（控制科学与工程专业论文）智能工程体系及其在电力负荷预测中的应用研究.pdf

a c a d e m i cd e g r e ea p p l i e df o r ：d o c t o ro f p h i l o s o p h y s p e c i a l i t y ： s c h o o l ： d a t eo fd e f e n e e ： c o n t r o lt h e o r ya n dc o n t m le n g i n e e r i n g s c h o o lo fc o n t r o la n dc o m p u t e r e n g i n e e r i n g j u n e 。2 0 1 0 d e g r e e c o n f e r r i n g - i n s t i t u t i o n ： n o r t hc h i n ae l e c t r i cp o w e ru n i v e r s i t y 声明尸明 本人郑重声明：此处所提交的博士学位论文智能工程体系及其在电力负荷预 测中的应用研究，是本人在华北电力大学攻读博士学位期间，在导师指导下，独 立进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本学位 论文的研究成果不包含任何他人享有著作权的内容。对本论文所涉及的研究工作做 出贡献的其他个人和集体，均已在文中以明确方式标明。 签名： 上障日期：删 关于学位论文使用授权的说明 本人完全了解华北电力大学有关保留、使用学位论文的规定，即：学校有权 保管、并向有关部门送交学位论文的原件与复印件；学校可以采用影印、缩印或 其它复制手段复制并保存学位论文；学校可允许学位论文被查阅或借阅；学校 可以学术交流为目的，复制赠送和交换学位论文；同意学校可以用不同方式在不同 媒体上发表、传播学位论文的全部或部分内容。 i 涉密的学位论文在解密后遵守此规定l 导师签名： 日期： 盐久 华北电力大学博士学位论文摘要 中文摘要 智能工程是一个融合智能算法、基于知识自动处理及有效应用的计算机应用体系， 它强调人的智能参与，强调智能算法的灵活应用，它在解决复杂问题的过程中表现出了 良好的适应性及可操作性。在电力系统运行过程中，电力负荷预测问题对许多电力部门 都起着重要作用，它涉及到电力系统规划和设计、电力系统经济安全运行以及电力市场 交易等多个方面，对这样的一个复杂系统使用智能工程理论进行研究是非常合适和必要 的。负荷预测技术是从离线分析到在线应用逐步发展的过程，也是从过分依赖于调度员 的运行经验到自动化、智能化逐步转变的过程，相信基于智能工程理论的电力负荷预测 技术这一新生力量必将得到越来越多的关注。 本文在分析智能工程体系理论及电力负荷预测理论的基础上，提出了智能电力负荷 预测系统，并从工程应用角度，对该系统进行了初步结构分析及界面设计。为将智能工 程理论应用于电力系统负荷预测，为使电力负荷预测系统更精确、更智能、更人性化提 供了新的思路。 针对智能电力负荷预测系统中的算法库建模，本文分别建立了负荷预测的回归模型、 支持向量机模型、序列最小优化算法模型及改进序列最小优化算法模型：通过对某省电 网公司历史负荷数据进行m a t l a b 建模仿真试验，对比了四种模型的预测精度及收敛时 间，为智能电力负荷预测系统算法库模型的建立提供了理论依据及编程基础。 针对负荷相关历史数据量大且呈非线性的特点，本文将经验模态分解算法引入历史 数据的预处理过程，提出了一种基于改进序列最小优化算法理论的电力系统短期负荷预 测方法e m d - i s m o 算法。通过对某省电网公司历史负荷数据进行m a t l a b 建模仿真试验， 结果表明，该方法无论在预测精度还是收敛速度上都比单纯的s m o 算法有了很大改进， 取得了很好的预测效果。 另外，针对我国统一坚强智能电网刚刚起步、快速发展的大形势，通过在相关部门 的学习培训，本文系统分析了我国智能电网理论从起步到发展再到逐步实施宏伟蓝图的 发展过程，弥补了可参考文献非常有限的不足。 关键词：智能工程，智能电网，负荷预测，经验模态分解，序列最小优化 a b s t i - d c t a b s t r a c t i n t e l l i g e n te n g i n e e r i n gi s ac o m p u t e ra p p l i c a t i o ns y s t e mw i t l li n t e l l i g e n t a l g o r i t h m s ， b a s e do nk n o w l e d g ea u t o m a t e dp r o c e s s i n ga n de f f e c t i v ea p p l i c a t i o n i te m p h a s i z e so nh u m a n i n t e l l i g e n c eu s i n ga n di n t e l l i g e n ta l g o r i t h m sa p p l i c a t i o n s ，s h o w sg o o da d a p t a b i l i t y a n d m a n e u v e r a b i l i t yi n t h ep r o c e s so fc o m p l e xp r o b l e ms o l v i n g l o a d f o r e c a s t i n gi sv e r y i m p o r t a n tf o rp o w e rs y s t e mp l a n n i n ga n dd e s i g n , i tc h a n g e sb e c a u s eo fm a n yf a c t o r ss u c ha s w e a t h e r , e c o n o m ya n ds oo n s oi t sa p p r o p r i a t ea n dn e c e s s a r yf o rs u c hac o m p l e xs y s t e mt o u s ei et h e o r y l o a df o r e c a s t i n gt e c h n o l o g yi st h ep r o c e s s e sf o r mo f f - l i n ea n a l y s i st oo n l i n e a p p l i c a t i o na n df o r mb e i n gd e p e n d e n to nt h ee x p e r i e n c eo fw o r k e rt oa u t o m a t e da n d i n t e l l i g e n t w eb e l i e v et h a tl o a df o r e c a s t i n gb a s e do ni em u s tb o u n dt oa t t r a c tm o r ea n dm o r e a t t e n t i o n t h i sp a p e ra n a l y z e st h et h e o r yo fl et h e o r ya n dl o a df o r e c a s t i n gs y s t e m ，p r e s e n t si e - l o a d f o r e c a s t i n gs y s t e ma n dd o e ss t r u c t u r ea n a l y s i s a n di n t e r f a c ed e s i g nf o ri t t h e i e - l o a d f o r e c a s t i n gs y s t e mp r o v i d e sa n e ww a yo ft h i n k i n gf o rl o a df o r e c a s t i n gg o i n gm o r ea c c u r a t e ， m o r ei n t e l l i g e n ta n dm o r eu s e f u l f o rt h ea l g o r i t h m sl i b r a r yo ft h ei e - l o a df o r e c a s t i n gs y s t e m ，t h i sp a p e rf o u n dr e g r e s s i o n m o d e l ，s u p p o r tv e c t o rm a c h i n em o d e l ，s e q u e n t i a lm i n i m a lo p t i m i z a t i o nm o d e la n di m p r o v e d s m om o d e l f o r mt h es i m u l a t i o ne x p e r i m e n t s ，t h ep a p e rc o m p a r e st h ep r e d i c t i o na c c u r a c y a n dc o n v e r g e n c et i m eo ft h ef o u rm o d e l sa n dp r o v i d e st h e o r e t i c a lb a s i sa n dp r o g r a m m i n g b a s i c sf o r t h ei e l o a df o r e c a s t i n gs y s t e m f o rt h el a r g ea n dn o n l i n e a rc h a r a c t e r i s t i c so fh i s t o r i c a ld a t a , t h i sp a p e ri n t r o d u c e s e m p i r i c a lm o d ed e c o m p o s i t i o na l g o r i t h mt o d a t ap r e p r o c e s s i n g ，p r e s e n t se m d i s m o a l g o r i t h m t h ee x p e r i m e n t a lr e s u l t ss h o wt h a t ，e m d - i s m oa l g o r i t h mc a na c h i e v eg o o d e x p e r i m e n t a la c c u r a c ya n dc o m p u t a t i o ns p e e d i na d d i t i o n ，f o r0 1 1 1 c o u n t r ys t r o n ga n ds m a r tg r i dh a sj u s tb e g u nb u tf a s td e v e l o p m e n t ， t h r o u g hs t u d ya n dt r a i n i n gi nt h er e l e v a n ts e c t o r s ，t h i sp a p e rs y s t e m a t i c a l l ya n a l y z e st h e p r o c e s so f o u rs m a r t 鲥dd e v e l o p m e n tf r o mt h es t a r tt oi m p l e m e n t a t i o no ft h eg r a n db l u e p r i n t ， i tc a nm a k eu pf o rt h el a c ko fr e f e r e n c e si sv e r yl i m i t e d k e yw o r d s ：i n t e l l i g e n te n g i n e e r i n g ，s m a r tg r i d ，l o a df o r e c a s t i n g ，e m p i r i c a l m o d e d e c o m p o s i t i o n ，s e q u e n t i a lm i n i m a lo p t i m i z a t i o n 华北电力大学博士学位论文目录 目录 中文摘要i a b s t r a c t ：i l 第一章绪论1 1 1 选题背景及意义1 1 2 国内外研究动态2 1 2 1 智能工程理论2 1 2 2 电力负荷预测理论3 1 3 论文的主要内容5 第二章智能工程理论研究7 2 1 智能工程定义及研究内容7 2 1 1 知识的获取7 2 1 2 知识的表达8 2 1 3 知识的集成9 2 1 4 知识的协调和管理1 0 2 1 5 智能化人机界面。1 1 2 2 智能工程体系1 1 2 2 1 广义模型1 3 2 2 2 智能空间1 6 2 3 智能电网1 8 2 3 1 智能电网发展1 8 2 3 2 统一坚强智能电网战略部署2 1 2 4 智能电力负荷预测系统2 5 2 5 本苹小结2 8 第三章电力负荷理论研究3 0 3 1 负荷预测基本理论3 0 3 1 1 负荷预测基本原则和要求。3 0 3 1 2 负荷预测的分类及特点3 2 3 2 负荷的主要影响因素3 4 3 2 1 社会因素影响3 s 3 2 2 气象因素影响3 6 3 2 3 电力定位因素的影响3 6 3 3 负荷预测研究方法3 8 3 3 1 时间序列预测算法3 9 3 3 2 回归模型预测算法4 1 3 3 - 3 神经网络预测算法4 3 3 3 4 支持向量机预测算法4 5 华北电力大学博士学位论文目录 3 4 本章小结4 9 第四章负荷数据预处理5 0 4 1 异常数据清理5 0 4 1 1 噪声数据处理5 0 4 1 2 空缺值的处理5 3 4 2 数据的标准化处理5 4 4 3 基于e m d 方法的数据平稳化处理5 6 4 3 1 e m d 算法概述5 6 4 3 2 负荷数据的e m d 分解5 7 4 4 本章小结5 8 第五章负荷预测方法实例分析6 0 5 1 回归分析算法6 0 s 2 支持向量回归算法6 5 5 3 序列最小优化算法6 8 5 4 本章小结7 3 第六章结论7 5 6 1 本文的主要工作和创新点7 5 6 2 本文的不足和展望7 s 参考文献7 7 致 射8 1 攻读博士学位期间发表的学术论文8 2 攻读博士学位期间参加的科研工作8 3 华北电力人学博士学位论文 1 1 选题背景及意义 第一章绪论 电力系统负荷预测是为了探索电力负荷历史数据变化规律对未来负荷的影响，以及 电力负荷与各种影响因素之间的内在联系，根据电力负荷、社会经济、气象因素等一系 列历史数据，对未来某时刻或某时段的电力负荷进行科学预测【l 】f 2 1 。 电力系统的作用是对各类用户尽可能地提供经济、可靠而且合乎标准要求的电能， 以随时满足各类用户的要求，也就是要满足负荷的要求。电力系统的安全、优质、经济 运行关系经济社会发展与人民生活正常秩序。而负荷预测作为电力系统运行的重要组成 部分，是保证电力供需平衡的基础，并为电网、电源的规划建设以及电网企业、电网使 用者的经营决策提供信息和依据。因此，在现代电力系统工程科学中，电力负荷预测已 经成为占有重要地位的研究内容之一【引。在当前电力企业改革逐步深化、电力市场化进 程逐步推进的大形势下，电力负荷预测具有深刻的现实意义【4 】： 1 高精度的电力负荷预测为电力部门进行投资规划、安排机组启停提供了重要的决 策依据。 2 高精度的电力负荷预测为发电企业投标竞价提供了真实依据，使发电企业与电网 公司签订的预购电合同更接近于未来真实交易情况，减少了因合同变更而产生的时间和 资金上的浪费。 3 高精度的电力负荷预测为电网企业减少了过多的备用设备与备用机组，降低了电 网企业的运营成本。 当前，随着电力市场的发展，影响电力负荷变化的因素变得更加复杂，包括经济发 展水平以及经济结构调整、居民收入和生活水平提高以及消费观念的改变、电力消费结 构变化、气象因素变化、电价变动、需求侧管理措施变动以及电力供应侧的变化等一系 列因素。这些因素中，既有定量因素，也有定性因素；既有结构因素，也有非结构因素， 因此，电力负荷预测工作的难度越来越大，这就迫切需要引入新的理论和技术来应对这 种变化【5 】【6 1 。 近年来，人工智能、神经网络和模糊理论等智能算法【刀【8 】得到了学术界的广泛关注。 智能工程( i n t e l l i g e n te n g i n e e r i n g ，i e ) 是融合了一般智能算法的理论体系，主要意图是在 解决复杂工程问题时将不同的智能方法组合起来，取长补短。智能工程是系统工程的延 伸与扩展，它不仅继承了系统工程分析问题、解决问题的方法和原则，还引入了人工智 能、智能计算机技术( 神经网络、模糊逻辑、遗传算法等) 、不确定性理论、终归机器 技术等先进的智能方法和理论，为研究复杂系统演化提供了可能f 9 】【1 0 】。概括地说，智能 第一章绪论 工程是系统工程与人工智能、计算机科学等先进学科相结合的产物，可运用先进的方法 实现复杂系统建模，来研究复杂大系统的演化及优化路径。那么我们是否可以把电力负 荷系统看作这样一个广义的大系统，在智能工程体系研究的过程中，将其引入到电力负 荷预测之中，使电力负荷预测具有更高的准确性和可操作性，这是本论文选题的初衷。 1 2 国内外研究动态 1 2 1 智能工程理论 智能工程是【8 】【1 1 】融合了一般智能算法的科学理论体系，它主要是在运用智能技术和 计算机技术的过程中，强调人的智能参与，让人能够有效的参与到解决实际问题的过程， 使人的经验值、判断力、决策性成为解决复杂问题的重要依据，它的主要目的是为了在 解决复杂问题的过程中能动、有效地结合多种智能方法，取长补短，以达到最好的效果。 徐敏杰【8 1 研究了将智能工程表示为三维结构的方法，分别为问题维、方法维和知识 维，如图1 1 所示。问题维，包括智能工程中三个基本推理问题；方法维，包括了人工 智能、神经网络、模糊数学、多a g e n t 技术等先进的理论和方法，它是一个开放的动态 的方法的集合，只要能够有效解决基本推理问题的方法都可以纳入其中；知识维，包含 了解决某一特定推理问题所需要的知识，可以涉及经济系统、工程技术、企业管理、技 术经济、社会科学等各个方面的内容。 文献 1 2 1 1 1 3 】讨论了i e 的相关定义和基本定理，定义了描述复杂系统映射关系的广义 模型f ：x 寸y ，不仅包括了一般意义上的函数映射关系，还扩充了神经网络形式、逻辑 规则形式、模糊推理关系、关系图等。在广义模型概念下，智能工程将复杂系统的演化 用初始状态集合岛、目标状态集合d 、智能路径集合朋三元组来描述：b ：( & ，d ，船) ， 定义了智能路径、智能方程、智能空间以及口一优越解几个重要概念。 周篁1 1 4 j 把智能工程应用到可再生能源政策模拟试验中，将我国风电的发展及相关政 策的作用归结为智能空间中的问题e ：( & ，d ，朋) 。 袁家海【l5 】对智能工程进行了发展，从方法论角度对基于智能工程的模型进行了阐 述；将基于计量分析的模型发掘与基于逻辑计算的粗糙知识发掘有机结合，并对这两种 思路运用智能工程进行了理论表述，定义了智能工程的知识表达空间和子空间运算算 子，从数学角度分析了智能工程的理论与方法。 2 华北电力大学博士学位论文 划方真论 法 图1 1 智能工程的三维结构 丁伟【l6 】提出了智能工程优化理论、智能优化路径、口一优化解的概念，将原单一解 扩展到了集合；提出了比较定理、优化解定理、口一优化解定理等定理以及智能工程代 数学：定义了两类智能工程优化算子，并给出运算性质，通过智能算子的运算可以将整 个智能空间连接起来并最终得出优化问题的口一优化解。 智能工程在不断地得到完善，并被逐步应用到电网规划、发展战略研究、电力发展 规划、负荷预测、电力经济建模、水生态系统分析等多个方面。 在我国电力系统中，近两年发展起来的智能电网，也可以看作是一个超大系统的智 能工程理论应用。智能电网的核一t l , 技术【1 刀是数字化电网、分布式能源系统和信息化家电。 作为智能电网的先行军，美国和欧洲已经为此做了大量的准备。例如继科罗拉多州波尔 得成为第一个智能电网城市之后，美国多个州已开始设计智能电网系统，g e 、i b m 、 s i e m e n s 等信息产业龙头也已投入智能电网业务。在我国，智能电网处于起步阶段并 正在飞速发展。 1 2 2 电力负荷预测理论 电力负荷预测技术是随着电力系统智能管理系统的发展而逐步发展起来的，现在已 经成为电力系统重要的组成部分。在经历了完全依赖于调度员的运行经验，预测结果随 调度员的不同而差别很大的第一阶段，以及使用传统负荷预测技术( 如时间序列法、回 归分析法) 的第二阶段之后，电力负荷预测进入了全新的第三阶段：随着计算机技术的 日新月异，人工智能技术、灰色系统理论、小波分析理论、支持向量机理论等被逐步引 入到电力负荷预测中来，使电力负荷预测具有了更高的预测精度【1 8 】【1 9 】【2 0 】。 上世纪九十年代由贝尔实验室的v a p n i k 2 1 】【2 2 】等提出的全新机器学习算法支持向量 机( s u p p o r tv e c t o rm a c h i n e s ，s v m ) ，一经提出便得到了学术界广泛的关注。s v m 算法与 3 第一章绪论 传统的神经网络学习方法不同，它实现了结构风险最小化原理( s l 洲) ，并同时最小化 经验风险，对未来样本有较好的泛化性能；另一方面，s v m 的训练等价于解决一个线 性约束的二次规划问题，存在唯一解。目前s v m 已经被应用于解决非线性回归估计问 题，而且与神经网络方法相比，有着显著的优越性，而且正在逐步被应用到电力系统负 荷预测的研究之中。 同时，为了对各种预测模型取长补短，优选组合预测技术被用到短期负荷预测中。 优选组合预测有两种类型，一是指将几种预测方法所得到的预测结果，选取适当的权重 进行加权平均的一种预测技术；二是指在几种预测方法中进行比较，选择拟合优度最佳 的或标准离差最小的预测模型作为最优模型进行预测。该方法是建立在最大信息利用的 基础上，它集结多种单一模型所包含的信息进行最优组合，因此，在大多数情况下可以 达到改善预测结果的目的。 王捷【2 3 】在灰色g m ( 1 ，1 ) 预测模型中引入向量p ，建立蚁群灰色模型，并与神经网络 模型相结合，建立了蚁群灰色神经网络组合预测模型；王波【2 4 】采用外源自回归动平均 ( a r u a x 3 时间序列模型和混沌惯性权值粒子群优化算法对负荷数据进行模型识别，解 决了传统负荷预测过程中参数辨识易陷入局部最优导致预测精度不高的问题。 师彪【2 5 】将改进的粒子群算法与b p 算法相结合，提出了改进的粒子群b p 神经网络 算法，用此算法训练神经网络，实现了神经网络参数优化，改善了b p 神经网络的泛化 能力，该算法预测精度高，收敛速度快，对电力系统短期负荷具有良好的预测能力。 郑永康【2 6 】【2 刀利用小波有利于信号细微特征提取的优点，结合小波技术和s v m 的核 函数方法，提出基于g a u s s i a n 小波s v m 的混沌时间序列预测模型。证明了复g a u s s i a n 小波核满足s v m 平移不变核条件，建立了相应的s v m ，并且使用搜寻者优化算法对相 关参数进行优化选择。 黄元生【2 8 】建立了综合灰色递阶模型、“s 曲线模型和逐步回归模型预测结果的组合 预测模型，并在组合过程中引入灰色关联度作为确定组合预测权重的依据，综合协调各 个结果，得到了更为合理的预测值。 尽管短期负荷预测技术在算法理论研究上取得了很大的成就，但是由于影响负荷的 随机因素很多，并且规律难以确切把握，短期负荷预测技术在实际应用中还存在很多问 题，短期负荷预测理论和实践有待进一步发展。 从宏观上看，电力市场的建立和发展也对短期负荷预测提出了更高的要求，作为发 电机组参与竞价重要参考的短期负荷预测数据将对电厂的报价策略产生重要影响。而计 算机技术和信息技术的快速发展也必将能够把短期负荷预测技术带到一个更高的水平， 对于电力负荷预测技术来说，机遇和挑战并重。 4 华北电力大学博士学位论文 1 3 论文的主要内容 智能工程理论的三维结构图是本文建立智能电力负荷预测系统的宏观框架。同时， 电力负荷预测系统软件的建立需要进行确定预测时间、采集样本数据、样本数据处理、 确定预测方法、设计软件平台等一系列工作。 因此，本文的主要工作分为两大方面，一方面是智能工程理论的研究；另一方面是 电力负荷预测理论的研究。具体内容安排如下： 第一章绪论 本章简述了智能工程理论、负荷预测理论、统计学习理论的发展历史。在分析智能 工程理论、负荷预测理论的国内外研究现状和存在问题的基础上，给出了该论文的研究 内容和主要工作。 第二章智能工程理论研究 本章主要从智能工程基本理论角度出发，首先介绍了智能工程的科学研究体系；而 后对我国统一坚强智能电网作了详细介绍，以期弥补智能电网理论资料不够系统、内容。 不够完善的缺陷：第三部分结合智能工程理论，提出了针对智能电网的子系统电力负荷 预测系统的智能软件设计思想：智能电力负荷预测系统，并详细介绍了该系统的设计结 构，完成了初步界面设计。 第三章电力负荷理论研究 本章主要从电力负荷预测基本理论角度出发，介绍了电力系统负荷的基本理论，对 负荷预测的多种影响因素进行了分析研究，并详细介绍了负荷预测的时间序列预测算 法、回归模型预测算法、神经网络预测算法和支持向量机预测算法，为后续算法建模提 供了理论支撑。 第四章负荷数据预处理 在预测过程中，样本数据的收集和整理工作直接影响着后续预测工作能否顺利进行、 预测结果能否满足要求。因此，本章主要介绍了数据预处理的多种处理方法，主要包括 异常数据的清理、数据的标准化处理及数据的平稳化处理三大方面。其中，详细介绍了 数据平稳化处理方法经验模态分解( e m p i r i c a lm o d ed e c o m p o s i t i o n ，e m d ) 算法，并根据实际负 荷样本数据进行了e m d 算法验证。 第五章负荷预测方法实例分析 针对智能电力负荷预测系统中的算法库部分，本章建立了回归预测模型、支持向量 回归预测模型、序列最小优化算法模型及改进序列最小优化算法模型。运用某省电网公 司提供的负荷历史数据进行了大量m a t l a b 建模及仿真训练，验证了各种方法的预测精 度及收敛时间。进一步的，本章将经验模态分解算法引入历史数据的预处理过程，提出 第一章绪论 了一种基于改进序列最小优化算法理论的电力系统短期负荷预测方法e m d i s m o 算 法。试验结果表明，该方法无论在预测精度还是收敛速度上都比单纯的s m o 算法有了 很大改进，取得了很好的预测效果。 第六章结论 本章对论文整体内容进行了总结概括，并指出了论文中存在的不足及今后需要研究 的工作内容。 华北电力大学博士学位论文 第二章智能工程理论研究 2 1 智能工程定义及研究内容 智能工程1 1 】【2 9 1 是一门新兴的应用工程学科，由于还未形成系统、成熟、完善的理论 体系，迄今为止，智能工程还没有一个统一、权威的定义。相信随着研究的逐步深入和 技术的日趋成熟，这些基本定理将会被明确界定，在此，本文结合研究对象特点及智能 理论基本知识，仅给出如下定义： 智能工程是一个融合智能算法、基于知识自动处理及有效应用的计算机应用体系。 在该定义中，“智能算法”是广义的，不仅包括传统的人工智能方法如神经网络、线 性回归等，还包括新兴的机器学习算法如支持向量机、序列最小优化方法等，更包括不 同数据的预处理方法如经验模态分解算法等；“知识 是广义的，不仅包括理论性的知 识，也包括专家经验性的知识，既包括由数学模型描述的知识，又包括由符号模型描述 的知识；“自动处理 指借助计算机对知识进行获取、表达、集成、管理、协调和使用 等；“有效应用”则强调智能工程作为- i - 应用学科所应具备的实用性及可操作性。 该定义明确表达了智能工程的目的、内容及工作对象，使其区别于人工智能、专家 系统以及知识工程。由于智能工程是以知识为基础和核心的系统，因此它的主要研究内 容是关于怎样结合智能算法，用计算机自动处理和有效运用已有知识的技术和理论，以 及怎样实现以上技术和理论的计算机软件系统的设计方法和原理。下面，本文将从五方 面入手全面阐释智能工程的基本研究内容【2 9 1 。 2 1 1 知识的获取 与传统的专家系统不同，智能工程中知识的获取不仅仅是单纯地通过从领域专家处 获得专家经验性的知识，而是具有其鲜明的特点，主要表现在以下几个方面： l 多样性 在实际工程问题中，知识的来源是多渠道的，具有多样性的特点。它可以从专家处 获得，也可以通过反复试验获得，还可以通过数学建模进行仿真获得。工程问题常常具 有大量的信息( 数据、事实等) ，形成的知识( 理论的或经验的) 并不丰富，这样需要 从这些信息中提炼出知识。例如，如果要建立关于电力负荷预测的专家系统，也许最好 的知识来源是具有丰富经验的负荷预测调度工程师，但是这些师傅通常缺乏系统基础的 科学训练，他们的知识来自多年的生产经验和和误差分析，这些经验可能具有相当的局 限性，而且一些技巧还可能比较适合他们个人的特点而难于为别人所重复验证。因此， 7 第二章智能工程理论研究 通过知识工程师和具有经验的人类领域专家谈话的方式来获取知识，对解决复杂工程问 题不一定非常有效。智能工程就要针对这种分散的、多样的知识来源研究如何获取多种 知识。 2 自动性 在专家系统发展的初期，传统的知识工程认为，应当有一种专门的知识工程师，他 们懂得专家系统技术而不具有所要建立的专家系统的领域知识，由他们和领域专家结合 获取领域知识，并在知识库中表达出来。显然，这种获取知识的方法存在缺陷，主要是 知识工程师很难掌握领域知识，而领域专家又不了解专家系统所需的知识内容和形式， 这样就造成了两者之间的障碍使他们很难合作和沟通，从而影响专家系统的准确度。而 我们理想的方法是，领域专家懂得一些专家系统的技术再依靠智能工程提供的一些自动 获取和处理知识的工具，由领域专家来建立专家系统，并调试和使用它们。因此，发展 满足这样要求的知识自动处理工具是智能工程的研究内容之一。 智能化和环境友好的人一机界面和智能化的知识库编辑器的研究都应该包括怎样帮 助领域专家建立知识库。另一方面，为了从不同的来源主动获取知识，机器学习是非常 重要的研究课题。而智能工程中的机器学习与人工智能的不同在于，它不把重点放在研 究怎样模拟人学习的原理，而是强调客观的实际效果，只要能从已知的信息中得到有用 的知识就是一种成功的学习。例如，用归纳的方法，可以对实验及数值仿真得到的大量 信息总结出一些知识，如图2 1 所示。 2 1 2 知识的表达 图2 1 智能丁程归纳法知识学习模型 由于针对较狭窄的领域知识问题，传统的专家系统知识库一般不具有很大的容量。 而对于复杂的工程问题，知识库可能非常的庞大和复杂，如何管理和有序表达这样复杂 8 华北电力大学博士学位论文 的知识库，也是智能工程所面临的另一课题。一方面是知识的物理表达问题，如知识库 结构、内部形式等；另一方面则是知识的逻辑表达问题，即如何用知识间的逻辑关系来 描述所要解决的问题。例如，在数值空间中，每一个供选择的方案都是由数学模型按照 一定的逻辑顺序有机地排列着的，那么，在符号空间中，我们如何建立一种高效的逻辑， 运用算法去进行高效率的搜索，而不必遍历所有空间中的方案，就可以从一个方案到另 一个改进的方案，直至最优方案，这是智能工程中一个至关重要的课题。 2 1 3 知识的集成 在智能工程的所有研究内容中，知识的集成是最核心的一部分。没有集成就没有决 策的自动性，没有集成就无法面向复杂的工程实际问题。知识集成主要包括以下几个方 面的集成： l 科学计算与符号推理方法的集成 以处理数值模型为主的计算机科学方法已经发展了几十年，许多成熟的大型数值计 算程序库在工程领域也得到了广泛的应用，这些方法对解决那些可以用数学模型来描述 的工程问题是非常有效的。但是，由于复杂的工程问题很多部分都没有办法用简单的数 学模型来描述，即使通过系统研究可以建立复杂模型，在建模和对模型处理过程，及分 析计算结果和决策的过程，都需要进行大量的符号运算和推理。因此，对智能工程整个 系统的自动处理和有效应用的过程中，科学计算与符号推理方法的集成是必不可少的。 2 多领域专家系统的集成 专家系统技术是针对各个领域知识建立的领域专家系统，而复杂的工程问题涉及许 多个知识领域，这些知识领域在智能工程中可以被称为智能单元，因而这些领域专家系 统可以被视为智能单元软件。传统上是由人来控制、协调和管理这些独立的智能单元来 解决复杂的工程问题，在智能工程中，我们就要研究如何将这些智能单元集成起来解决 复杂问题。这种集成并不是说完全排除人的协调作用，而是尽可能地提高自动化的程度。 同时，这种集成不是简单的连接也不是简单的交换信息，而是有效的合作与协调管理。 3 多任务和多功能的集成 复杂的工程系统一般具有多任务多功能的特点，主要包括两方面的集成。一是横向 子系统的集成：复杂系统一般会涉及到很多分散的硬件设备( 如多种计算机、多种传感 器、多种测试元件、多种控制装置等) 和各种各样的软件子系统( 如传输系统、控制系 统等) ，因此必须要具有集成化的软件和硬件环境才能保证系统的自动运行；另方面 是纵向多层次的集成：对于庞大的复杂系统来说，系统的体制结构等大的框架和模式也 是需要解决的问题。例如在电力系统负荷预测研究中，目前最重要的课题是建立合理的 参考模型，其中特别重要的是模型的总体结构，这包括硬件环境的集成和软件环境的集 9 第二章智能工程理论研究 ，而后者正是智能工程研究的课题之一。 4 多介质信息处理的集成 在智能工程处理复杂问题的过程中，对多种形式的信息介质的处理的集成是必不可 的。因为智能工程中知识的定义是广泛的，同一领域的知识也要用各种信息介质来描 ，例如符号、数值、图形、图像等。这与以往的数值计算只处理数值信息不同，对智 工程知识来源的处理和使用必然要涉及到多介质信息处理的集成。 1 4 知识的协调和管理 知识的集成主要是研究用什么样的结构和形式将不同表达方式、不同领域、不同介 描述的知识集成起来，而当我们要运用这种集成系统时，又会遇到怎样对集成系统进 协调和管理的问题。智能工程中需要研究怎样利用计算机的帮助来实现对复杂系统智 单元的协调和管理，也就是实现协调和管理的自动化或半自动化。这主要包括以下几 方面： l 通讯问题 通讯问题主要包括硬件和软件之间的通讯，计算机和其他硬件设备之间的通讯，以 不同语言环境下软件系统之间的通讯。国际标准化组织制定的标准为通讯管理打下了 础，但是在通讯问题上还存在许多需要解决的问题。如在有特殊语言的软件集成系统 ，各种语言间的通讯标准化问题及子系统在某种语言环境下的非标准格式向该语言标 格式的转化问题等。 2 冲突决策问题 智能工程涉及到多个领域知识的子系统和数值计算程序库之间的协调问题。各个智 单元只具备有单一的领域知识，一般只有很少关于其它相关领域的知识，而各个智能 元的任务、目标和所受的约束都是不同的，有时甚至彼此矛盾。一个子系统的目标可 成为另外子系统的约束。当这些子系统被集成为一个统一的智能化系统工作时，就要 决子系统间可能产生的冲突。智能工程要研究如何用计算机帮助人来做这样的工作， 用软件来模拟管理专家所具有的发现和解决冲突的能力，这是一项复杂而困难的任 ，但这是实现决策自动化的一项重要关键技术。冲突决策的研究应包括如何定义冲突， 何辨别冲突和如何解决冲突。 3 任务分配问题 当多个领域知识的子系统集成工作时，如何根据系统目标合理地分配任务，并对任 的执行情况进行有效监督和控制，也是多个领域知识集成系统协调和管理的重要组成 分。任务的分配和管理是基于子系统知识的，当系统很复杂时，需要并行处理知识的 华北电力人学博士学位论文 情况时常发生，因此无论对于集中的还是分布式的系统，进行合理的任务分配管理和控 制都是必须的、重要的，而且是很复杂的。 2 1 5 智能化人一机界面 复杂工程问题的集成化智能软件系统在建立、完善和使用的过程中，都需要有人类 专家的参与。因此，怎样使人机界面便于使用、灵活友好，并且具有一定智能是开发 人员需要着重考虑的。智能化的人机界面主要包括：方便灵活的操作结构；多介质的 输入输出方式；不同类型的用户密级；相对独立的专家系统。智能化的人一机界面能够 起到桥梁的作用，把人和计算机联系起来，使人真正成为自动化决策过程中的一个重要 组成部分，并能够发挥创造性，起到关键的决策作用。 2 2 智能工程体系 复杂的工程系统具有规模庞大、结构复杂、功能综合、因素众多等特征，而且还常 常呈现出非线性、动态时变、高维参数、不确定性、不确知性等新特点，传统的研究方 法在处理复杂系统时常常遇到如下问题【l i 】： l 复杂系统一般不容易获得数学模型或根本无法用一般数学模型表述，但传统的研 究方法分析和处理问题时都是建立在精确数学模型的基础之上。 2 传统的研究方法为了处理和建立模型方便，常常忽略系统的本质特征，对实际的 系统进行简化( 如对非线性系统线性化处理等) ，而简化后的模型往往不能够表征系统 真实的演化行为。 3 在复杂系统中，人类专家与系统之间存在相互影响的关系：人从系统中学习、积 累知识和经验，然后又反作用于复杂系统，这种交互影响的关系是不容忽视的。而单纯 依赖数学模型的传统研究方法根本无法描述人在管理、控制和决策过程中的灵活性和智 能性。 另一方面，科学家也一直在探索如何提高计算机的智能水平，期望让计算机为我们 做更多“聪明的事情”，甚至有人提出计算机是否能超过人类智能，从而使得人类成为 机器的奴隶的疑问。随着科技及专家系统的发展，人 f i q n 速了在机器智能超过人类智能 方面的研究，专家系统也试图模拟人类专家的知识、经验、推理及解决某类问题的能力， 达到替代或超过人类专家的目的。然而事实证明，要将人类进化几万年的智慧被仅有几 十年的人工智能代替的想法是十分幼稚和不可能的。 那么，我们就要面对现实，充分发挥人和计算机的优势并回避各自的不足，将人和 计算机构成一个系统，只有在这个整体系统中才能有不断提高的智能水平；只有在实践 中不断发展和完善这个智能系统，才能逐步解决现实遇到的各种复杂问题。目前，智能 第二章智能工程理论研究 工程体系的研究正是人机结合的人工智能在这个正确方向上的深化。 我们知道，社会中任何一种现象都不是孤立存在的，在运用各种先进的方法研究某 个复杂系统演化的智能路径或目标的过程中，可能需要其他相关专业的知识。比如在研 究电力负荷预测问题时，必须综合考虑气象因素，社会经济因素等多领域知识