人工智能技術在配電自動化中的應用_第1頁
人工智能技術在配電自動化中的應用_第2頁
人工智能技術在配電自動化中的應用_第3頁
人工智能技術在配電自動化中的應用_第4頁
全文預覽已結束

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、人工智能技術在配電自動化中的應用摘要:本文介紹了知識發現(kdd)的相關理論,從配電自動化系統智能化的觀點分析了將知識發現技術用于配電自動化系統中,以挖掘在故障處理決策過程中具有重要參考價值的知識。關鍵詞:配電自動化,知識發現,數據挖掘1引言隨著我國經濟的高速發展,對于電力的需求不斷增加,對于供電質量也不斷提高要求,這就要求我們的配電自動化系統具有智能化,對于越來越復雜的配電網結構也能夠迅速地判斷故障并且處理故障,這樣地要求再采用原先的由調度員根據報上來的現場情況人工做出判斷并發出命令的方式肯定是不行的,這就要求配電自動化系統具有智能化,能夠根據各種很復雜的情況自動做出判斷,這時就要將人工智能

2、技術應用于配電自動化系統。從反映配電自動化系統狀態的海量歷史數據庫中挖掘出新知識知識發現(kdd)是人工智能技術的基礎工作。2 知識發現(kddknowledge discovery in database)kdd是隨著數據庫技術和人工智能技術的發展而出現并發展起來的,是近幾年興起的一個極有發展前途并得到廣泛應用的新領域,目前kdd的定義有很多種,其中一個普遍接受的定義是:知識發現(kdd)是從海量數據庫中提取真實的、新穎的、潛在有用的和完全可以理解的模式的一個非平凡過程。數據挖掘(dm-data mining)是這個過程中的一個關鍵步驟,一般將kdd中進行知識學習的階段稱為數據挖掘,它是整個

3、數據庫中知識發現過程中一個非常重要的處理環節。數據是有關事實的集合,記錄和事務有關的原始信息。模式是一個用語言來表示的表達式,它可用來描述數據集的某個子集。我們所說的知識,是對數據包含的信息更抽象的描述。對大量數據進行分析的過程,包括數據準備、模式搜索、知識評價,以及反復的修改求精。該過程要求是非平凡(nontrivial)的,意思是要有一定程度的智能性、自動性(僅僅給出所有數據的總和不能算作是一個發現過程)。有效性(valid)是指發現的模式對于新的數據仍保持有一定的可信度。新穎性(novel)要求發現的模式應該是新的。潛在有用性(potentially useful)是指發現的知識將來有實

4、際效用,如用在決策支持系統中可提高經濟效益。最終可理解性(ultimately understandable)要求發現的模式能被用戶理解,目前它主要體現在簡潔性上。 復雜數據挖掘的類型有以下幾大類:1) 空間數據挖掘2) 多媒體數據挖掘3) 時序數據和序列數據的挖掘4) 文本數據庫挖掘5) web挖掘在配電自動化系統中我們主要應用時序數據和序列數據的挖掘。3 kdd的工作過程kdd整個過程可以分成三個階段來完成,數據準備階段,數據挖掘階段,知識評價及結果的顯示階段。具體工作流程包括以下9個步驟: 了解所應用的領域,有相關領域的預備知識,并確定使用者的目標。 創建一個目標數據形式:選擇一種數據設

5、置,著眼于變量或數據樣本的子集,從中做出某種發現。 數據清除和預處理:基本操作如噪音以及無關項的清除,收集、模擬和計算噪音的必要數據,決定丟失的數據部分的處理策略,考慮信息的時間序列和已知變化。 數據約簡和選擇挖掘類型:找出特征數據,并確定進行發現型挖掘還是驗證型挖掘。 選擇數據挖掘任務:根據自己的領域和目標確定挖掘任務。 選擇數據挖掘的算法。 數據挖掘。 說明挖掘知識。 鞏固已發現的知識。kdd過程是交互的,可以包括重要的迭代,也有兩步間的循環。4 kdd的方法kdd的方法主要建立在人工智能、計算智能和統計分析等理論上,具體包括以下一些方法: 統計分析方法:主要用于完成總結知識和關聯知識的采

6、掘,它又可細分為回歸分析、多元分析和貝葉斯網絡。 決策樹:主要用于分類。 神經網絡:用于分類、聚類、特征采掘、預測和模式識別。 遺傳算法:用于分類、關聯規則采掘等。 基于事例的推理:可用于異常情況探測和建模等。5 kdd在配電自動化系統中的應用配電自動化系統實時地監測線路運行狀況及各開關地狀態,隨時有數據發向配電控制中心,形成了有很大數據量的歷史數據庫,在這些數據中有正常運行時的數據,也有故障前、故障時和故障后的數據,根據這些數據我們可以用基礎案例的推理(case based reasoning, cbr)技術預測故障,并建立故障預測案例庫,在故障前將數據預模式庫中的數據進行匹配以便能夠及早預

7、報故障,再根據故障處理庫中的模式進行處理。基礎案例的推理(cbr)技術是人工智能領域中較新崛起的一種重要的基于知識的問題求解和學習方法,cbr以有限的、不確定的知識解決困難問題,并且隨著經驗的增長,處理問題的能力不斷地增強。這是應用于現實世界問題領域的人工智能系統所需要的性質,復用以前經驗的方法是人類專家的一種基本而重要的解決問題的方法。它以已有的案例為基礎,通過對比和聯想,從案例庫中選擇與當前案例要求最相近的案例并調整案例中不能滿足要求的因素,最終形成新的案例模型,并存儲于典型案例庫中。cbr的結論是以以前的案例為基礎的,這些案例可以展示給用戶作為系統得出結論的有力支持,cbr技術應用于配電

8、自動化故障分析中將會提高其故障預測的命中率,增加其智能化程度。6 cbr系統的組成cbr系統由以下幾部分組成: 人機系統。 配電網監控數據庫。 典型故障案例庫。 知識庫系統。 集成推理系統。 案例改寫學習系統。其組成框圖如圖1所示。人機界面案例匹配算法問題描述案例檢索監控數據庫解答滿意輸出結果并顯示案例的改寫方法庫規則庫測試修改后的案例學習得到的新案例典型案例庫控制規則存儲 圖1 配電自動化系統cbr技術的組成框圖7結論人工智能技術是新發展起來的計算機應用技術,在配電自動化領域中有廣泛的應用前景。參考文獻1. 史忠植 高級人工智能 北京:科學出版社作者簡介:彭景芹(1966)女 漢 講師 主要

9、從事數據庫技術的研究。聯系電話:2066365基金資助:863-2.5.1.25the application of artificial intelligence in distribution automation peng jing-qin (hebei engineering and technical college,cangzhou 061001,china)abstract: this paper introduces the theories of kdd. it apply the kdd technology into distribution automation system based on the viewpoint of the distribution

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論