人工智能在电力系统中的应用

《人工智能在电力系统中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、人工智能在电力系统中的应用孟安波第一章概述人工智能是那些与人的思维相关的活动，诸如决策、问题求解和学习等的自动化(Bellman,1978）；人工智能是一种计算机能够思维，使机器具有智力的激动人心的新尝试（Haugeland,1985）；人工智能是那些使知觉、推理和行为成为可能的计算的研究（Winston,1992）；人工智能是关于人造物的智能行为，而智能行为包括知觉、推理、学习、交流的行为（Nilsson，1998）。像人一样思考的系统、像人一样行动的系统、理性地思考、行动的系统（StuartRussell,2003）。1.1人工智能定义1.2人工智能的

2、研究途径与研究领域专家系统(ExpertSystems)人工神经网络(ArtificialNeuralNetworks)模糊逻辑(FuzzyLogic)进化算法(如：遗传算法GeneticAlgorithm,粒子群SwarmParticle,禁忌搜索TabuSearch,模拟退火算法SimulatedAnnealing,)多智能体系统(Multi-agentsystem)心理模拟，符号推演生理模拟，神经计算行为模拟，控制进化群体模拟，仿生计算1.3人工智能在电力系统的应用领域机组启停UnitCommitment维护计划Maintenancescheduli

3、ng负荷预测LoadForecasting发电控制与保护Generationcontrolandprotection潮流优化OptimalPowerFlowAnalysis电力系统安全分析SecurityAnalysis电力系统稳定分析StabilityAnalysis无功优化分配Vardispatchandplanning控制优化Optimizationofself-adaptivecontrol继电保护Relayingprotection经济调度Economicdispatch变电所运行控制Substationswitchingandcontrol系统

4、恢复供电Systemreconfigurationandrestoration电力质量控制PowerqualityControl系统设计优化SystemDesignOptimization电力规划planningforelectricPower电气设备故障诊断Faultdiagnosisforelectricfacilities1.3人工智能在电力系统的应用领域第二章神经网络及其在电力系统中的应用人工神经网络是集脑科学、神经心理学和信息科学等多学科的交叉研究领域，是近年来高科技领域的一个研究热点。它的研究目标是通过研究人脑的组成机理和思维方式，探索人类智能

5、的奥秘，进而通过模拟人脑的结构和工作模式，使机器具有类似人类的智能。它已在模式识别、机器学习、专家系统等多个方面得到应用，成为人工智能研究中的活跃领域。本章将简要介绍神经网络基本的概念、模型以及学习算法以及应用实例。2.1神经网络的基本概念及组成特性神经元及其突触是神经网络的基本器件。因此，模拟生物神经网络应首先模拟生物神经元。在人工神经网络中，神经元常被称为“处理单元”。有时从网络的观点出发常把它称为“节点”。人工神经元是对生物神经元的一种形式化描述。神经元主要由三部分构成：（1）细胞体;（2）轴突;（3）树突2.2人工神经网络的特性高度的并行性ANN是

6、由许多相同的简单处理单元并联组合而成，虽然每个单元的功能简单，但大量简单处理单元的并行活动，使其对信息的处理能力与效果惊人。高度的非线性全局作用ANN每个神经元接受大量其它神经元的输入，并通过并行网络产生输出，影响其他神经元。网络之间的这种互相制约和互相影响，实现了从输入状态到输出状态空间的非线性映射。从全局的观点来看，网络整体性能不是网络局部性能的简单迭加，而表现出某种集体性的行为。良好的容错性与联想记忆功能ANN通过自身的网络结构能够实现对信息的记忆。而所记忆的信息是存储在神经元之间的权值中。从单个权值中看不出所储存的信息内容，因而是分布式的存储方式。

7、这使得网络具有良好的容错性，并能进行聚类分析、特征提取、缺损模式复原等模式信息处理工作；又宜于模式分类、模式联想等识别工作。十分强的自适应、自学习功能ANN可以通过训练和学习来获得网络的权值与结构，呈现出很强的学习能力和对环境的自适应能力。2.3人工神经网络的学习方法监督学习（有教师学习）如图所示，这种学习方式需要外界存在一个“教师”，他可对给定一组输入提供应有的输出结果，这组已知的输入-输出数据称为训练样本集，学习系统（神经网络）可根据已知输出与实际输出之间的差值（误差信号）来调节系统参数非监督学习（无教师学习）环境教师学习系统输入期望输出实际输出误差信

8、号2.3人工神经网络的分类前向网络中，各神经元节点接受前一层的输出