人工智能在电系统中的应用.ppt

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（ Stuart Russell, 2003）。 1.2人工智能的研究途径与研究领域 专家系统 (Expert Systems) 人工神经网络 (Artificial Neural Networks) 模糊逻辑 (Fuzzy Logic) 进化算法 (如：遗传算法Genetic Algorithm, 粒子群Swarm Particle,禁忌搜索Tabu Search, 模拟退火算法Simulated Annealing,) 多智能体系统 (Multi-agent system) 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 Unit Commitment 维护计划 Maintenance scheduling 负荷预测 Load Forecasting 发电控制与保护 Generation control and protection 潮流优化 Optimal Power Flow Analysis 电力系统安全分析 Security Analysis 电力系统稳定分析 Stability Analysis 无功优化分配 Var dispatch and planning 控制优化 Optimization of self-adaptive control 1.3人工智能在电力系统的应用领域 继电保护 Relaying protection 经济调度 Economic dispatch 变电所运行控制 Substation switching and control 系统恢复供电 System reconfiguration and restoration 电力质量控制 Power quality Control 系统设计优化 System Design Optimization 电力规划 planning for electric Power 电气设备故障诊断 Fault diagnosis for electric facilities 第二章 神经网络及其在电力系统中的应用 2.1 神经网络的基本概念及组成特性 2.2 人工神经网络的特性 高度的并行性 ANN是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。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） 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信号，并将本层的输出作为下一层的输入，其特点是信号的流向是从输入流向输出。在ANN的实际应用中