如发现有乱码，请点击下面链接浏览原文
正文摘录:

2006年第21期总第236式相比更快速、简单和易于维护。专家系统在输电网络故障诊断中的典型应用是基于产生式规则的系统，即把保护、断路器的动作逻辑以及运行人员的诊断经验用规则表示出来，形成故障诊断专家系统的知识库，进而根据报警信息对知识库进行推理，获得故障诊断的结论。基于产生式规则的故障诊断专家系统得以广泛应用主要是由故障诊断和基于产生式规则的专家系统的特点所决定的。输电网络中保护的动作逻辑一级保护与断路器之间的关系易于用直观的、模块化的规则表示出来；基于产生式规则的专家系统允许增加、删除或修改一些规则，以确保诊断系统的实时性和有效性；能够在一定程度上解决不确定性问题；能够给出符合人类语言习惯的结论并具有相应的解释能力等。此外，框架法专家系统善于表达具有分类结构的知识，能够比较清楚地表达事物之间的相关性，可以简化继承性知识的表述和存储，在输电网络报警信息处理和故障诊断中也有少量应用。虽然专家系统能够有效地模拟故障诊断专家完成故障诊断的过程，但是在实际应用中仍存在一定缺陷，其主要问题是知识获取的瓶颈问题、知识难以维护，以及不能有效地解决故障诊断中许多不确定因素，这些问题大大影响了故障诊断的准确性。3.2人工神经网络(ANN)的应用人工神经网络(ANN)是模拟人脑组织结构和人类认知过程的信息处理系统，自1943年首次提出以来，已迅速发展成为与专家系统并列的人工智能技术的另一个重要分支。他以其诸多优点，如并行分布处理、自适应、联想记忆等，在智能故障诊断中受到越来越广泛的重视，而且已显示出巨大的潜力，并为智能故障诊断的研究开辟了一条新途径。应用ANN技术实现故障诊断不同于ES诊断方法。ANN方法通过现场大量的标准样本学习与训练，不断调整ANN中的连接权和阈值，使获取的知识隐式分布在整个网络上，并实现ANN的模式记忆。因此ANN具有强大的知识获取能力，并能有效地处理含噪声数据，弥补了ES方法的不足。采用多个人工神经元网络实现故障诊断，每个ANN负责系统中一部分的诊断。由于神经网络的快速并行处理能力和良好的分类能力，被广泛地应用于电力系统的实时控制、监测与诊断、短期和长期负荷预测、状态评估等诸多领域，而基于神经网络的负荷预测技术已成为人工智能在电力系统最为成功的应用之一。3.3模糊集理论(FuzzySetsTheor’y)在故障诊断中，故障与征兆之间的关系往往是模糊的，这种模糊性即来自故障与征兆之间关系的不确定性，又来自故障与征兆在概念描述上的不精确性，因而诊断结果也必然是模糊的，解决模糊诊断问题的传统方法一般根据专家经验在故障征兆空间与故障原因空问之间建立模糊关系矩阵。常用的方法是将各条模糊推理规则产生的模糊关系矩阵进行组合，或与或并。随着模糊理论的发展及完善，模糊理论的一些优点逐步被重视，如模糊理论可适应不确定性问题；其模糊知识库使用语言变量来表述专家的经验，更接近人的表达习惯；模糊理论能够得到问题的多个可能的解决方案，并可以根据这些方案的模糊度的高低进行优先程度排序等。目前，模糊理论已被引入输配电网络故障诊断领域。输电网络故障诊断的不确定因素对于要求严格匹配搜索的专家系统来说，很容易导致错误的结果。当在专家系统中融入模糊理论后，由精确推理变为近似推理，在相当程度上增强了专家系统的容错性。近年来，模糊集理论在电力系统中的应用取得了飞速进展：应用多目标模糊决策方法，进行故障测距和故障类型识别；给出模糊集理论的配电系统潮流与状态估计方法；采用模糊推理估计配电系统负荷水平，归纳各类用户随不同因素的变化；用模糊集方法构造变压器保护原理，区别内部故障、涌流、过激以及电流互感器饱和情况下的外部故障；寻求维持电力系统安全运行和充分利用输电容量之间的折衷解；运用于配电系统损耗模糊计算模型，提高计算精确度等。3.4遗传算法(GeneticAIgor·ithms，GA)遗传算法是基于自然选择和遗传机制，在计算机上模拟生物进化机制的寻优搜索算法。他能在复杂而庞大的搜索空间中自适应的搜索，寻找出最优或准最优解，且算法简单，适用，鲁棒性强。遗传算法对待求解问题几乎没有什么限制，也不涉及常规优化问题求解的复杂数学过程，并能够得到全局最优解或局部最优解集，这是他优于传统优化技术之处。遗传算法从优化的角度出发基本上可以解决故障诊断问题，尤其是在复故障或存在保护、断路器误动作的情况下，能够给出全局最优或局部最优的多个可能的诊断结果。但是如何建立合理的输电网络故障诊断模型是使用遗传算法的主要“瓶颈”。如果能够建立合理的数学模型，那么不仅可以使用遗传算法解决故障诊断问题，还可以使用其他类似的启发式优化算法解决故障诊断问题，如蚂蚁系统算法、TABU搜索算法等。从不同的交叉和变异算法的应用比较可以看出，不同的交叉和变异算子对结果的影响比较大，如何确定最优的交叉和变异算子及相应的参数也有待进一步研究。4AI在电力系统中的发展趋势4.1混合智能目前，人工智能中的4种主要工具，即专家系统、人工神经网络、模糊集理论、启发式搜索，各有优点和局限，缺少一种普遍有效的方法应用于电力系统的各个领域。混合智能，即综合多种智能技术，成为AI的重要发展方向之一。】49