人工神经元网络和计算智能.pptVIP

人工神经元网络和计算智能 人工神经元网络（ANN）已经渗透到社会生活各个领域，如用户终端，命令数据，如今它又被应用于电力系统的控制，负荷预测，监控，诊断，分析等领域，在电力工业中被冠以“智能化”等形容词。然而，ANN没有智能，它只是表现了人们常常认为与智能相关的某些能力，如学习，交流，感知，推理。 智能系统: 具有智能特征，即具有理解，推理，感知，交流，学习的能力的系统。 目的: 对ANN和计算智能有一个基本的了解 介绍ANN的历史和它的生物基础 介绍两种有代表性的ANN结构，包括它们的网络拓扑和学习规则 1. ANN在电力系统中的应用 目前，ANN已用于负荷预测，警报处理，控制等方面，换句话说，它已经从研究阶段转为实际应用。其研究内容的趋向： 规划 负荷预测 在输电容量限制条件下经济调度 负荷的经济调度 安全评估 基于同步相量测量的电压安全监控 故障检测/诊断 HVDC的故障诊断 分析 状态评估 控制 电厂控制 HVDC的电流控制器 保护 变压器的保护 输电线的远距离保护 虽然ANN并不适用于设计，但是用ANN解决由竞争引起的难题和实现某些新技术如同步相量测量是有一定优越性的。 2. 计算智能和符号智能 人们常说：知识就是力量。在智能系统中，表示知识就是力量。表示知识是指智能系统（如专家系统或人工神经元网络）存储知识的行为。目前，智能系统用符号（如产生式规则）或基于运算的学习算法代表一个问题所涉及的知识，系统对这种知识的利用正是网络智能的体现。根据表达知识的方式的不同选择使用计算智能系统（如人工神经元网络）和符号智能系统（如专家系统或模糊系统）。如果用规则来表述知识最恰当，那么，适于选用专家系统。 例如，在电力系统控制中，操作员希望系统恢复到它的有名值，用IF-THEN语句描述如下： IF 系统频率所要求的有名值 AND 可用的发电容量使频率恢复到有名值需要的MWs AND 可从IPP获得所需的MWs AND 获得所需MWs的成本合理 AND 输电容量允许 THEN 购买所需的MWs。 这个例子虽然很简单，但是，它说明了一个系统操作员的知识是如何转换成专家系统的。在这个例子中，我们使用了一个模糊定义：合理的成本，其他语句则使用了确定的值（如60赫兹，150MW）。 区分计算智能和符号智能的另一种方法是左脑和右脑的模拟的区别。符号智能模拟左脑而计算智能模拟右脑。 左脑与顺序推理（逻辑）有关，包括： 语言理解和表达 逻辑推理 规划 时间感 以上每一种行为都包括一系列的动作。例如，在前文提到的系统操作员的例子中，词汇的输出就包括一个词一个词的输出行为。因此，符号智能的方法适合于解决那些需要演绎推理和计划的问题。。 另一方面，右脑与空间推理（创造和感觉）有关，包括： 比较和区分实际的映像 梦 协调。 右脑的功能与空间有关，因此，计算智能适用于解决模式识别的问题(如用于预测的每小时符合趋势识别，用于控制决策的输电线容量和母线电压监控)。 这两种智能的根本区别在于它们在仿效生物系统时的侧重点不同。符号智能侧重于体现大脑是如何推理的，而不论其生物化的完成过程如何。计算智能系统侧重于模仿大脑的学习，记忆，模式识别等生物过程。 ANN的首倡者之一Teuvo Kohonen提出了将右脑的概念引入生物模仿的理论。ANN是由大量的简单（多数可调）元件以及由这些元件构成的层次结构组成的并联网络，这些元件和层次结构与外部世界相互作用的方式与生物神经系统类似。 图1（知识的表达方式和其解决问题的对应关系）所示的是某一问题与解决该类问题的知识表达方式的内在关系。从理论上讲，一个问题的知识域是有限的，可以用一种闭合的方式表述（如欧姆定律的V=IR），图1的下部分有力的说明了这一观点。但是，如果对知识的处理方式主要是个人的经验，那么，知识的表达方式应该选用符号系统。例如, 只有少数人知道在断电以后如何恢复电网的运行，同时也只有少量的系统数据可以用于分析恢复电网运行的方式的优劣，因此，如果要将这些个人经验纳入智能系统，符号智能（如专家系统）是较好的选择。 然而，电力系统中某些行为缺乏足够的数据和统一的理论基础（如负荷预测），对这类问题的解决适于采用计算智能。综上所述，对任何问题的最好的解决方法都是第一原则（公式表达），但是，如果这一原则的运用缺乏足够的知识基础和用以确定关系和过程的大量数据，那么，用ANN较为合适。 3. ANN的生物基础 一定的生物基础知识有助于我们理解ANN的术语和结构。神经元网络不是微型大脑，它们只是研究者认为的大脑工作方式的人为表达。实际上，它们对人脑功