人工智能及其在電力系統(tǒng)中的應(yīng)用

1、人工智能及其在電力系統(tǒng)中的應(yīng)用人工智能及其在電力系統(tǒng)中的應(yīng)用摘要：介紹了人工智能中的專(zhuān)家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模糊理論、模式識(shí)別和小波分析技術(shù)，以及這些技術(shù)在電力系統(tǒng)中的相關(guān)應(yīng)用。關(guān)鍵詞：人工智能；電力系統(tǒng)；應(yīng)用DOI：10.16640ki.371222t.2016.02.1221引言隨著信息社會(huì)和知識(shí)經(jīng)濟(jì)時(shí)代的來(lái)臨，信息量急劇增加，使得僅靠人腦來(lái)處理紛繁復(fù)雜信息變得力不從心，所以需要開(kāi)發(fā)由機(jī)器實(shí)現(xiàn)的人工智能。同樣隨著我國(guó)電力行業(yè)的大力發(fā)展，

2、系統(tǒng)結(jié)構(gòu)越來(lái)越復(fù)雜，各種數(shù)據(jù)越來(lái)越多，這就需要將人工智能的技術(shù)應(yīng)用在電力系統(tǒng)中，幫助人們解決復(fù)雜的問(wèn)題。2人工智能技術(shù)在電力系統(tǒng)中的具體應(yīng)用2.1人工智能定義射的方法，通過(guò)對(duì)標(biāo)準(zhǔn)樣本的學(xué)習(xí)，不斷調(diào)整自身的連接權(quán)重，經(jīng)過(guò)訓(xùn)練最終能夠獲得正確的輸出，具有強(qiáng)大的知識(shí)獲取能力，善于解決難以列出方程式或復(fù)雜的非線性問(wèn)題。1975年Dillon等人在第五次PSCC會(huì)議上發(fā)表了一篇關(guān)于用自學(xué)習(xí)機(jī)進(jìn)行負(fù)荷預(yù)測(cè)的文章，這是ANN在電力系統(tǒng)中的最早應(yīng)用[5

3、]。但限于當(dāng)時(shí)對(duì)ANN本身的研究沒(méi)有實(shí)質(zhì)性進(jìn)展，所以ANN在電力系統(tǒng)中的應(yīng)用沒(méi)有得到足夠的重視，以至于這方面的研究工作中斷了很長(zhǎng)時(shí)間。直至1986年S.Y.OH用模式識(shí)別以及聯(lián)想記憶的方法對(duì)一個(gè)實(shí)際系統(tǒng)進(jìn)行了安全估計(jì)，證明了該方法的可行性。隨后，1988年D.J.Sobajic和Y.H.Pao應(yīng)用ANN中的BP算法進(jìn)行電力系統(tǒng)的動(dòng)態(tài)安全估計(jì)，通過(guò)計(jì)算結(jié)果可知這種方法準(zhǔn)確度很高。（3）模糊理論。模糊理論以模糊集合為基礎(chǔ)，其基本思想是接受模

4、糊性現(xiàn)象存在的事實(shí)，以處理概念模糊不確定事物為目標(biāo)，利用模糊隸屬度的概念來(lái)對(duì)不確定事件與現(xiàn)象進(jìn)行描述。應(yīng)用模糊理論的模糊識(shí)別可以通過(guò)對(duì)事物的特征進(jìn)行分類(lèi)和識(shí)別，解決了電力系統(tǒng)中許多需要較長(zhǎng)時(shí)間的復(fù)雜運(yùn)算來(lái)進(jìn)行故障診斷的問(wèn)題，提高了電力系統(tǒng)故障診斷的效率。模糊理論主要應(yīng)用在繼電保護(hù)的主變保護(hù)、線路保護(hù)和發(fā)電機(jī)保護(hù)等幾個(gè)方面[5]。例如在故障電壓分量中，電壓的高頻成分各不相同，提取不同相電壓的變換頻率特征，將其與模糊集合進(jìn)行比較，從而可判斷