人工智能技术(artificial intelligence technology)，简称AI，是研究和发展模拟、延伸和扩展人类智能的理论、方法、技术和应用系统的一门新技术科学。与基因工程、纳米技术并称为21世纪的三大前沿技术。以下文章与边肖编辑和分享的关于人工智能的论文相关。欢迎阅读！
人工智能论文(上)
人工智能技术在电力自动化中的应用探讨
人工智能技术(artificial intelligence technology)，简称AI，是研究和发展模拟、延伸和扩展人类智能的理论、方法、技术和应用系统的一门新技术科学。与基因工程、纳米技术并称为21世纪的三大前沿技术。因为它用计算机模拟人类的智能活动，完全摆脱了传统方法的束缚，可以解决传统方法解决不了甚至根本解决不了的问题。目前，随着国家电网建设“坚强智能电网”进程的不断深入，电力系统规模越来越大，数据量越来越大，管理越来越复杂。因此，人工智能在电力自动化控制系统中的应用可以有效降低运行成本，提高工作效率。本文就此问题做粗浅的探讨。
一、人工智能技术概述
人工智能技术自20世纪50年代发展以来，在理论研究上取得了突破，其具体应用有：(1)专家系统(ES)。所谓专家系统，就是一个计算机集合体，利用当前输入的信息、知识库和一系列推理规则，完成只有某一领域的专家才能完成的工作。专家的特点是他们的符号表达，逻辑推理和渐进式搜索能力。该系统在电力系统运行控制中的应用领域包括报警信号处理、电压控制、故障诊断、恢复控制、运行规划等。(2)人工神经网络。人工神经网络是一种模拟生物刺激系统，由大量神经元以一定方式连接而成。单个神经元的作用是实现输入和输出之间的非线性函数关系，它们广泛的连接组合使得整个神经网络具有复杂的非线性特征。神经网络隐藏了其连接权值的大量信息，并按照一定的学习算法调整权值，使神经网络可以实现从M维空间到N维空间的复杂非线性映射。神经网络具有良好的并行处理能力和分类能力，因此被广泛应用于电力系统的实时控制、检测与诊断、短期和长期负荷预测、状态评估等诸多领域。(3)模糊集合论。FL发展于20世纪60年代中期，它是多值逻辑的扩展，可以完成传统数学方法难以完成的近似推理。其具体应用是：将多目标模糊决策方法应用于故障定位和故障类型识别；给出了基于模糊集理论的配电系统潮流和状态估计方法。采用模糊推理来估计配电系统的负荷水平，并总结各种用户随不同因素的变化情况。利用模糊集方法构造变压器保护原理，区分电流互感器内部故障、励磁涌流、过励磁和饱和状态下的外部故障。在维护电力系统安全运行和充分利用输电能力之间寻求折中方案；将其应用到配电网网损模糊计算模型中，提高了计算精度。(4)启发式搜索。启发式搜索主要包括遗传算法和模拟退火算法。启发式搜索随机产生新解，保持好的结果，避免陷入局部极小，从而获得全局最优解或近似最优解。上述两种方法可用于求解任意目标函数和约束的优化问题。
二、人工智能技术在电力自动化中的应用
(1)在电源规划中的应用。电源规划是电力系统电源布局的战略规划。目前，人们对高质量电能的需求日益突出。因此，加强电力建设，扩大新增电源势在必行。电源规划复杂的一个重要原因是每个规划期的备用机组数量巨大，但这些状态对于每个具体的规划项目来说大多是不可行的。利用专家系统，可以根据实际规划工作中的具体约束条件对方案进行切割，尽快删除大量不可行方案，从而减少优化计算的工作量，提高规划效率。同时，可以利用遗传算法对车站的选址和能力进行优化。(2)电能质量分析中的应用。20世纪80年代末以来，随着微电子技术和电力电子技术的发展，人们越来越关注基本电能质量。为了提高电能质量，有必要建立电能质量检测、分析和识别系统，并对其进行正确的检测、评估和分类。传统的电能质量检测方法主要是手动和便携式电能质量测量仪，采集线路和变电站的现场数据，工作量大，采集的数据不系统、不完整，时间连续性短，误差大，效率低。人工智能技术可以有效克服传统方法的缺陷。例如，电力系统中谐波诊断的任务是从一组电流或电压采样信号中确定每个谐波的含量或感兴趣的谐波分量的含量。使用人工神经网络，可以在避免噪声和间谐波的同时分析谐波问题。再如，电力系统供电侧的电压和负荷变化会引起用户侧的电压波动，长期的电压偏差将无法保证供电电压的质量。因此，将电压偏差保持在允许范围内是衡量电能质量标准的重要内容。基于专家系统设计的变电站无功控制装置可以将已有的无功电压控制经验或知识用规则表达出来，形成专家系统的知识库。像有经验的调度员一样，在面对不同的运行工况时，能够根据上述规则，根据无功电压的实时变化值，有效地做出合理的调压决策。此外，人工智能技术在电能质量分析中的应用还包括电能质量扰动分析、电能质量数据管理和数据挖掘等。(3)在故障诊断中的应用。电力系统中可能发生的故障种类繁多，具有复杂性、不确定性和非线性的特点。从一个系统故障的角度来看，可以分为两类：线路故障和元件故障。从二次系统的故障来看，大致可以分为五种：保护系统、信号系统、测量系统、控制系统、供电系统。如果采用传统方法，诊断效率低，准确率不高，但人工智能技术可以大大提高故障诊断的准确率。专家系统、神经网络和模糊逻辑是人工智能技术用于故障诊断的方法。如将人工智能故障诊断技术应用于发电机和电动机的故障诊断时，模糊理论和神经网络的结合既保留了故障诊断知识的模糊性，又结合了神经网络学习能力强的优点，共同实现了电动机的故障诊断，大大提高了故障诊断的准确性。(4)电力系统无功优化中的应用。电力系统无功优化是指在电力系统的结构参数和负荷条件给定的情况下，通过优化某些控制变量并满足所有规定的约束条件，使系统的一项或多项性能指标得以优化的无功调节手段。它是保证电力系统安全和提高运行经济性的手段之一。人工智能技术在电力系统无功优化中的应用主要包括以下几个方面：例如，针对传统方法在处理配电网无功优化时不能处理多变量约束的缺陷
禁忌算法能有效处理不可微目标函数，解决配电网补偿电容器最优投切的0-1组合优化问题，分阶段处理投切补偿电容器的组合优化问题。利用人工神经网络，可以将网损最小作为优化目标，利用人工神经网络模型对多抽头配电网电容器进行实时控制，等等。(5)在电力系统继电保护中的应用。通过专家系统，可以将保护和断路器的动作逻辑以及运行人员的诊断经验用规则表达出来，形成故障诊断专家系统的知识库。然后根据告警信息对知识库进行推理，得出故障诊断的结论。输电网保护的动作逻辑。一次保护与断路器的关系易于用直观的、模块化的规则表达，可以在一定程度上解决不确定性问题，给出符合人类语言习惯的结论，具有相应的解释力。此外，框架法专家系统善于用分类结构表示知识，能清晰地表达事物之间的相关性，能简化继承知识的表达和存储，在告警信息处理和传输网故障诊断中也有少量应用。(6)在抑制电力系统低频振荡中的应用。大规模电网互联容易产生低频振荡，对电力系统安全构成严重威胁。低频振荡是由系统阻尼不足引起的。目前，电力系统稳定器FACTS和PSS阻尼控制器被广泛研究。以上两种方法都有一些缺陷，即鲁棒性差。人工智能技术可以模拟人类处理问题的过程，容易兼顾人类的经验，具有一定的学习能力。将神经网络、模糊理论、遗传算法等人工智能技术应用于FACTS控制器和自适应PSS的研究，可以解决阻尼控制器的参数问题。
总之，随着人工智能技术的不断进步，新的方法会不断涌现，在电力系统中的应用也会越来越广泛。如何整合现有技术，扬长避短，探索新的技术和理论方法，并应用于解决未来电力系统的各种问题，是我们今后探索和研究的主要方向。
下一页，分享与更好的人工智能相关的论文。
