人工智能技术在电能质量分析中的应用

电能质量和人工智能技术都是目前国际电工领域研究的热点 ,如何将人工智能技术应用于电能质量问题的分析和诊断更是电能质量研究中的重点问题。本文初步介绍了人工智能的主要分支 :专家系统、神经网络、模糊逻辑和遗传算法的基本概念及其在电能质量中的独特应用 ,并对未来的发展趋势做出了展望。     

人工智能算法在电能质量领域的应用

系统地解决电能质量问题、实现对用户的优质供电,是电力系统高质量发展过程中的重要问题之一。针对电能质量问题的研究,涉及检测、识别、分析和治理控制等多个方面,人工智能算法作为当前最具应用潜力的技术之一,在数据分析处理、信息挖掘等方面具有较强分析能力,在解决电能质量相关问题上得到了大量的应用。对电能质量相关研究内容和人工智能方法进行了简要介绍,着重对近十年来人工智能算法在电能质量领域中的相关应用进行了综述和分析,为专家学者深入研究应用人工智能算法解决电能质量问题提供了参考。     

人工智能和数学变换用于电能质量的研究综述

由于故障、动态运行和非线性负荷的加入,使动态电能质量问题越来越复杂,因此电能质量的问题重新受到关注.特别是随着小波理论自身的发展和世界范围内小波分析算法研究热潮的兴起,以及各种人工智能技术在电力系统的成功应用,对动态电能质量扰动的起因和来源有了很好的理解,对动态电能质量的识别、检测、分类和统计有了很好的解决办法.为了在现有研究成果的基础上,进一步对动态电能质量进行研究,明确尚需进行的工作,在大量查阅各种国际会议、学术刊物上发表的电能质量论文后,综述了近年来人工智能和傅立叶变换、短窗傅立叶变换和小波变换在电力系统电能质量评估应用中的主要成果与方法,并提出若干需要解决的问题.     

人工智能和数学变换用于电能质量的研究综述

由于故障、动态运行和非线性负荷的加入,使动态电能质量问题越来越复杂,因此电能质量的问题重新受到关注。特别是随着小波理论自身的发展和世界范围内小波分析算法研究热潮的兴起,以及各种人工智能技术在电力系统的成功应用,对动态电能质量扰动的起因和来源有了很好的理解,对动态电能质量的识别、检测、分类和统计有了很好的解决办法。为了在现有研究成果的基础上,进一步对动态电能质量进行研究,明确尚需进行的工作,在大量查阅各种国际会议、学术刊物上发表的电能质量论文后,综述了近年来人工智能和傅立叶变换、短窗傅立叶变换和小波变换在电     

人工智能在电能质量中的应用

正随着电力系统由高速发展转向高质量发展,清洁低碳的目标使得电力系统的电力电子化特征愈发明显,基于微处理器的数字型和电力电子型负荷所占比重逐渐增加,这都对系统的电能质量水平提出了更高的要求,因此,系统解决电能质量问题已成为电力系统"高质量"发展的重要内容之一。人工智能是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门科学。近十年来,以机器学习为代表的人工智能算法得到了快速的发展,并展现出了巨大的应用潜力,已上升为我国的国家战略技术。人工智能技术的不断发展和完善,为解决电能质量问题、实现高品质的供电提供     

电能质量市场理论的初步探讨

随着电能质量问题的日益突出和电力市场改革的日渐深化,电能质量问题的解决已转化为技术与经济交融的问题;同时,电能质量作为重要的电力市场辅助服务内容,必然要在市场环境下解决。文中首先阐述了电能质量市场的基本概念,进而明确了电能质量市场理论研究的内容和基本理论框架,论述了电能质量市场理论研究的方法,阐述了建立电能质量市场理论的重要理论基础,并提出了今后研究中需要解决的一些问题。     

模糊神经网络在电力系统中的应用

为弥补模糊控制和神经网络这两种人工智能技术上的不同特点和适用范围的不同,将这两种智能控制技术进行结合形成模糊神经网络,并应用于电力系统中。对电网中的无功偏差和有功损耗最小作为控制目标进行控制,以电压和无功功率在合适范围内进行条件约束,验证控制后的实际输出和期望值的比较,结果表明模糊神经网络对提高电力系统的电能质量具有重要的现实意义。     

直流配电电能质量研究综述

直流配电的电能质量研究直接影响到当前直流配电理论技术的发展。首先论述了直流配电系统的配电电压等级和网络结构,然后详细分析了当前直流配电系统中存在的电压波动、闪变和谐波等电能质量问题。接着重点阐述了迄今为止国内外相关的直流配电电能质量标准,以及适用于直流配电电能质量的评估体系和方法。之后总结归纳了当前国内外对直流配电系统中电能质量问题的治理方案。最后对目前直流配电电能质量的研究方向进行了探讨,为今后直流配电电能质量的研究提供参考。     

状态估计在电能质量中的应用

电能质量问题随着电力电子设备的大量应用而显得十分突出,而正在发展的电能质量状态估计技术为电能质量分析提供了新的契机.但由于测量冗余度、数据同步性和网络复杂性使得电能质量状态估计不同于传统的状态估计,在估计技术的理论、算法以及一些相关的研究都有很多变化.为此,简要介绍了电能质量状态估计技术的技术特点和估计流程,并通过谐波状态估计和电压暂降状态估计两个较为成熟的研究方向进一步阐述状态估计在电能质量中的应用,最后指出了电能质量状态估计今后的研究方向及工作重点.     

S变换在电能质量扰动分析中的应用综述

结合国内外采用S变换应用于电能质量扰动分析的现状,对基于S变换的电能质量扰动检测、识别以及其他方面的应用进行了分类和总结。分析了S变换结合各种人工智能与数学工具在进行电能质量扰动分析时的优势和不足,介绍了近年来利用广义S变换、改进S变换和双曲S变换等其他形式S变换在电能质量扰动分析中的应用情况。最后对S变换应用于电能质量扰动分析的发展趋势以及值得进一步研究的问题进行了展望。     

三种变压器故障诊断方法比较研究

变压器常规诊断的油中溶解气体的三比值法(IEC),在目前变压器故障诊断中有着广泛的应用,许多人工智能技术在电力变压器故障诊断中的应用都是基于IEC法进行研究的,并在此基础上提出了基于神经网络和模糊神经网络的变压器故障诊断专家系统。该文将传统IEC三比值法、神经网络法和基于IEC三比值法的模糊神经网络法进行了比较。本文结合实例对这三种诊断方法进行了分析与探讨,指出了传统的IEC三比值法的不足,神经网络法和基于IEC三比值法的模糊神经网络法的优点等。     

混合动力系统电能质量扰动分析及治理

基于并联有源滤波器(shunt active power filter,SAPF)和动态电压调节器(dynamic voltage restorer,DVR),首先,搭建了包含光伏和风机的混合动力系统,用以模拟分布式电源接入配电网中产生的电能质量(power quality,PQ)扰动。其次,利用模糊逻辑、神经网络和自适应神经模糊推理系统控制算法对SAPF的动态性能进行优化,对电能质量扰动进行治理,使用人工智能技术进行管理,使光伏和风能系统均实现最大功率点跟踪(maximum power point tracking, MPPT)。最后,在搭建的仿真系统中进行验证,线性负载和非线性负载输出侧谐波畸变率分别降至0.20%和2.05%,满足配电系统对于电能质量的要求。     

新一代人工智能技术在电力系统调度运行中的应用评述

以深度学习、强化学习为代表的新一代人工智能技术及其应用是当前电力系统领域的研究热点。人工智能技术具有不依赖物理机理,计算速度快,辨别效率高等优点。但人工智能固有的可解释性差、稳定性弱等缺点也制约了其在电力系统一些场景的应用。文中梳理了新一代人工智能技术在电力系统负荷和新能源预测、故障诊断、在线稳定性评估、频率及电压优化控制和电网运行方式制定等调度运行场景中的应用,并进行了分析和评述。总结了现有研究中存在的问题,指出人工智能技术的应用应当以问题为导向,以场景为基础,以应用为目的。最后,对未来人工智能技术在电力系统调度运行中的应用作出了展望。     

电网调度员培训智能仿真系统的研究探讨

分析了已有的电力系统仿真存在的问题，将系统仿真的新技术之一——人工智能技术，引入电网调度员培训仿真系统(DTS)，给出了智能DTS的体系结构，并研究了智能教员控制子系统的实现技术和方法，最后探讨了专家系统、人工神经网络、模糊集理论和数据挖掘等人工智能技术在DTS中的应用点和智能DTS下一步的研究目标。     

强化学习理论在电力系统中的应用及展望

强化学习理论是人工智能领域中机器学习方法的一个重要分支,也是马尔可夫决策过程的一类重要方法.所谓强化学习就是智能系统从环境到行为映射的学习,以使奖励信号(强化信号)函数值最大.强化学习理论及其应用研究近年来日益受到国际机器学习和智能控制学术界的重视.系统地介绍了强化学习的基本思想和算法,综述了目前强化学习在安全稳定控制、自动发电控制、电压无功控制及电力市场等方面应用研究的主要成果与方法,并探讨了该课题在电力系统运行控制中的巨大潜力,以及与经典控制、神经网络、模糊理论和多Agent系统等智能控制技术的相互结合问题,最后对强化学习在电力科学领域的应用前景作出了展望.     

人工智能技术在火电行业的应用探讨

在调研国内外人工智能发展现状和技术路线的基础上,思考人工智能技术在火电行业的应用场景和技术突破点,探讨人工智能在火电行业的技术发展方向。分析火电企业生产经营过程中,在感知、决策、执行等环节所需的计算机视觉、大数据、物联网、智能控制和智能机器人等技术路线,论述在安全管理、生产管理以及经营决策等场景的人工智能技术应用,并对典型应用案例进行分析,提出人工智能技术在火电行业的重点研究方向。     

基于混合现实的人工智能在电力巡检中的应用

混合现实技术与人工智能技术相结合,是有效评估电力设备健康状况和不可见缺陷的新思路。研究了在电力巡检应用过程中可使用到的人工智能技术和混合现实技术,围绕电力巡检业务,提出了一系列的应用方法,包括数据读取及显示、主要电气故障的预测、告警提示电力巡检中潜在危险和可能出现的故障等。通过混合现实技术与人工智能技术相结合的方式,可进一步提高电力巡检业务过程中评估缺陷和危险的预知能力以及巡检效率,降低人为因素在电力巡检业务中的影响。     

基于模糊神经网络的火灾信号处理设计

针对传统智能建筑中火灾报警系统功能简单、定位困难且存在误报和漏报等问题,设计了一种基于模糊控制理论、人工神经网络的火灾安全报警系统.该系统依靠模糊控制理论提高了灵敏度,减少了误报率,并结合神经网络具有自学习功能的特点,提高了整个系统的智能化程度.阐述了火灾报警系统的设计原理,对模糊理论和几种神经网络模型进行了分析,并使用Matlab软件对设计的算法进行了仿真分析,得到比较理想的效果.     

粗糙集理论在电力系统中的应用

粗糙集理论是一种较新的软计算方法,可以有效地分析和处理不完备信息。近几年来,该理论日益受到国际学术界的重视,已在模式识别、预测建模、医疗诊断、决策分析等许多领域得到成功的应用。粗糙集理论在电力系统中的研究起步较晚,目前尚鲜见实际应用的报道。为了进一步推动粗糙集理论在电力系统广泛和深入地应用,文中综述了近年来粗糙集理论在电力系统设备故障诊断、配电网故障诊断、暂态稳定评估、电压无功控制、数据挖掘等方面应用研究的主要成果与方法。探讨了粗糙集理论在电力市场数据挖掘中的巨大潜力,以及与专家系统、人工神经网络、模糊理论和多代理系统等其他人工智能技术的相互结合问题,并提出了若干需要进一步研究的问题。