[工学]第6章-神经网络遗传算法.pptVIP

1998 第六章 人工神经网络和遗传算法简介 内 容 提 要 人工神经网络简介 遗传算法简介 基于遗传算法的电网故障恢复决策系统 一、人工神经网络 Artificial Neural Network - ANN 1. 人工神经网络的基本概念 人工神经网络是采用物理可实现的手段来模仿人脑神经系统结构和功能的系统。 人工神经网络是由大量的简单计算单元(即人工神经元)广泛连接而成的大规模并行分布处理网络。 2. 生物神经元和人工神经元 时空整合功能； 兴奋与抑制状态； 脉冲与电位转换； 神经纤维传导速度； 突触延时和不应期。 人工神经元状态计算： Si -- 第i个神经元总输入 ?i -- 阈值 g -- 神经元内部函数 f -- 神经元激活函数 yi -- 第i个神经元的输出 激活函数的类型： 3. ANN的主要模型 误差反向传播(BP)模型 Hopfield网络模型(离散和连续) Kohonen自组织特征映射模型 逆向传播(CNP)模型 自适应谐振理论(ART)模型 双向联想记忆模型 BP模型 4. ANN的实现方式 硬件实现 采用大规模集成电路技术，将大量人工神经元连接成网络，制成神经网络计算机。 软件模拟 基于传统的计算机，通过数值计算软件来模拟人工神经网络，将知识以权矩阵方式存储在数据文件中。 5. ANN的主要用途 模式识别和分类 函数逼近与控制过程仿真建模 语音和图像处理 优化问题 预测问题和过程控制 6. ANN在电力系统中的应用领域 报警处理和故障诊断 静态和暂态安全评估 发电机模型的仿真和控制 过程控制和自动化 大机组组合优化和经济运行 短期负荷预测 配电网线损计算 二、遗传算法 Genetic Algorithm - GA 1. 遗传算法的基本概念 遗传算法是建立在自然选择和群体遗传学基础上的一种优化方法。 遗传算法使用二进制串模拟染色体，按照自然选择的原理（即群体中染色体的适应度越高则它将获得繁殖后代的机会越大），运用定义的各种遗传算子模拟进化，使整个群体不断优化并最终找到问题的全局最优解。 2. 遗传算法求解问题的基本方法 将实际问题编码表示成具有固定结构的符号串，即人工染色体（染色体一般由０和１构成）。 在染色体中，由一位或几位符号组成的基本信息单位称为基因。 染色体的总位数称为染色体的长度。 每一个串代表一个个体，表示优化问题的一个解。 衡量染色体品质的指标是染色体的适应函数，它对应实际工程问题的目标函数。 示例： 3. 遗传算法的基本操作 （在前代染色体域的基础上产生新一代染色体域） 4. 遗传算法求解问题的步骤 5. 遗传算法的特点 适合计算机运算 操作是在给定的字符串上进行的， 能够有较大可能求得全部最优解 同时搜索解空间中许多点而不是一个点 具有广泛的适应性 适应函数由目标函数而定，对问题的依赖性较小 适合于大规模复杂优化问题 在解空间内进行充分的搜索，但不是盲目地枚举和完全随机地测试 6. 遗传算法在电力系统中的应用领域 经济运行 电网规划 网络分割 故障诊断 潮流计算 三、基于遗传算法的电网 故障恢复决策系统 1. 电网故障恢复问题的描述 电网故障停电区域的恢复供电问题可以描述为：在供电路径输送功率的限制下，如何对停电区域进行网络重构，以保证最大限度地恢复供电，并考虑操作上最为简便。 2. 染色体编码 把停电区域内的所有支路以及停电区域的供电路径支路作为恢复决策时的可操作支路，将每条可操作支路作为染色体的一个基因。 当某一基因值为１时，表示其相应的支路状态改变，即由１→０或由０→１（１为接通，０为断开）； 当某一基因值为０时，表示相应的支路状态不改变。 染色体的长度等于所有可操作支路的数目。 每个染色体代表一个恢复方案。 3. 适应函数的构造 恢复供电的目标： 在不使非停电区域出现过负荷的情况下，最大限度地恢复对用户的供电，同时要求采取尽量少的操作。 4. 系统运行流程 5. 实际算例分析 报警信息：衡水站开关174跳闸 故障元件：衡邑线 故障隔离：打开武邑站181-5#刀闸 进行遗传操作，得到若干可行方案 测试结果表明 基于遗传算法的电网故障停电恢复决策系统，不仅能给出最优解，同时还能给出若干次优解，为运行人员提供更多的参考信息。 * 细胞体 输入信号 树突 轴突 突触 神经元输出 生物神经元的功能和特性： 细胞核 ? u y 神经元输出 输入信号 x1 w1 xn x2 wn w2 加权值 输入信号 树突 轴突 突触 神经元输出 细胞体 细胞核 2. 生物神经元和人工神经元 ? u y x1 w1 xn x2 wn w2 u 硬限幅函数 0 f(u) 1.0 分段线性函数 0 f(u) 1.0 u u Sigmoid型函数 0 f