人工智能技術(shù)簡(jiǎn)稱AI，是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)，與基因工程、納米技術(shù)并稱為21世紀(jì)三大尖端技術(shù)。以下是學(xué)習(xí)啦小編整理分享的人工智能有關(guān)的論文的相關(guān)文章，歡迎閱讀!

　　人工智能有關(guān)的論文篇一

　　人工智能技術(shù)在電力自動(dòng)化的應(yīng)用探討

　　人工智能技術(shù)簡(jiǎn)稱AI，是研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門(mén)新的技術(shù)科學(xué)，與基因工程、納米技術(shù)并稱為21世紀(jì)三大尖端技術(shù)。由于它是利用計(jì)算機(jī)來(lái)模擬人類的智能活動(dòng)，因此完全擺脫了傳統(tǒng)方法的束縛，能解決傳統(tǒng)方法難以解決甚至根本無(wú)法解決的問(wèn)題，當(dāng)前，隨著國(guó)家電網(wǎng)建設(shè)“堅(jiān)強(qiáng)的智能電網(wǎng)”進(jìn)程的不斷深入，電力系統(tǒng)規(guī)模不斷增加，數(shù)據(jù)量增多，管理上越發(fā)復(fù)雜，因此，將人工智能應(yīng)用于電力自動(dòng)化控制系統(tǒng)，能有效減少運(yùn)行成本，提高工作效率，現(xiàn)就該問(wèn)題進(jìn)行粗淺探討，以供參考。

　　一、人工智能技術(shù)概述

　　人工智能技術(shù)自上世紀(jì)50年代發(fā)展至今，在理論研究方面已取得突破性進(jìn)展，在具體應(yīng)用方面，主要如下：(1)專家系統(tǒng)(ES)。所謂專家系統(tǒng)，即一個(gè)計(jì)算機(jī)程序集，該程序利用當(dāng)前的輸入信息、知識(shí)庫(kù)及一系列推理規(guī)則來(lái)完成由某一領(lǐng)域?qū)＜也拍芡瓿傻墓ぷ鳌＜蚁到y(tǒng)的特點(diǎn)在于其符號(hào)表達(dá)、邏輯推理及漸進(jìn)式搜索能力。家系統(tǒng)在電力系統(tǒng)運(yùn)行控制中的應(yīng)用領(lǐng)域包括報(bào)警信號(hào)處理、電壓控制、故障診斷、恢復(fù)控制、運(yùn)行規(guī)劃等。(2)人工神經(jīng)網(wǎng)絡(luò)(ANN)。人工神經(jīng)網(wǎng)絡(luò)是模擬的生物激勵(lì)系統(tǒng)，由大量的神經(jīng)元以一定的方式連接而成的，單個(gè)神經(jīng)元的作用是實(shí)現(xiàn)輸入到輸出的一個(gè)非線性函數(shù)關(guān)系，它們之間廣泛的連接組合就使得整個(gè)神經(jīng)網(wǎng)絡(luò)有了復(fù)雜的非線性特性，神經(jīng)網(wǎng)絡(luò)將大量的信息隱含在其連接權(quán)值上，根據(jù)一定的學(xué)習(xí)算法調(diào)節(jié)權(quán)值，使神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)從m維空間到n維空間復(fù)雜的非線性映射。神經(jīng)網(wǎng)絡(luò)具有良好的快速并行處理能力及分類能力，因此被廣泛地應(yīng)用于電力系統(tǒng)的實(shí)時(shí)控制、檢測(cè)與診斷、短期和長(zhǎng)期負(fù)荷預(yù)測(cè)、狀態(tài)評(píng)估等諸多領(lǐng)域。(3)模糊集理論(FL)。FL發(fā)展于上世紀(jì)60年代中期，它是多值邏輯的擴(kuò)展，能夠完成傳統(tǒng)數(shù)學(xué)方法難以做到的近似推理。其具體應(yīng)用為：應(yīng)用多目標(biāo)模糊決策方法，進(jìn)行故障測(cè)距和故障類型識(shí)別;給出模糊集理論的配電系統(tǒng)潮流與狀態(tài)估計(jì)方法;采用模糊推理估計(jì)配電系統(tǒng)負(fù)荷水平，歸納各類用戶隨不同因素的變化;用模糊集方法構(gòu)造變壓器保護(hù)原理，區(qū)別內(nèi)部故障、涌流、過(guò)激以及電流互感器飽和情況下的外部故障;尋求維持電力系統(tǒng)安全運(yùn)行和充分利用輸電容量之間的折衷解;運(yùn)用于配電系統(tǒng)損耗模糊計(jì)算模型，提高計(jì)算精確度等。(4)啟發(fā)式搜索(HS)。啟發(fā)式搜索主要有遺傳算法(GA)和模擬退火(SA)算法兩種，啟發(fā)式搜索通過(guò)隨機(jī)產(chǎn)生新的解并保留其中較好的結(jié)果，并避免陷入局部最小，以求得全局最優(yōu)解或近似最優(yōu)解。以上兩種方法，都可用來(lái)求解任意目標(biāo)函數(shù)和約束的優(yōu)化問(wèn)題。

　　二、人工智能技術(shù)的在電力自動(dòng)化的應(yīng)用

　　(1)在電源規(guī)劃中的應(yīng)用。電源規(guī)劃是電力系統(tǒng)中電源布局的戰(zhàn)略規(guī)劃，當(dāng)前，人們對(duì)高質(zhì)量電能的需求越發(fā)突出，因此，加強(qiáng)電力建設(shè)，擴(kuò)充新電源勢(shì)在必行。電源規(guī)劃問(wèn)題之所以復(fù)雜，其中一個(gè)重要原因即是每個(gè)規(guī)劃時(shí)期備選機(jī)組狀態(tài)的數(shù)目龐大，而對(duì)于每個(gè)具體的規(guī)劃項(xiàng)目，這些狀態(tài)大多是不可行的，而利用專家系統(tǒng)，可以根據(jù)實(shí)際規(guī)劃工作時(shí)的具體約束條件對(duì)方案進(jìn)行裁減，盡早刪除大量不可行的方案，從而減少優(yōu)化計(jì)算的工作量，提高規(guī)劃效率。同時(shí)，利用遺傳算法，可以實(shí)現(xiàn)站址和站容的優(yōu)化。(2)在電能質(zhì)量分析中的應(yīng)用。20世紀(jì)80年代末以來(lái)，隨著微電子技術(shù)和電力電子技術(shù)的發(fā)展，基電能質(zhì)量越來(lái)越被人們所關(guān)注。為提高電能質(zhì)量，建立電能質(zhì)量檢測(cè)和分析識(shí)別系統(tǒng)，對(duì)其進(jìn)行正確的檢測(cè)、評(píng)估和分類就顯得十分必要。傳統(tǒng)的電能質(zhì)量檢測(cè)手段主要是以人工方式和便攜式電能質(zhì)量測(cè)量?jī)x器為主，對(duì)線路和變電站進(jìn)行現(xiàn)場(chǎng)數(shù)據(jù)采集，工作量大，采集的數(shù)據(jù)不系統(tǒng)也不全面，時(shí)間延續(xù)性短，誤差較大，效率低。而采用人工智能技術(shù)能有效克服傳統(tǒng)方法的缺陷。如電力系統(tǒng)中諧波診斷的任務(wù)是對(duì)一組電流或電壓的采樣信號(hào)確定出各次諧波的含量或感興趣的諧波成分含量，采用人工神經(jīng)網(wǎng)絡(luò)，可以在避免噪聲和間諧波的情況下分析諧波問(wèn)題。又如，電力系統(tǒng)電源側(cè)電壓及負(fù)荷變化將引起用戶側(cè)電壓波動(dòng)，長(zhǎng)時(shí)間的電壓偏移將使得供電電壓質(zhì)量得不到保證，因此，保持電壓偏移在允許范圍內(nèi)是衡量電能質(zhì)量標(biāo)準(zhǔn)的一項(xiàng)重要內(nèi)容。而基于專家系統(tǒng)而設(shè)計(jì)的變電站無(wú)功控制裝置，能將已有的無(wú)功電壓控制經(jīng)驗(yàn)或知識(shí)用規(guī)則表示出來(lái)，形成專家系統(tǒng)的知識(shí)庫(kù)。并能像有經(jīng)驗(yàn)的調(diào)度員那樣，在面臨不同運(yùn)行工況時(shí)，根據(jù)上述的規(guī)則由無(wú)功電壓實(shí)時(shí)變化值有效地作出合理的電壓調(diào)節(jié)決策。此外，人工智能技術(shù)在電能質(zhì)量分析中的應(yīng)用，還包括電能質(zhì)量的擾動(dòng)分析、電能質(zhì)量的數(shù)據(jù)管理和數(shù)據(jù)挖掘，等等。(3)在故障診斷中的應(yīng)用。電力系統(tǒng)可能出現(xiàn)的故障種類繁多，具有復(fù)雜性、不確定性及非線性等特點(diǎn)，從一次系統(tǒng)的故障看，可分為線路和元件故障兩大類;從二次系統(tǒng)的故障看，則可粗略地分為保護(hù)系統(tǒng)、信號(hào)系統(tǒng)、測(cè)量系統(tǒng)、控制系統(tǒng)及電源系統(tǒng)五類故障，若采用傳統(tǒng)的方法診斷效率低，準(zhǔn)確率不高，而采用人工智能技術(shù)，能大大提高故障診斷的準(zhǔn)確率。專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模糊邏輯是人工智能技術(shù)用于故障診斷的方法，例如人工智能故障診斷技術(shù)運(yùn)用于發(fā)電機(jī)及電動(dòng)機(jī)進(jìn)行的故障診斷時(shí)，將模糊理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合，不僅保留了故障診斷知識(shí)的模糊性，還結(jié)合了神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力強(qiáng)的優(yōu)點(diǎn)，共同實(shí)現(xiàn)對(duì)電機(jī)故障的診斷，大大提高了故障診斷的準(zhǔn)確率。(4)在電力系統(tǒng)無(wú)功優(yōu)化中的應(yīng)用。謂電力系統(tǒng)無(wú)功優(yōu)化，就是指當(dāng)電力系統(tǒng)的結(jié)構(gòu)參數(shù)及負(fù)荷情況給定時(shí)，通過(guò)對(duì)某些控制變量的優(yōu)化，在滿足所有指定約束條件的前提下，使系統(tǒng)的一個(gè)或多個(gè)性能指標(biāo)達(dá)到最優(yōu)的無(wú)功調(diào)節(jié)手段，它是保證電力系統(tǒng)安全，提高運(yùn)行經(jīng)濟(jì)性的手段之一。將人工智能技術(shù)應(yīng)用于電力系統(tǒng)無(wú)功優(yōu)化中，主要有如下幾方面：如，針對(duì)傳統(tǒng)方法在處理配電網(wǎng)無(wú)功優(yōu)化時(shí)不能處理多元約束問(wèn)題的缺陷，模糊優(yōu)化法通過(guò)引入模糊集理論，能使一些不確定的問(wèn)題得到解決，使用模糊優(yōu)化法，可優(yōu)化配電網(wǎng)的電容器投切，減少了配電網(wǎng)的網(wǎng)損并提高了其電壓質(zhì)量。使用禁忌算法，能有效地處理不可微的目標(biāo)函數(shù)，解決配電網(wǎng)補(bǔ)償電容器優(yōu)化投切0-1組合優(yōu)化問(wèn)題，并可以處理補(bǔ)償電容器分檔投切的組合優(yōu)化問(wèn)題。而使用人工神經(jīng)網(wǎng)絡(luò)，可以將網(wǎng)損最小作為優(yōu)化目標(biāo)，用人工神經(jīng)網(wǎng)絡(luò)模型對(duì)多抽頭的配電網(wǎng)電容器進(jìn)行實(shí)時(shí)控制，等等。(5)在電力系統(tǒng)繼電保護(hù)中的應(yīng)用。通過(guò)專家系統(tǒng)，能把保護(hù)、斷路器的動(dòng)作邏輯以及運(yùn)行人員的診斷經(jīng)驗(yàn)用規(guī)則表示出來(lái)，形成故障診斷專家系統(tǒng)的知識(shí)庫(kù)，進(jìn)而根據(jù)報(bào)警信息對(duì)知識(shí)庫(kù)進(jìn)行推理，獲得故障診斷的結(jié)論。輸電網(wǎng)絡(luò)中保護(hù)的動(dòng)作邏輯一級(jí)保護(hù)與斷路器之間的關(guān)系易于用直觀的、模塊化的規(guī)則表示出來(lái)能夠在一定程度上解決不確定性問(wèn)題，能夠給出符合人類語(yǔ)言習(xí)慣的結(jié)論并具有相應(yīng)的解釋能力等。此外框架法專家系統(tǒng)善于表達(dá)具有分類結(jié)構(gòu)的知識(shí)，能夠比較清楚的表達(dá)事物之間的相關(guān)性，可以簡(jiǎn)化繼承性知識(shí)的表述和存儲(chǔ)，在輸電網(wǎng)絡(luò)報(bào)警信息處理和故障診斷中也有少量應(yīng)用。(6)在抑制電力系統(tǒng)低頻振蕩中的應(yīng)用。大規(guī)模電網(wǎng)互聯(lián)易產(chǎn)生低頻振蕩，對(duì)電力系統(tǒng)的安全造成嚴(yán)重威脅。低頻振蕩產(chǎn)生的原因，源于系統(tǒng)缺乏阻尼，目前，低頻振蕩抑制措施中研究較多的是電力系統(tǒng)穩(wěn)定器FACTS和PSS阻尼控制器，以上兩種辦法均存在一定缺陷，即存在魯棒性差的問(wèn)題，而人工智能技術(shù)能模擬人類處理問(wèn)題的過(guò)程、容易計(jì)及人的經(jīng)驗(yàn)和具有一定的學(xué)習(xí)能力，將神經(jīng)網(wǎng)絡(luò)、模糊理論、GA等人工智能技術(shù)應(yīng)用于FACTS控制器和自適PSS的研究，能解決阻尼控制器參數(shù)的魯棒最優(yōu)整定，有效抑制電力系統(tǒng)低頻振蕩問(wèn)題。

　　總之，隨著人工智能技術(shù)的不斷進(jìn)步，新的方法將不斷涌現(xiàn)，其在電力系統(tǒng)中的應(yīng)用也將越來(lái)越廣，如何綜合已有技術(shù)，揚(yáng)長(zhǎng)避短，并探索新的技術(shù)和理論方法，將其應(yīng)用于解決未來(lái)電力系統(tǒng)的各種問(wèn)題，是我們今后探索研究的主要方向。

下一頁(yè)分享更優(yōu)秀的<<<人工智能有關(guān)的論文