![点击分享此内容可以赚币 分享](/master/images/share_but.png)
人工智能在电力系统中的应用-文档资料上课讲义.ppt
《人工智能在电力系统中的应用-文档资料上课讲义.ppt》由会员分享,可在线阅读,更多相关《人工智能在电力系统中的应用-文档资料上课讲义.ppt(151页珍藏版)》请在咨信网上搜索。
1、第一章第一章 概述概述人工智能是那些与人的思维相关的活动,诸如决策、人工智能是那些与人的思维相关的活动,诸如决策、问题求解和学习等的自动化问题求解和学习等的自动化(Bellman,1978(Bellman,1978);人工智能是一种计算机能够思维,使机器具有智力的人工智能是一种计算机能够思维,使机器具有智力的激动人心的新尝试激动人心的新尝试(Haugeland,1985Haugeland,1985);人工智能是那些使知觉、推理和行为成为可能的计算人工智能是那些使知觉、推理和行为成为可能的计算的研究的研究(Winston,1992Winston,1992);人工智能是关于人造物的智能行为,而智能
2、行为包括人工智能是关于人造物的智能行为,而智能行为包括知觉、推理、学习、交流的行为知觉、推理、学习、交流的行为(NilssonNilsson,19981998)。像人一样思考的系统、像人一样行动的系统、理性地像人一样思考的系统、像人一样行动的系统、理性地思考、行动的系统思考、行动的系统(Stuart Russell,2003 Stuart Russell,2003)。1.1 1.1 人工智能定义人工智能定义1.21.2人工智能的研究途径与研究领域人工智能的研究途径与研究领域专家系统专家系统(Expert Systems)(Expert Systems)人工神经网络人工神经网络(Artifici
3、al Neural Networks)(Artificial Neural Networks)模糊逻辑模糊逻辑(Fuzzy Logic)(Fuzzy Logic)进化算法进化算法(如:遗传算法如:遗传算法Genetic Algorithm,Genetic Algorithm,粒子群粒子群Swarm Particle,Swarm Particle,禁忌搜索禁忌搜索Tabu Search,Tabu Search,模拟退火算法模拟退火算法Simulated Annealing,)Simulated Annealing,)多智能体系统多智能体系统(Multi-agent system)(Multi-a
4、gent system)心理模拟,符号推演心理模拟,符号推演心理模拟,符号推演心理模拟,符号推演 生理模拟,神经计算生理模拟,神经计算生理模拟,神经计算生理模拟,神经计算 行为模拟,控制进化行为模拟,控制进化行为模拟,控制进化行为模拟,控制进化 群体模拟,仿生计算群体模拟,仿生计算群体模拟,仿生计算群体模拟,仿生计算1.31.3人工智能在电力系统的应用领域人工智能在电力系统的应用领域机组启停机组启停 Unit Commitment Unit Commitment维护计划维护计划 Maintenance scheduling Maintenance scheduling负荷预测负荷预测 Load
5、 Forecasting Load Forecasting发电控制与保护发电控制与保护 Generation control and Generation control and protection protection潮流优化潮流优化 Optimal Power Flow Analysis Optimal Power Flow Analysis电力系统安全分析电力系统安全分析 Security Analysis Security Analysis电力系统稳定分析电力系统稳定分析 Stability Analysis Stability Analysis无功优化分配无功优化分配 Var di
6、spatch and planning Var dispatch and planning控制优化控制优化 Optimization of self-adaptive Optimization of self-adaptive controlcontrol继电保护继电保护 Relaying protection Relaying protection经济调度经济调度 Economic dispatch Economic dispatch变电所运行控制变电所运行控制 Substation switching and control Substation switching and control
7、系统恢复供电系统恢复供电 System reconfiguration and System reconfiguration and restoration restoration电力质量控制电力质量控制 Power quality Control Power quality Control系统设计优化系统设计优化 System Design Optimization System Design Optimization电力规划电力规划 planning for electric Power planning for electric Power电气设备故障诊断电气设备故障诊断 Fault d
8、iagnosis for electric Fault diagnosis for electric facilities facilities1.31.3人工智能在电力系统的应用领域人工智能在电力系统的应用领域第二章第二章 神经网络及其在电力系统神经网络及其在电力系统中的应用中的应用 人工神经网络是集脑科学、神经心理学和信息人工神经网络是集脑科学、神经心理学和信息科学等多学科的交叉研究领域,是近年来高科技领科学等多学科的交叉研究领域,是近年来高科技领域的一个研究热点。它的研究目标是通过研究人脑域的一个研究热点。它的研究目标是通过研究人脑的组成机理和思维方式,探索人类智能的奥秘,进的组成机理和
9、思维方式,探索人类智能的奥秘,进而通过模拟人脑的结构和工作模式,使机器具有类而通过模拟人脑的结构和工作模式,使机器具有类似人类的智能。它已在模式识别、机器学习、专家似人类的智能。它已在模式识别、机器学习、专家系统等多个方面得到应用,成为人工智能研究中的系统等多个方面得到应用,成为人工智能研究中的活跃领域。本章将简要介绍神经网络基本的概念、活跃领域。本章将简要介绍神经网络基本的概念、模型以及学习算法以及应用实例。模型以及学习算法以及应用实例。2.1 2.1 神经网络的基本概念及组成特性神经网络的基本概念及组成特性 神经元及其突触是神经网络的基本器件。因此,模拟生物神经元及其突触是神经网络的基本器
10、件。因此,模拟生物神经网络应首先模拟生物神经元。在人工神经网络中,神经元神经网络应首先模拟生物神经元。在人工神经网络中,神经元常被称为常被称为“处理单元处理单元”。有时从网络的观点出发常把它称为。有时从网络的观点出发常把它称为“节点节点”。人工神经元是对生物神经元的一种形式化描述。神经。人工神经元是对生物神经元的一种形式化描述。神经元主要由三部分构成:(元主要由三部分构成:(1 1)细胞体)细胞体;(2 2)轴突)轴突;(3 3)树突)树突2.2 2.2 人工神经网络的特性人工神经网络的特性 高度的并行性高度的并行性 ANNANN是由许多相同的简单处理单元并联组合而成,虽然每个是由许多相同的简
11、单处理单元并联组合而成,虽然每个单元的功能简单,但大量简单处理单元的并行活动,使其对信单元的功能简单,但大量简单处理单元的并行活动,使其对信息的处理能力与效果惊人。息的处理能力与效果惊人。高度的非线性全局作用高度的非线性全局作用 ANNANN每个神经元接受大量其它神经元的输入,并通过并行网每个神经元接受大量其它神经元的输入,并通过并行网络产生输出,影响其他神经元。网络之间的这种互相制约和互络产生输出,影响其他神经元。网络之间的这种互相制约和互相影响,实现了从输入状态到输出状态空间的非线性映射。从相影响,实现了从输入状态到输出状态空间的非线性映射。从全局的观点来看,网络整体性能不是网络局部性能的
12、简单迭加,全局的观点来看,网络整体性能不是网络局部性能的简单迭加,而表现出某种集体性的行为。而表现出某种集体性的行为。良好的容错性与联想记忆功能良好的容错性与联想记忆功能 ANNANN通过自身的网络结构能够实现对信息的记忆。而所记忆通过自身的网络结构能够实现对信息的记忆。而所记忆的信息是存储在神经元之间的权值中。从单个权值中看不出所的信息是存储在神经元之间的权值中。从单个权值中看不出所储存的信息内容,因而是分布式的存储方式。这使得网络具有储存的信息内容,因而是分布式的存储方式。这使得网络具有良好的容错性,并能进行聚类分析、特征提取、缺损模式复原良好的容错性,并能进行聚类分析、特征提取、缺损模式
13、复原等模式信息处理工作;又宜于模式分类、模式联想等识别工作。等模式信息处理工作;又宜于模式分类、模式联想等识别工作。十分强的自适应、自学习功能十分强的自适应、自学习功能 ANNANN可以通过训练和学习来获得网络的权值与结构,呈现出可以通过训练和学习来获得网络的权值与结构,呈现出很强的学习能力和对环境的自适应能力。很强的学习能力和对环境的自适应能力。2.3 2.3 人工神经网络的学习方法人工神经网络的学习方法 监督学习(有教师学习)监督学习(有教师学习)如图所示,这种学习方式需要外界存在一个如图所示,这种学习方式需要外界存在一个“教教师师”,他可对给定一组输入提供应有的输出结果,他可对给定一组输
14、入提供应有的输出结果,这组已知的输入这组已知的输入-输出数据称为训练样本集,学习系输出数据称为训练样本集,学习系统(神经网络)可根据已知输出与实际输出之间的统(神经网络)可根据已知输出与实际输出之间的差值(误差信号)来调节系统参数差值(误差信号)来调节系统参数非监督学习(无教师学习)非监督学习(无教师学习)环境环境教师教师学习系统学习系统输入输入期望输出期望输出实际输出实际输出误差信号误差信号2.3 2.3 人工神经网络的分类人工神经网络的分类 前向网络中,各神经元节点接受前一层的输出信前向网络中,各神经元节点接受前一层的输出信号,并将本层的输出作为下一层的输入,其特点是信号,并将本层的输出作
15、为下一层的输入,其特点是信号的流向是从输入流向输出。在号的流向是从输入流向输出。在ANNANN的实际应用中,的实际应用中,80809090的的ANNANN模型是采用模型是采用BPBP网络或它的变化形式,网络或它的变化形式,它也是前向网络的核心部分、体现了它也是前向网络的核心部分、体现了ANNANN精华的部分。精华的部分。前向神经网络前向神经网络2.3 人工神经网络的分类人工神经网络的分类 反馈神经网络反馈神经网络输出输出输入输入 反馈网络中,输出信号通过与输入连接而反馈网络中,输出信号通过与输入连接而返回到输入端,从而形成一个回路。在前向网返回到输入端,从而形成一个回路。在前向网络中,有单层感
16、知器、自适应线性网络和络中,有单层感知器、自适应线性网络和BPBP网网络。在反馈网络中,有离散型和连续型霍普菲络。在反馈网络中,有离散型和连续型霍普菲尔德网络。尔德网络。2.4 BP2.4 BP神经网络神经网络 2.4.1 BP2.4.1 BP神经网络概述神经网络概述 BP BP 网络神经网络是目前应用最为广泛和成功的神经网络网络神经网络是目前应用最为广泛和成功的神经网络之一。它是在之一。它是在19861986年由年由Rumelhant Rumelhant 和和 McClelland McClelland 提出的一提出的一种多层网络的种多层网络的“逆推逆推”学习算法。其基本思想是,学习过程学习
17、算法。其基本思想是,学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传由信号的正向传播与误差的反向传播两个过程组成。正向传播时,输入样本从输入层传入,经隐层逐层处理后传向输出播时,输入样本从输入层传入,经隐层逐层处理后传向输出层。若输出层的实际输出与期望输出不符,则转向误差的反层。若输出层的实际输出与期望输出不符,则转向误差的反向传播阶段。误差的反向传播是将输出误差以某种形式通过向传播阶段。误差的反向传播是将输出误差以某种形式通过隐层向输入逐层反传,并将误差分摊给各层的所有单元,从隐层向输入逐层反传,并将误差分摊给各层的所有单元,从而获得各层单元的误差信号,此误差信号即作为修正各单元
18、而获得各层单元的误差信号,此误差信号即作为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权值权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程是周而复始地进行。权值不断调整的过程,也就是调整过程是周而复始地进行。权值不断调整的过程,也就是网络的学习训练过程。此过程一直进行到网络输出的误差减网络的学习训练过程。此过程一直进行到网络输出的误差减少到可以接受的程度,或进行到预先设定的学习次数为止。少到可以接受的程度,或进行到预先设定的学习次数为止。2.4.2 BP2.4.2 BP神经网络应用领域神经网络应用领域函数逼近:用输入矢量和相应的输出矢量函数逼近:用输入矢量和相应的输出
19、矢量训练训练个网络逼近一个函数;个网络逼近一个函数;模式识别:用一个特定的输出矢量将它与模式识别:用一个特定的输出矢量将它与输入矢量联系起来;输入矢量联系起来;分类:把输入矢量以所定义的合适方式进分类:把输入矢量以所定义的合适方式进行分类;行分类;数据压缩:减少输出矢量维数以便于传输数据压缩:减少输出矢量维数以便于传输或存储。或存储。2.4 BP2.4 BP神经网络神经网络2.4.3 BP网络模型与结构网络模型与结构BPBP网络具有一层或多层隐含层,其主要差别也表现在网络具有一层或多层隐含层,其主要差别也表现在激活函数上激活函数上 BPBP网络的激活函数必须是处处可微的网络的激活函数必须是处处
20、可微的 ,BPBP网络经常使网络经常使用的是用的是S S型的对数或正切激话函数和线性函数型的对数或正切激话函数和线性函数 W1B1F1W2B2F2PA1ikjs1xrA2s1x1s2x1s2xs1s1xqs2xqrxq112.4 BP2.4 BP神经网络神经网络2.4.4 BP2.4.4 BP神经网路的几种常见激活函数神经网路的几种常见激活函数 阀值型阀值型A-101fA-101-bf不带偏差的阀值型激活函数不带偏差的阀值型激活函数带偏差的阀值型激活函数带偏差的阀值型激活函数 2.4 BP2.4 BP神经网络神经网络2.4.4 BP2.4.4 BP神经网路的几种常见激活函数神经网路的几种常见激
21、活函数 线形型线形型不带偏差的线性激活函数不带偏差的线性激活函数带偏差的线形型激活函数带偏差的线形型激活函数 2.4 BP2.4 BP神经网络神经网络A-101fA-101f-b2.4.4 BP2.4.4 BP神经网路的几种常见激活函数神经网路的几种常见激活函数 2.4 BP2.4 BP神经网络神经网络A-101fA-101f对数对数S S型激活函数型激活函数 双曲正切双曲正切S S型激活函数型激活函数 对数对数S S型函数关系为:型函数关系为:双曲正切双曲正切S S型函数关系:型函数关系:Sigmoid Sigmoid 型型2.4.5 BP2.4.5 BP网络学习网络学习2.4 BP2.4
22、BP神经网络神经网络BPBP算法的学习目的是对网络的连接权值进行调整,使算法的学习目的是对网络的连接权值进行调整,使得调整后的网络对任一输入都能得到所期望的输出。得调整后的网络对任一输入都能得到所期望的输出。学习过程由正向传播和反向传播组成。学习过程由正向传播和反向传播组成。正向传播用于对前向网络进行计算,即对某一输入正向传播用于对前向网络进行计算,即对某一输入 信息,经过网络计算后求出它的输出结果。信息,经过网络计算后求出它的输出结果。反向传播用于逐层传递误差,修改神经元间的连接权反向传播用于逐层传递误差,修改神经元间的连接权值,以使网络对输入信息经过计算后所得到的输出能值,以使网络对输入信
23、息经过计算后所得到的输出能达到期望的误差要求。达到期望的误差要求。2.4.5 BP2.4.5 BP网络学习网络学习2.4 BP2.4 BP神经网络神经网络设输入为设输入为P P,输人有,输人有r r个,隐含层内有个,隐含层内有s s1 1个神经元,激个神经元,激话函数为话函数为F F1 1,输出层内有个,输出层内有个s s2 2神经元,对应的激活函神经元,对应的激活函数为数为F F2 2,输出为,输出为A A,目标矢量力,目标矢量力T T。kji隐含层隐含层输出层输出层输入层输入层2.4.5 BP2.4.5 BP网络学习网络学习2.4 BP2.4 BP神经网络神经网络1、信息的正向传递、信息的
24、正向传递(1 1)隐含层中第)隐含层中第i i个神经元的输出为个神经元的输出为:(2 2)输出层第)输出层第k k个神经元的输出为个神经元的输出为(3 3)定义误差函数为)定义误差函数为:2.4.5 BP2.4.5 BP网络学习网络学习2.4 BP2.4 BP神经网络神经网络1 1、误差反向传播误差反向传播(1 1)输出层的权值变化:)输出层的权值变化:对从第对从第i i个输入到第个输入到第k k个输出的权值有个输出的权值有:其中:其中:学习速率,过大容易震荡,过小调整过慢;:学习速率,过大容易震荡,过小调整过慢;:训练样本对目标输出;:训练样本对目标输出;:神经网络实际输出;:神经网络实际输
25、出;:输出层神经元传递函数的导数;:输出层神经元传递函数的导数;:误差;:误差;2.4.5 BP2.4.5 BP网络学习网络学习2.4 BP2.4 BP神经网络神经网络1 1、误差反向传播误差反向传播(2 2)输出层的阀值变化:)输出层的阀值变化:其中:其中:!注意:!注意:输出层的权值变化与输出层的阈值变输出层的权值变化与输出层的阈值变化的差别化的差别2.4.5 BP2.4.5 BP网络学习网络学习2.4 BP2.4 BP神经网络神经网络1 1、误差反向传播误差反向传播(3 3)隐含层的权值变化:)隐含层的权值变化:对从第对从第j j个输入到第个输入到第i i个输出的权值有个输出的权值有:其
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 人工智能 电力系统 中的 应用 文档 资料 上课 讲义
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【精***】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【精***】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。