人工智能技術(shù)在電力系統(tǒng)中的應(yīng)用(參考版)
2024-08-25 11:21本頁面
【正文】 參考文獻(xiàn)[1] 周佃民,管曉宏,孫婕,[J].電網(wǎng)技術(shù),2002(2):1013.[2] 韓富春,[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),2002(6):4951.。隨著我國電力系統(tǒng)的持續(xù)發(fā)展,電力系統(tǒng)數(shù)據(jù)總量的不斷增加,管理上復(fù)雜程度的大幅度增長,以及市場競爭的影響和加大,為人工智能技術(shù)在電力系統(tǒng)的應(yīng)用提供了廣闊前景。3 結(jié)語人工智能技術(shù)在電力系統(tǒng)的應(yīng)用中已經(jīng)獲得了良好的發(fā)展。但是如何建立合理的輸電網(wǎng)絡(luò)故障診斷模型是使用遺傳算法的主要“瓶頸”。遺傳算法對待求解問題幾乎沒有什么限制,也不涉及常規(guī)優(yōu)化問題求解的復(fù)雜數(shù)學(xué)過程,并能夠得到全局最優(yōu)解或局部最優(yōu)解集,這是他優(yōu)于傳統(tǒng)優(yōu)化技術(shù)之處。 遺傳算法(Genetic Algorithms, GA)的應(yīng)用遺傳算法是基于自然選擇和遺傳機(jī)制，在計(jì)算機(jī)上模擬生物進(jìn)化機(jī)制的尋優(yōu)搜索算法。可引入模糊線性規(guī)劃算法以解決這一問題。例如對于負(fù)荷變化和電力生產(chǎn)的不確定性，就可運(yùn)用模糊值來表示某不確定負(fù)荷在實(shí)際集合中的隸屬函數(shù)，建立起電力系統(tǒng)最優(yōu)潮流的模糊模型。 模糊理論(Fuzzy Sets Theory)的應(yīng)用模糊邏輯能夠完成傳統(tǒng)數(shù)學(xué)方法難以做到的近似計(jì)算。該方法采用面向元件的ANN 模型,將電力系統(tǒng)的元件分為3 類，即線路、變壓器和母線,對每類元件都有一個(gè)特定的ANN 處理其報(bào)警信息，確定故障位置。根據(jù)具體問題的不同，已經(jīng)有多種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其訓(xùn)練算法在電力系統(tǒng)中得到了應(yīng)用。 神經(jīng)網(wǎng)絡(luò)(ANN)的應(yīng)用神經(jīng)
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1