中的应用。所谓电力系统无功优化，就是指当电力系统的结构参数及负荷情况给定时，通过对某些控制变量的优化，在满足所有指定约束条件的前提下，使系统的一个或多个性能指标达到最优的无功调节手段。它是保证电力系统安全，提高运行经济性的手段之一。将人工智能技术应用于电力系统无功优化中，主要有如下几方面：针对传统方法在处理配电网无功优化时不能处理多元约束问题的缺陷，模糊优化法通过引入模糊集理论，能使一些不确定的问题得到解决。使用模糊优化法，可优化配电网的电容器投切，减少了配电网的网损并提高了其电压质量。使用禁忌算法，能有效地处理不可微的目标函数，解决配电网补偿电容器优化投切0-1 组合优化问题，并可以处理补偿电容器分档投切的组合优化问题。而使用人工神经网络，可以将网损最小作为优化目标，用人工神经网络模型对多抽头的配电网电容器进行实时控制等等。
（5）在电力系统继电保护中的应用。通过专家系统，能把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，形成故障诊断专家系统的知识库，进而根据报警信息对知识库进行推理，获得故障诊断的结论。输电网络中保护的动作逻辑、保护与断路器之间的关系易于用直观的、模块化的规则表示出来，能够在一定程度上解决不确定性问题，能够给出符合人类语言习惯的结论，并具有相应的解释能力。此外框架法专家系统善于表达具有分类结构的知识，能够比较清楚的表达事物之间的相关性，可以简化继承性知识的表述和存储，在输电网络报警信息处理和故障诊断中也有少量应用。
3 结语
人工智能技术是21世纪最伟大的产物之一。将人工智能技术广泛地应用于电力自动化建设中，可以为相关工作人员提供科学的工作条件。例如，降低人力资源成本、促进工作进度、提升工作效率等方面，人工智能技术发挥着重要的作用。现如今，越来越多的电力企业将人工智能技术应用于电力故障诊断、日常维护和应用、电力自动化设计等工作中，对加快电力自动化的发展步伐产生尤为重要的意义。
参考文献：
[1]唐振宁.人工智能技术在电气自动化控制中的应用思路分析[J].山东工业技术，2019，（17）：138.
[2]赵玖成.人工智能技术在电气自动化控制中的应用思考[J].科技风，2019，（18）：78.
[3]陆莎.基于人工智能技术在电气自动化控制中的应用分析[J].电子世界，2019，（12）：144-145.
[4]张德明.浅析人工智能在电气工程自动化中的应用[J].市场周刊·理论研究,2018,000(002):175.
