论文部分内容阅读
（广东省电力设计研究院，510663）
【摘要】实现人工智能控制是目前电气自动化控制理论基础应用到组织实践中的新历史阶段。在当前，自动化控制系统的应用规模、涉及到的领域范畴等也照以往也有了显著的提升幅度，故而使自动化控制系统的应用实现了全面研究深入阶段，并在很大程度上处理、解决了以往复杂、系统的控制问题，使其技术原有的不确定性、不稳定得以降低，而相应增强的高度非线性、高适应性的系统性能得以发挥出来。基于此，本文对电力系统自动化涉及到的智能技术进行了研究，如对模糊控制、神经网络控制、专家系统等的运用展开了详尽探讨。
【关键词】智能技术；电力系统；自动化；控制
1 人工智能定义概述
“人工智能”被认定为一门前沿科学技术是始于上世纪的五十年代的1956年，由Dartmouth学会向科学领域所提出的。但在1936年，它的模糊概念就已经被阿兰.麦席森.图灵（AlanMathison Turing）所提出，所以后世不少人仍然记得这位曾为人工智能科学研究做出巨大贡献的“人工智能之父”。从现代来看，人工智能是一项综合学科，研究的是各类机械器具、相关操作系统程序、设备模拟作业、以及研究完善现有人工智能技术的一项综合学科技术。而向计算机技术、自动化控制技术等的研究深入，仅是人工智能体系技术探究的一个分支。也就是说，这些技术的推广与应用能够渗透到当前各组织领域，相互之间也存在着紧密的关联性与互补性。
电气自动化控制系统中渗透了人工智能技术，能够使专业电气工程的功能逐步分解到各自动化板块系统中，进而也就强化了设备运行时的处理能力，实现精准、高效处理，降低人力资源消耗成本。此外，人工智能技术在应用到电气控制系统中时，也能够抑制一些不稳定、不确定的因素发生，也就是当前电气自动化系统应用时所普遍强调的模糊动态控制。也就是说，凭借系统中的特定程序设置及参数设定、变量控制等可显著增强控制系统的应用功能，使电气设备在运营阶段时的操作、自动化控制功能发挥更加高效。如，将人工智能应用于电气自动化中的报表生成及打印环节中，可以极大的提高各类报表的制表计算速度及准确性。
2 智能技术在电力自动化控制系统中的应用研究
电力自动化控制系统中引入智能技术在目前看来其应用前景非常广，并且技术运用成果相对突出，其中本文以几种最为常见的典型技术对其进行了研究。
2.1 模糊理論应用
模糊理论别名也称为集合理论，它主要利用语言变量和推理逻辑理论作为电力智能设施的实践基础。此外，运用模糊理论的电力自动化控制系统，能够具备体系完整的推理逻辑性，以及能够模拟人为决策等形式的模糊推理过程。而决定这一推理、逻辑过程的是其技术的数据规则控制。也就是说，应用模糊理论可以直观对模糊输入量进行推理，进而按照其程序的控制原则实现应有的模糊控制输出，而具体的输出成果则是模糊化、推理过程、推理判决。所以，电力自动化控制系统中如果通过模糊理论下的模糊量输出，能够将语言变量进行充分表达，进而实现类似于人的逻辑性能。此外，其鲁棒性也很强，能够使控制系统具备一定的自学、容错能力，即使系统内部出现因网络拓扑或者环境变量改变而引起的系统问题，凭借模糊理论的应用成果，也能够及时寻求出最为合理的解决途径。
2.2 专家系统应用
智能技术体系中的专家系统应用范畴较为广阔，尤其是应用在电力系统自动化中所体现的成果也相当强大。如电力系统的预警状态辨识、系统紧急处理、系统控制性能恢复、系统状态切换、故障点排查及隔离、系统短期负荷提示、以及电压无功控制等方面都会存在智能技术中专家系统的影子。由此可见，专家系统在电力自动化控制系统中的广泛程度非常明显，并在各方面的应用实践取得了一定成果。但值得指出的是，专家系统同样具备约束性。如难以模仿电力专家的创造性；仅采用了浅层知识而缺乏功能理解的深层适应；缺乏有效的学习机构，对情况的处理解决能力非常有限，知识库的验证困难；对复杂的问题缺少好的分析和组织工具等。因此，在开发专家系统方面应注意专家系统的效益分析方法问题，专家系统软件的应用成果及试验性能问题，知识获取问题，专家系统与其他常规工具或系统相结合的协调等问题。
2.3 神经网络的应用
神经网络是人工智能技术体系中的一部分，通过近七十年来的不懈努力与致力钻研，其在模型构造、模型计算及算法等相关方面着实取得了不小研究成果。而神经网络技术自兴起直至被人们接受与高度重视以来，之所以取得不少成就必然与人为的努力研究有直接关系，同时还与其理论的实践性强大有重要关系。即其本质具备非线性特性、系统能力及鲁棒性体现明显、以及自发学习能力功能等非常显著等，都决定了其理论与实践技术应用的开拓程度。当然，其具体作用形式是以大量信息为准；主要通过神经网络将大批量、大规模的信息隐含在连接权值上，并结合与之配套的算法去调节权值，进而能够将神经网络实现一种复杂非线性映射，即神经网络由m维的空间向n维空间的复杂非线性映射，进而更加利于神经网路模型的深入研究。
2.4 综合智能系统应用
综合智能控制系统主要指智能控制性能的综合体现，即集结了现代智能控制技术方法、以及不同智能控制方法的融合和交叉，是种具备综合性能的智能系统。而这种综合性能系统对电力自动化控制系统而言，无疑更具发展潜力与增值空间。也就是说，当前电力市场中具备很多的神经网络和专家系统相结合的系统产物；同理，包括专家系统和模糊理论结合、神经网络和模糊理论相结合等的综合产物。此外，综合性能系统也是根据主要智能技术的性能效果去加以区分、谋划而生成的一种智能技术。如，神经网络的使用范畴往往针对于非结构化知识，但模糊理论则更加适用于一些结构化信息的处理。因此，这两种技术的融合正好能够形成技能互补、低高层计算的逻辑处理等，进而使以低层计算方法为主的神经网络能够与以具备高度推理逻辑的模糊逻辑实现有机结合与协调，为神经网络系统下的大量信息、数据处理的解释和处理提供了有利实施基础。
2.5 线性最优控制
线性最优控制是目前诸多现代控制理论中应用最多，最成熟的一个分支。相关学术界人士曾提出了利用最优励磁控制手段提高远距离输电线路输电能力和改善动态品质的问题，取得了一系列重要的研究成果。该研究指出了在大型机组方面应直接利用最优励磁控制方式代替古典励磁方式。电力系统线性最优控制器目前已在电力生产中获得了广泛的应用，发挥着重要的作用，尤其是局部线性模型的设计及分析，效果比较理想。
结语：
总体而言，目前国内大量电气自动化设备的运行系统已经广泛应用到了人工智能先进技术，最基本的系统控制方法也主要以模糊控制、专家系统、神经网络控制等的应用为主，进而有效推动了电力系统自动化发展的历史进程，并且随着未来产业技术的不断革新，它们的技术关系在未来也势必会加紧密，故而为智能技术应用在电力系统自动化中提供了有利保障，使相关技术应用范畴会更加广泛。
参考文献
[1] 张梓奇,苏健祥. 人工智能技术在电力系统中的应用探讨[J]. 科技资讯, 2007,(21) .
[2] 毕轶慧,尹琳娟. 人工智能在电力系统无功优化中的应用探讨[J]. 中国科技信息, 2008,(20) .
[3] 王艳. 浅谈人工智能在电气自动化控制中应用[J]. 科技致富向导, 2010,(26) .
[4] 叶干洲. 人工智能技术在电气自动化控制中的应用[J]. 科技资讯, 2010,(15) .
[5] 陈双飞,田富鹏. 数据挖掘与人工智能技术[J]. 硅谷, 2009,(16) .
【摘要】实现人工智能控制是目前电气自动化控制理论基础应用到组织实践中的新历史阶段。在当前，自动化控制系统的应用规模、涉及到的领域范畴等也照以往也有了显著的提升幅度，故而使自动化控制系统的应用实现了全面研究深入阶段，并在很大程度上处理、解决了以往复杂、系统的控制问题，使其技术原有的不确定性、不稳定得以降低，而相应增强的高度非线性、高适应性的系统性能得以发挥出来。基于此，本文对电力系统自动化涉及到的智能技术进行了研究，如对模糊控制、神经网络控制、专家系统等的运用展开了详尽探讨。
【关键词】智能技术；电力系统；自动化；控制
1 人工智能定义概述
“人工智能”被认定为一门前沿科学技术是始于上世纪的五十年代的1956年，由Dartmouth学会向科学领域所提出的。但在1936年，它的模糊概念就已经被阿兰.麦席森.图灵（AlanMathison Turing）所提出，所以后世不少人仍然记得这位曾为人工智能科学研究做出巨大贡献的“人工智能之父”。从现代来看，人工智能是一项综合学科，研究的是各类机械器具、相关操作系统程序、设备模拟作业、以及研究完善现有人工智能技术的一项综合学科技术。而向计算机技术、自动化控制技术等的研究深入，仅是人工智能体系技术探究的一个分支。也就是说，这些技术的推广与应用能够渗透到当前各组织领域，相互之间也存在着紧密的关联性与互补性。
电气自动化控制系统中渗透了人工智能技术，能够使专业电气工程的功能逐步分解到各自动化板块系统中，进而也就强化了设备运行时的处理能力，实现精准、高效处理，降低人力资源消耗成本。此外，人工智能技术在应用到电气控制系统中时，也能够抑制一些不稳定、不确定的因素发生，也就是当前电气自动化系统应用时所普遍强调的模糊动态控制。也就是说，凭借系统中的特定程序设置及参数设定、变量控制等可显著增强控制系统的应用功能，使电气设备在运营阶段时的操作、自动化控制功能发挥更加高效。如，将人工智能应用于电气自动化中的报表生成及打印环节中，可以极大的提高各类报表的制表计算速度及准确性。
2 智能技术在电力自动化控制系统中的应用研究
电力自动化控制系统中引入智能技术在目前看来其应用前景非常广，并且技术运用成果相对突出，其中本文以几种最为常见的典型技术对其进行了研究。
2.1 模糊理論应用
模糊理论别名也称为集合理论，它主要利用语言变量和推理逻辑理论作为电力智能设施的实践基础。此外，运用模糊理论的电力自动化控制系统，能够具备体系完整的推理逻辑性，以及能够模拟人为决策等形式的模糊推理过程。而决定这一推理、逻辑过程的是其技术的数据规则控制。也就是说，应用模糊理论可以直观对模糊输入量进行推理，进而按照其程序的控制原则实现应有的模糊控制输出，而具体的输出成果则是模糊化、推理过程、推理判决。所以，电力自动化控制系统中如果通过模糊理论下的模糊量输出，能够将语言变量进行充分表达，进而实现类似于人的逻辑性能。此外，其鲁棒性也很强，能够使控制系统具备一定的自学、容错能力，即使系统内部出现因网络拓扑或者环境变量改变而引起的系统问题，凭借模糊理论的应用成果，也能够及时寻求出最为合理的解决途径。
2.2 专家系统应用
智能技术体系中的专家系统应用范畴较为广阔，尤其是应用在电力系统自动化中所体现的成果也相当强大。如电力系统的预警状态辨识、系统紧急处理、系统控制性能恢复、系统状态切换、故障点排查及隔离、系统短期负荷提示、以及电压无功控制等方面都会存在智能技术中专家系统的影子。由此可见，专家系统在电力自动化控制系统中的广泛程度非常明显，并在各方面的应用实践取得了一定成果。但值得指出的是，专家系统同样具备约束性。如难以模仿电力专家的创造性；仅采用了浅层知识而缺乏功能理解的深层适应；缺乏有效的学习机构，对情况的处理解决能力非常有限，知识库的验证困难；对复杂的问题缺少好的分析和组织工具等。因此，在开发专家系统方面应注意专家系统的效益分析方法问题，专家系统软件的应用成果及试验性能问题，知识获取问题，专家系统与其他常规工具或系统相结合的协调等问题。
2.3 神经网络的应用
神经网络是人工智能技术体系中的一部分，通过近七十年来的不懈努力与致力钻研，其在模型构造、模型计算及算法等相关方面着实取得了不小研究成果。而神经网络技术自兴起直至被人们接受与高度重视以来，之所以取得不少成就必然与人为的努力研究有直接关系，同时还与其理论的实践性强大有重要关系。即其本质具备非线性特性、系统能力及鲁棒性体现明显、以及自发学习能力功能等非常显著等，都决定了其理论与实践技术应用的开拓程度。当然，其具体作用形式是以大量信息为准；主要通过神经网络将大批量、大规模的信息隐含在连接权值上，并结合与之配套的算法去调节权值，进而能够将神经网络实现一种复杂非线性映射，即神经网络由m维的空间向n维空间的复杂非线性映射，进而更加利于神经网路模型的深入研究。
2.4 综合智能系统应用
综合智能控制系统主要指智能控制性能的综合体现，即集结了现代智能控制技术方法、以及不同智能控制方法的融合和交叉，是种具备综合性能的智能系统。而这种综合性能系统对电力自动化控制系统而言，无疑更具发展潜力与增值空间。也就是说，当前电力市场中具备很多的神经网络和专家系统相结合的系统产物；同理，包括专家系统和模糊理论结合、神经网络和模糊理论相结合等的综合产物。此外，综合性能系统也是根据主要智能技术的性能效果去加以区分、谋划而生成的一种智能技术。如，神经网络的使用范畴往往针对于非结构化知识，但模糊理论则更加适用于一些结构化信息的处理。因此，这两种技术的融合正好能够形成技能互补、低高层计算的逻辑处理等，进而使以低层计算方法为主的神经网络能够与以具备高度推理逻辑的模糊逻辑实现有机结合与协调，为神经网络系统下的大量信息、数据处理的解释和处理提供了有利实施基础。
2.5 线性最优控制
线性最优控制是目前诸多现代控制理论中应用最多，最成熟的一个分支。相关学术界人士曾提出了利用最优励磁控制手段提高远距离输电线路输电能力和改善动态品质的问题，取得了一系列重要的研究成果。该研究指出了在大型机组方面应直接利用最优励磁控制方式代替古典励磁方式。电力系统线性最优控制器目前已在电力生产中获得了广泛的应用，发挥着重要的作用，尤其是局部线性模型的设计及分析，效果比较理想。
结语：
总体而言，目前国内大量电气自动化设备的运行系统已经广泛应用到了人工智能先进技术，最基本的系统控制方法也主要以模糊控制、专家系统、神经网络控制等的应用为主，进而有效推动了电力系统自动化发展的历史进程，并且随着未来产业技术的不断革新，它们的技术关系在未来也势必会加紧密，故而为智能技术应用在电力系统自动化中提供了有利保障，使相关技术应用范畴会更加广泛。
参考文献
[1] 张梓奇,苏健祥. 人工智能技术在电力系统中的应用探讨[J]. 科技资讯, 2007,(21) .
[2] 毕轶慧,尹琳娟. 人工智能在电力系统无功优化中的应用探讨[J]. 中国科技信息, 2008,(20) .
[3] 王艳. 浅谈人工智能在电气自动化控制中应用[J]. 科技致富向导, 2010,(26) .
[4] 叶干洲. 人工智能技术在电气自动化控制中的应用[J]. 科技资讯, 2010,(15) .
[5] 陈双飞,田富鹏. 数据挖掘与人工智能技术[J]. 硅谷, 2009,(16) .