人工智能与神经网络在电力系统中的应用.doc

桂林电子科技大学毕业设计（论文）报告用纸 第 18 页 共 18 页人工智能与神经网络在电力系统中的应用摘要：本文论述了人工智能和神经网络在电力工程学中的应用。它第一次报道有人工智能已应用于电力系统领域。然后总结了人工智能技术的应用，并提出建议，改进现有的人工智能设备工具。在此之后，本文着重于探讨神经网络及其在电力系统中应用。同时本文也讨论了基于电力系统网络应用的多层前馈网络的引入和建立神经中枢系统的问题。提出了未来进一步发展人工智能和神经中枢系统应用于电力系统的主要方向。1 引言现代电力系统要求创造和提供高质量的电能给客户。为了满足这一需求，计算机已应用到电力系统的规划，监测和控制。分析系统行为的电力系统程序被储存于电脑中。在电力系统的规划阶段中，系统的分析程序被执行多次。工程师根据关于系统的经验和启发式知识来调整和修改数据输入这些系统中直到这个满意的计划被确定下来。然而，基于数学模型和执行语言的电力系统分析和规划只适用于数值计算。通过结合长久系统分析、发展的方法论和技术来规划的实际知识设计成程序包括数值分析程序是必要的。在电力系统的监测和控制领域，基于计算机的能源管理系统，现在广泛的被应用于能源控制中心。电力系统分析程序和其他应用程序从事能源管理系统的目的是调查和预测电力系统稳态运行下的行为。虽然这些程序是功能强大的工具,但出现无计划和意外的系统运行时，它们援助工程师做出有效的决策的能力是非常有限的。系统操作的异常模式的原因可能是由于电力网络故障，积极和无功功率的不平衡，或频率偏差造成的。无计划的运行可能会导致不适应和系统全部中断。在这种紧急情况下，经验丰富的业务工程师做出的决定可能会使电力系统恢复到正常状态。为了有效的诊断电力网故障，电力网果断的运行，和平衡无功功率，显然有必要发展新的计算机技术和方法来建立程序，即具有宝贵丰富经验的工程师可以解决常规电力系统之外的应用程序。此外，还需要制定快速有效的方法，预测系统的异常行为。人工智能（ AI ）提供了编码技术和推理性的陈述性知识。中枢系统的出现，此外，提供神经网络模块，即有可网上执行的环境。这些新技术弥补了解决电力系的规划，运行和控制的常规技术和方法。本文综述了人工智能和神经网络在电力工程中的应用。它第一次报告人工智能已应用于电力系统领域。然后总结了人工智能技术的应用，并提出建议，改进现有的人工智能工具。传统的人工智能和神经网络一般认为适合于解决不同类型的问题。表面上这两种方法似乎是非常不同的，但越来越多的研究的重点是每一个如何可以被纳入其他内置系统，其中包括最佳功能兼而有之。人工智能与神经网络：综合步骤原则的关键问题是检测的评论，所依据的假设和建议，涉及的和解与融合的原则人工智能和神经网络。贡献主要来自研究人员在这领域，这种全面的案文提供了一个全面的介绍的基本符号处理，联结网络及其一体化。很多的集成人工智能和神经网络例子为各种特定应用提供了独特的了解这个正在发展的领域。接下来，本文集中介绍中枢系统及其在电力系统中的应用。基于电力系统网络应用的多层前馈网络的引入和建立神经中枢系统的问题已经被导论过。未来的主题是进一步发展人工智能和神经网络在在电力系统中的应用及建议。2 人工智能在电力系统中的应用概况 这项人工智能的研究已经开发了许多技术和方法，这是有益于解决复杂电力系统的问题。这些措施包括知识表示方法，搜索策略，自动推理技术，专家系统或基于知识的系统方法，以及计算机语言的象征意义，并列出处理。人工智能技术和专门系统的方法为电力工程师提供一些新的工具，以加强他们的数字节目与他们的经验和启发性知识来解决复杂的决策问题。2.1 应用领域早在1982年，以规则为基础的方法应用于故障诊断和控制核电厂的领域。在随着1983年在日本为电力中断复位而发展专门系统的一个试验和在美国关于报警处理专门系统在能量控制中心的应用的研究，研究人员研究人工智能在电力系统中的可能性应用。在过去十年中，很多人工智能系统和专家系统被建立于用来解决在不同领域包括电力领域的问题。这些领域概述如下：系统规划传输规划和设计生成扩展规划分配规划 系统分析低负荷发动机暂态稳定性操作和监控系统警报处理故障诊断变电站监控系统网络复位负荷脱落电压/无功功率控制意外故障选择电网开关电压崩溃操作规划单元任务维护行程安排负荷预测2.2系统的发展环境除了传统的人工智能语言Lisp语言和Prolog语言，很多专家系统至今发展成实现利用专家系统命令如EL, OPS5, OPS83, PDS, KEE, 和 NEXPERT。其他程序设计语言如C语言和Pascal已经被采用。这些系统运行在VAX 11/785, Sun 4/70 和AppoLlo DN420工作站，和私人电脑包括PC1386 和 PC/486.2.3已使用系统的例子虽然很多系统专家系统发展是原型，但有些系统是工作在现实的电力系统中。一些例子举例如下：(a) 新加坡公用事业用途智能报警处理器（ z4p ）. 这个系统是实时进行报警的。自1990年年底，它一直在服务于新加坡的能源控制中心，公用事业局。(b) 专家系统的目的是在线诊断涡轮发电机。这个系统是由卡内基梅隆大学机器人研究所和西屋电气公司共同发展的，它自1985年以来已经在使用中。(c) 电力发配控制系统的在线专家系统。该系统自1990年以来已被使用于日本关西电力公司的系统中。(d) 电力系统复位的程序产生的专家系统。该系统已被应用到日本的电力发展有限公司的区域管制中心自1991年4月以来。2.4 澳大利亚场景 许多澳大利亚的电力公司对人工智能在电力工程中的应用产生了兴趣。最近一项由澳大利亚CIGRE的SubPanel 38关于电力系统的专家系统应用软件的调查显示大概有33项电力系统计划方案，51项系统监控方案，31项系统控制方案和22项系统分析方案。在这些计划领域中，大部分方案是涉及到电系统中心和分站的规划。报警处理和故障像点辨认是人工智能在电力系统监督中非常受欢迎的两个领域。在系统控制方面，更应该重视系统恢复程序的生成。系统分析主要的工作是涉及额定的静电安全。澳大利亚大学的研究小组仍然积极的研究人工智能的应用软件。一些程序的例子是应用于电力网故障，电压崩溃，警报处理器，负荷脱离和复位，负荷和电路分配在变电站和发电机时序安排中。2.4.1一个例子：热发电机的时序安排西澳大利亚大学的人工智能和电力系统研究小组已经发展了一个为热发电机在24小时范内的时序安排的基于人工智能的运算法则。这项研究工作开始于1989年，它一直受到澳大利亚的电力供应协会的澳大利亚供电研究局的支持。 在运算法则发展中，问题承担小组的意思是树搜索问题。每一等级的数对应着一个固定的调度时间间隔和数的深度相对应着电调度范围。这棵树贯穿着利用启发式引导者第一次深度探索研究。图1显示测试系统的大多数经济型进度表的轮廓容量。运算法则的一些优点是强制实际运作和经济效益可以很容易的组合成一体，巨大幅度的问题单元可以减少许多。运算法则很有实际应用的潜力。3 人工智能的应用 在电力工程的人工智能系统的发展中，许多人工智能方法被采用。它们由基于准侧的专家系统方法论，分布式逐步解决问题，普通的逐步解决问题，教学式建筑学，逻辑模型，项目导向规划研究方法包括首次深度探索，宽度搜索和启发式搜索组成。采用的知识陈述的方法是生产规则，最初定义的逻辑和结构。图.1：一个测试的最经济的时间进度表的轮廓图标准的专家系统方法论已经被广泛的利用。它的适应性和模块性允许专家系统进一步的发展和知识的进一步改进，新的知识是可以得到增进当新的事件在问题领域在发生时。黑板式和分布式问题解决方法提供了强有力的手段来合并不同来源的知识。这些来源可以解决启发式电力系统数据库和程序分析。人工智能程序可以建立综合的人类思考过程的细微差别解决复杂的实际问题的模型。为建立人工智能程序的语言有照顾低水平计算过程的能力，允许开发者集中在复杂的事物上。人工智能程序的工作概念表达在字词，短语或句子上。因此，处理能力的象征性（即，非数字）的数据是一个重要的功能。发展一个人工智能系统，程序员尝试多种方式执行每个组成功能。而不是通过一个漫长的编辑，编译，调试周期测试每一个翻译的一个函数，一个人工智能语言应允许程序员快速查看结果的一个新的想法。语言功能的互动节目满足这一需要。程序员无法预计流经一个程序的精确的类型和数据的数量，所以必须适应不工作的时候。一种语言可以合并灵活的数据结构，允许这种情况发生在一个轻松，自然的方式。许多类型的推理过程发生在整个人工智能应用。一种语言具有一个或多个这些进程内置的可以节省时间和精力。基于逻辑和逻辑性设计的系统发展证明这些技术是合适于建立专家系统和人工智能系统来解决电力系统组合问题。电力系统元件结构表现和项目导向设计为理由和处理提供非常具有结构性的方法的组织系统数据。4 改进现有的人工智能工具的建议由于电力系统有复杂的结构复杂的决策问题，人工智能工具和专家系统外形需要面对各种各样的需求在描绘电力系统元件和结构已经控制机械装置。为了研究工作，现有的工具可以提供方便和有用的软件开发环境来帮助工程师研发人工智能系统和专家系统。人工智能（ AI ）是在计算机科学领域上的，重点是创造一种机器，可以从事的人类认为可以执行的智能行为。人类自古以来，能够创建智能机器已经是奇迹，而今天50年来，随着计算机和研究人工智能的编程技术，智能机器的梦想已经成为现实。研究人员将可以制造能够模仿人类的思考，理解讲话，可以战胜人类国际象棋最佳球员，以及无数其他前所未有的壮举的系统。找出人工智能是怎样适用与军事，以及如何在不久的将来，人工智能可能会影响我们的生活。然而，这些工具都没有专门开发用于电力系统特别是在电力系统的监测，控制和操作。如果人工智能技术被广泛应用于现实的电力系统中，那么更先进的软件工具是必需的。这些工具可能建立在现有工具之上以及它们必须是快速的和有效的来即时的控制电力系统的运行。这些工具同时还必须有的能力是：（a）很容易的结合现有的能量消耗监控系统。（b）产生和修改电力网络结构并绘制成图形显示出来。（c）提供各种各样的知识表现方法。（d）为不同的电力系统分析与控制应用建立知识基。（e）有效的与数值分析程序链接。（f）合并和控制不同的推理机制,包括有能力推论关于时间事件和不确定事件。（g）提供足够的解释设施。5 神经中枢系统 当人工智能能为处理符号或陈述性知识和自动推理提供电力技术时，人工神经网络为工程师提供强大的动力工具的出现，是有希望的解决电力系统的问题的。神经网络有能力履行模式识别，预测和优化中在他们有足够的培训之后的一种快速和有效的方式。进一步加强计算的速度可以达到使用神经网络执行并行处理技术或硬件的形式。 神经网络（网络）是一个节点网络或类似于神经元突触的生物。节点是相互关联的，通过加权联系。重量通常是可调的，有可通过培训或学习的经验和训练方法的例子。在任何网络应用中， NN是用来建立输入和输出之间关系的模式。这是训练后，它学会了一套重量所需测绘投入产出模式，可用于预测的输出模式时，看不见的输入模式是提交给它。 在过去有人尝试利用横向电磁（透射电镜）传输的模式来建立电网结构瞬态脉冲行为的数学模型。这些技术考虑过围栏的电气参数是线性的和周期独立的，从而减少了复杂性的分析。因此，这些解决方案都没有能够充分体电围栏的瞬态传播行为。电线的阻抗会周期性的变化，是由于集肤效应和邻近效应产生的高频电流的原因。还有，在低频情况下地回路电流会影响电线阻抗。模拟地回路电流是很复杂的，因为大地电流的分布情况是难以确定的。然而，类似的挑战已经有过成功，在过去，研究人员调查研究过瞬时电力传输线。在输电线路的暂态分析中，在1926年被卡森确定架空输电线周期性变化阻抗的方法的发展是一项重大的飞跃。这种方法称为卡森方法，有一定的近似和有效性的限制，表示线路阻抗的积分，可以在一台计算机中评估数值。一个 NN是训练有素的使用监督或无监督学习。在神经网络学习的监督学习测绘涉及具体规定的投入产出模式，具体模式。关于输入模式之间的关系的建立问题，无监督学习更合适。神经网络理论是围绕某些关键性能的生物神经元可以提取并应用于模拟，从而创造一个模拟的（并非常简体）大脑的想法。第一重要的事情是了解，然后是人工神经网络是企图重新计算潜在大脑的各组成部分。第二个重要的事情是了解从来没有人声称模拟任何复杂的实际大脑。而人类大脑估计有上10到一千点零亿神经，一个典型的人工神经网络（ ANN ）是不太可能有超过1000名人工神经元。神经网络可分为三组。在第一组的是多层前馈网络（ MFNs ） 。 MFNs通常是受过训练的离线使用监督学习和使用进行模式识别，预测和分类的联机环境。第二组由特征映射网（ KNs ）组成用于分类以及第三组由霍普菲尔德网队（有害物质）和Boltzmann机（房管处）组成，采用分类和求解组合优化问题。该神经网络在第二和第三组通常是被培养使用无监督学习。6 神经网络在电力系统的应用概况6.1神经网络的应用 神经网络的能力吸引了电力系统的调查研究中的神经网络在电力系统中的应用。自1989年以来，大量的工作出现在这一新的领域，研究人员在一些国际会议中报告了一些文献。约70 的报道工作中的神经网络在电力系统中应用到多层前馈网络。而有害物质， KNs ，房舍管理和其他类型的网络使用中的剩余的30 。神经网络的领域已应用在过去几年里，概述如下。 预报和控制： 暂态稳定性 54-58 稳态稳定性 59-61 负荷预测 62-65同步电机模型 66动态负荷模型 67 静态和动态安全评估 68-70 无功功率控制 71 鉴定：谐波源和负载 72-73 故障诊断中的应用 58-74 保护 75-76 分类：应急分析 77-78 报警处理 79-80 优化：网络拓扑可观 8 1-82 单位的承诺 83 经济调度 84 修计划 85 最优潮流 86-87产生扩大 88 6.2 两个例子在1991年，多层前馈网络是受过优化的一个联合功控制器同步冷凝器 71 。受过培训的最惠控制器在加拿大温哥华岛码头站，不列颠哥伦比亚水电公司测试了，它被认为是有效的。 热发电机的燃料成本的特点通常是使用近似线性函数或二次职能虽然实际的特点是高度非线性和不连续性，由于含有的影响阀点载入中。要确定经济装载发电机准确，准确地反映燃料成本的特点是必要的。最近的一些工作组在阿尔卑斯山的研究已经表明，多层前馈网络可以用来模型燃料成本特征与阀点负荷具有很高的准确度。初步结果公布在一份文件上APSCOM - 93会议。7 多层前馈网络 列表中的应用领域在（ 6.1 ）单元 ，优化下的地区已经尝试使用有害物质， KNs和BMS 。其余地区一直试图利用MFNS 。 神经网络广泛采用多层前馈网络迄今为止的电力系统问题，概述如下。一些相关的问题成功的优化多层前馈网络在（ 7.1 ）单元中讨论。 图2显示了总体结构的多层前馈网络。它包含了若干层次的节点。连续的节点层是相互关联的网站的连结。投入提交输入节点。之间的输入和输出层是隐层。输出的任何节点的隐藏和输出层与输入的节点的激活函数。图.2：多层前馈网络的总体结构在研究多层前馈网络期间，积累目标之间的差异产出和产出的节点输出层的多层前馈网络是最小的更新的链接权重的互连网络中的节点。该进程，并尽量减少重量更新都是根据学习算法。其中许多其他国家一样，误差反向传播学习算法被广泛采用。这种学习算法是基于最速下降优化方法。7.1 基于多层前馈网络的研究问题成功的发展多层前馈网络方法的电力系统问题的成功取决于通过多层前馈网络的正确学习或映射关系之间的输入和输出模式。为了实现成功的学习正确的映射，下列问题需要加以解决和研究。（1）多层前馈网络的机构体系 这涉及到的确定隐层数据和一些隐藏节点需要解决的问题。它最近已表明，多层前馈网络有一个单一的隐层和线性激活功能节点的输出层，可以是一个普遍逼近函数。然而，问题的答案对所需数量的隐藏节点仍有待发现。（2）选择输入功能虽然特征输入模式可以选择使用工程知识之间的变量的问题，然而有必要制定有效的方法来确定最适当的功能研究多层前馈网络。（3）练习模式的选择系统方法需要加以发展，以选择适当的输入模式比如非线性映射能被充分地反映。（4）练习过程的收敛性为了确保培训的融合过程是可以实现的，这些方法可以调整学习效率和动力，这是在错误的参数反向学习算法，是必需的。（5）输入功能的威胁这个特征必须得到缩减以致多层前馈网络的负荷可以更新。他们也应缩减的方式，这样的相对重要性的特点是保留。缩放方法，以实现这些方面应加以发展。8 FUTURTl主题研究8.1 人工智能技术 虽然建议已经被提出了改进的人工智能工具的电力系统应用的第（ 4 ） ，进一步的研究和开发工作，可向以下地区，让更多强大的系统，电力工程，才能建立。知识库：（a）核实和维修的知识基础（b）自动化的过程中获取知识推理方法：（a）不确定性推理（b）推理时间依赖性的数据和事件（c）改进的速度推理机器学习：（a）学习资料，数据和模式（b）学习过去的事件（c）结合人工智能和神经网络的学习方法8.1.1 进一步应用领域 该地区的电力系统，人工智能迄今适用绝非详尽无遗。其他一些重要的应用领域可以是： （a）网络的拓扑结构鉴定 （b）电力系统状态估计 （c）稳态和暂态稳定评估 （d）配电自动化 （e）代工厂和设备的维修 （f）的发电机，变压器和输电线路设计 （g）电价 （h）调度系统的运行模拟器8.2 神经网络虽然有些研究已经完成的应用电力系统，许多基本问题，并与神经网络有关的问题应该进行调查。也许最重要的单一概念在于神经网络研究的想法，连接强度。神经科学给了我们很好的证据，这方面的想法的优势就是，一个神经元的强烈的影响会连接到它真正的信息持有者。学习的重复任务，甚至接触到一个新的或持续的刺激可引起大脑的变化方面的优势，一些突触连接成为新的加强和正在形成，削弱其他国家或在某些情况下完全消失。第二个基本要素的神经连接激发抑制区别。在人类的大脑中，不是每一个神经元兴奋或抑制，也就是说，它的启用将可以增加发射率连接神经元，或降低利率。数额激发或抑制生产，当然，依赖于连接强度一个更强有力的连接意味着更多的抑制或激发，一个较弱的连接意味着更少。第三个重要组成部分，在确定一个神经细胞的反应被称为传递函数。没有得到更多的技术细节，传递函数描述如何神经元的放电率随输入收到。一个非常敏感的神经元可能需要很少的投入。 （a）方法和技巧，解决问题，科（ 7.1 ）在成功的学习正确的映射的MFNs至关重要。 （b）发展适当的神经网络方法的基础上的方法和技巧（一）项有针对性的电力系统的问题。 （c）发展学习算法和高效的优化技术，以减少培训所需的时间训练神经网络。 （d）开发的并行处理算法的软件和硬件远远实施神经网络 （e）结合神经网络人工智能技术为： （I）验证输入和输出数据的神经网络 （II）代解释 （III）提高性能的神经网络和人工智能系统 （IV）有利的一体化网络系统与传统的电力系统的应用程序验证输入和输出数据的神经网络9 结语几个人工智能为基础的系统已经运用于实际生活的电力系统中。这些应用的成功有力的证明了，人工智能方法可以提供强大的手段，来发展智能软件系统，以协助规划和运作的工程师来解决各种电力工程的问题。本文已经提议了有关改善人工智能软件工具的提议已经做出以及未来人工智能在电力系统中的应用。我们可以预见，在将来更多领域的应用软件将被引进，更多的系统将用于实际生活中的电力系统中的。随着越来越多的有效电能管理的支持，靠近运行的工程师，研究人员在人工智能和电力系统，人工智能等技术供应商可以实现的。这一合作将使不同领域的专家，汇集在一起，构建他们的专业知识和思想来建设人工智能系统和工具在电力工程的需要。在过去几年神经网络在电力系统的应用的研究和调查中为神经网络的基本问题提供了一些见解。然而，仍需要更多的研究工作，来解决这些问题。尽管还有很多问题亟待解决，神经网络将是电力工程的一项有用的技术。当这两者有机结合起来的时候，神经网络和人工智能将会获得更大的发展空间。10 参考文献 1 Nelson W. R.： “反应堆：一种专家系统的诊断和治疗核反应堆事故” ， AAAI协商会议录， 1982年， 296-301页。 2 Sakaguchi T和Matsumoto K： “发展成为一个以知识为本系统的电力系统恢复” , IEEE Trans., PAS-102,2, 1983 ， 320-326页。3 Wollenberg B. F.：“ 能量管理系统智能报警进程的可行性研究” IEEE学术会议有关电力工业计算机应用， 1985年， 249-254页。4 Schulte R. P., Sheble G. B., Larsen S. L., Wrubel J. N. 和 Wollenberg B. F.：“人工智能在电力系统运行的问题的解决方案” IEEE Trans. PWRS-2,4, 1987, . 920-926页.5 Wollenberg B. F. 和S b g u c h i T.：“人工智能在电力系统中的应用” IEEE 学报，75, 12, 1987, 1678-1685页。6 Wong K. P.：“知识陈述及专家系统的结构” 香港工程师学会， 16 ， （ 9 ） ， 1988年， 27-33 页。7 Zhang Z. Z., Hope G.S.和Malik 0. P.：“电力系统中的专家系统一个调查文献” IEEE Trans.关于电力系统, 4, (4), 1989, 1355-1361页。9 Dillon T. S. 和 Laughton M.A. (Eds)：专家系统在电力系统中的应用，Prentice Hall，纽约，1990.10 Cicoria R., Gallanti M., 和Poghano P.:“KBS在电力传输网络设计中的应用” ，IEE/BCS智能系统工程， 1993年， 38-51页。11 Farghai S. A., Ud i l M. S. 和 Abdel-Aziz：“新一代扩展规划：一种专家系统” IEE ROCP.t C, 135, (4), 1988, 261-267页。12 Chen J. L. 和 Hsu Y. Y.：“专家系统在负荷分配中的分配扩展规划” IEEE PES冬季会议，纽约， 1989年，纸张数量89 WM 0886 PWRD 。13 Fujiwara R., Sakaguchi T., Kohno Y和Suzuki H:” 智能负载流引擎的电力系统规划”IEEE Cod. Proc.g关于电路工程计算机应用，19， 236-241页。14 Wehenkel I., Cutsem T.V. 和Ribbens-Pavella M.:“人工智能在线暂态评估中的框架” IEEE Trans.关于电力系统4, (2), 1989, 789-800页。15 Akimoto Y., Tanaka H., Yoshizawa, J. Klapper D.B., Price W.W. 和Wirgau K. A：“专家系统暂态稳定” IEEE Trans. 有关电力系统，4, (l), 1989, 312-320页。16 Hein F：“专家系统利用模式识别的实时信号” CIGRE研究委员会， 报告编号39, 1986年.17 DeMontmvel G：“法国电力公司的区域管制中心在为了的一个实时专家系统的报警处理” CIGRE研究委员会， 报告编号39, 1986年。18 Kaninsono H,：“在日本的报警处理和负载调度控制中心” CIGRE研究委员会， 报告编号39, 1986年。19 Chan E. K：“一个实时专家系统在一个集成大型SCADA系统” Proc. 3rd Sym.关于专家系统在电力系统中的应用，日本, 1991, 495-498页。20 Pfau-Wagenbauer M. 和Brugger H：“模型和基于规则的智能报警处理” Proc. 3rd Sym.关于专家系统在电力系统中的应用，日本, 1991, 27-32.页21 Talukdar S. N., Cardozo E. 和 Peny T.：“经营者的助理-智能化，可扩展的计划，电力系统故障分析” IEEE Trans. 关于电力系统, 1, (3), 1986, 182-187页。22 Fukui C. 和 Kawakami J：“专家系统的故障区段估计使用资料，继电保护和断路器” IEEE Trans，关于电力系统，PWRD-1,4, 1986, 83-90页。23 Gonzalez A. J., Osbome R. L., Kemper C. .T 和 Lowenfeld S：“使用人工智能实时诊断的涡轮发电机” IEEE Trans. 能源转换， EC-l,2, 1986, 68-74页。24 Komai K.和 Sakaguchi T.：“人工智能在电力系统故障诊断的方法” IEEE Trans. 关于电力传输, 2, (3), 1987, 736-743页。25 Tomsovic K., Liu C. C., Ackennan P. 和Pope S.：“专家系统作为一个隔离线故障的调度援助” 关于电力传输, 2, (3), 1987, 736-743页。26 Wong K. P. 和Tsang C. P.：“一个在分布环网故障诊断中的逻辑程序设计方法” I电力系统研究， 15， 1988年， 77-87 页。27Wong K. P., Tsang C. P. 和Chan W. Y.：“Sherlcck一个系统的诊断配电环网故障” 计算机程序在第一次国际会议上工业62人工智能应用与专家系统，Tullahoma,USA, 1988, 109-113页。28 Elckhoff F., Handschin E.和H O W W.：“以知识为基础的报警处理和故障定位在分销网络中的应用” IEEE Trans.有关电力系统， 7, (2), 1992, 770-776页.29 Don Russel B.和 Watson K.：“电力变电站自动化系统采用基于知识的系统-的理由和初步的实地实验”IEEE Trans. 关于电力传输, 2, (4), 1987, pp. 1090-1095.30 Wong K. P. 和 Chew H. N.：“人工智能在分配变电站的负荷分配办法” EE Proc. Pt. C, 134, (5), 1987, pp.357-365.31 Wong K. P. 和Cheung H. N：“分配中压输电电路开关变电站使用最好的第一搜索策略” IEE Proc. Pt. C, 135, (6), 1988, pp. 489496.32 Kojima Y., Warashina S., Nakamura S. 和Matsumoto K.：“发展电力系统恢复的指导方法” IEEE PES冬季会议，纽约，纸张数量 89 WM 162-9 PWRS, 1989.33 Kojima Y., W a S., Kat0 M. 和Watanabe H.：“发展电力系统恢复的方法大量电力系统应用工程技术知识” PES冬季会议的IEEE 会议录, 纽约，纸张数量89 WM 163-7 PWRS, 1989。34 Fujii Y., Miura A., Hata Y., Tsukamoto J., Youssef M.G., 和 Noguchi Y.：“恢复发展的制导系统的控制中心” Proc. 3rd Sym关于专家系统在电力系统中的应用，日本, 1991, pp. 701-707.35 Nagasawa T., Hamano S., Shimano S., Fukui C., 和Fujikawa T.:“恢复发展的控制中心的制导系统” Proc. 3rd Sym. 关于专家系统在电力系统的应用，日本, 199 1, pp. 479486.36 Miura K., Takamo N., Sakata S., Ueki Y., 和 Fukuyama Y.：“专家系统的程序产生迎合电力系统恢复的区域控制” IEE Int. Cod. Proc. No. 348 有关改进电力系统的控制、运行和管理，香港, 1991, pp. 503-507.37J Tsang C. P. 和Wong K. P.：“测定负荷块成分切负荷计划：逻辑编程” IEEE 计算机在电力系统的应用, 1, (4), 1988, pp 3943.38 Shah S.S. 和 Shahidehpour M.：“一项heuritic办法减载计划” IEEE PES Winter Power Meeting, Paper No. 89WM193-4 PWRS, 1989.39 Wong K. P. and Lau B.S.: 在减少负荷时代的算法, IEEProc. Pt. C, 139, (6), 1992,pp.478490.40 Liu C. C. and Tomsovic K.“专家系统协助决策的无功/电压控制” IEEE Trans. on Power Systems, 1, pp. 195-201.41 Hsu Y. Y., Ho K. L., Liang L. L., Lai T. S., Chen K. K., and Chang T. S.“电压控制使用整数线性规划相结合，并以规则为基础的办法” IEEE Trans. on Power Systems, 7, (2), 1992, pp. 744- 752.42 Reichelt D. and Glavitsch H.：“一个以知识为基础的系统的安全性增强和分析相结合Aitechniques算法” Roc. Power System Computation Conf., Graz, Austria, 1990, pp. 225-231.43 Morelato A. L. and Monticelli A.: “启发式搜索方法来分配系统恢复” , IEEE Trans. on Power Delivery, 4, (4), 1989, pp. 2235-224 1.44 Wu J. S., Lee C. R., Tomsovic K. L., and Chen C. S.：“比较两个启发式方法分配馈线开关意外” , Proc. 3rd Sym.关于专家系统在电力系统的应用，日本, 1991, pp. 716-723.45 Lachs W. R., Zhu Y. L., Sutanto D.,和Momson I.“自动控制系统电压稳定性的专家系统”，10th Power System Computing Cod. Graz, Austria, 1990.46 Mokhtari S., Singh J., 和Wollenberg B.：“专家系统的一个应用单元”， IEEE Trans. 有关电力系统, 3, 1988, pp. 272-277.47 Wong K. P. 和Cheung H. N.: “热发电机调度算法基于启发式引导深度6rst搜索” IEE ROCFt. ., C, 137, (I), 1990, pp. 33-43。48 Wong K. P.和 Doan K.:：“人工智能算法每日调度热发电机”,IEEPrw., Pt C., 138, (6), 1991, pp. 518-534.49 Salam M., Hamden A., 和Nor K. U: “专家系统整合成一个热单位承诺算法” , IEE ROCP.,t C, 138, (6), 1991, pp. 553-559.50 Kaminaris S. D., Machias A. V., 和Papadias B. C.:“ 智能工具配电故障和检修计划” , IEEE Trans. on Power Delivery, 6, (3), pp. 1038-1044, 1991.51 Nara K., Satoh T., 和Maeda K.：“检修计划的专家系统结合数学规划” Proc. 3rd Sym.关于专家系统在电力系统中的应用, Japan, 1991, pp. 385-390.52 Ranman S. 和Bhatnagar R.：“专家系统为基础的算法的短期负荷预测” IEEE Trans. 关于电力系统, 3, (2), 1988, pp.392-399.53 Ho K. L., Hsu Y. Y., Chen C. F., Lee T. E., Liang C. C., Lai T.S., 和 Chen K. K.：“短期负荷预测的台湾电力系统使用的是基于专家系统的知识”，IEEE PES Winter Power Meeting, Paper No. WM 259-2 PWRS, 1990.54 Sobajic D. J. 和Pa0 Y. H.：“人工神经网络的动态安全评估在电力系统中” IEEE Trans. on Power Systems, 4, (l), 1989, pp. 220-228.55 Wong K. P., Ta N. P., 和 Attikiouzel Y.：“暂态稳定评估的单一机电力系统神经网络” , IEEE TENCON90 Proc., Hong Kong, 1990, pp. 32-36.57l Wong K. P., Lim W., Ta N. P.,和Attikiouzel Y.：“神经网络暂态稳定评估一台机器在系统故障情况下的非对称” IEE Int. Cod. Proc. No. 348 关于改进电力系统的控制、运行和管理，香港，199 1, pp. 572-577.58 Wong K. P. 和 Lau B. S：“故障距离估计暂态稳定评估：人工神经网络方法” , Roc. of 4th Sym. 关于专家系统在电力系统中的应用，墨尔本，澳大利亚1989, pp. 1-6.59 Chen C. R. 和 Hsu Y. Y.：“同步电机稳态稳定性分析使用的是人工神经网络” , IEEE PES Summer Power Meeting, Paper No. 90 SM 430-9 EC, 1990.61 Mori H., Tamaru Y., 和Tsuzuki S.：“人工神经网络技术的电力系统动态稳定的自组织特征映射模型” , IEEE Trans. On Power Systems, 7, (2), 1992, pp. 856-864.62 Park D. C., El-SharkaWi M.A., Marks 11 R. J.：“电力负荷预测使用的是人工神经网络” , IEEE PES Summer Power Meetmg, Paper NO. 90 SM 377-2 PWRS, 1990.63 Chen S. T., Yu D. C., 和 Moghaddamjo A. R：“天气敏感的短期负荷预测方法nonfully连接人工神经网络” , EEE PES Summer Power Meeting, Paper No. 91 SM 449- 9 PWRS, 1991.64 Hsu Y.Y. and Yang C. C.: Design of artificial neural networks for short-term load forecasting. Part I: Selforganising feature maps for day type identifbtion, IEEProc., R. C, 138, (9,1991, pp.407413.65 Hsu Y.Y. 和Yang C. C：“设计中的人工神经网络的短期负荷预测：设计中的人工神经网络的短期负荷预测” , IEE Proc., Pt. C, 138, (3, 1 99 1, pp.4 144 1 8.66 Chow M. Y. 和Thomas R.J.：“神经网络同步电机建模”IEEE Proc. ISCAS, Oregon, USA, 1989, pp. 495498.67 Thomas R. J. 和 Ku B. Y.：“近似的电力系统动态负荷特性的人工神经网络”, Proc. 1st Int. Forum on Applications of Neural Networks to Power Systems, Seattle, USA, 1991, pp. 178-182.68 El-Sharkawi M. A., Marks II R. J., Aggoune M., Park D. C., Damborg M. J., 和Atlas: L. E：“动态安全评估的电力系统使用人工神经网络” , Proc. Of 2nd Sym. on Expert Systems Application to Power Systems, Seattle, USA, 1989, pp. 366-370.69 Aggoune M., El-Sharkawi M. A., Park D. C., Dmborg M. J., 和Marks II R.J.：“利用人工神经网络的安全性评估” ，OCPI.C A, 1989, pp. 252-258.70 Neigur D. and Germond A. J.：“电力系统静态安全评估利用Kohonen神经网络分类器” , IEEE Trans. 有关电力系统 (2), 1992, pp. 865-872.71 Neily G., Barone R., Josh G.,和 Chamey, D.：“无功控制器联合实施人工神经网络环境” , Proc. 1 st Int. Forum on Applications of Neural Networks to Power Systems, Seattle, USA, 1991, pp. 271-276.72 Hartana R. K. 和Richards G. G.：“谐波源的监测和识别的神经网络” , LEEE PES Winter Power Meeting, Paper No. 90 WM 238-6 PWRS, 199073 Mori H., Uematsu H., Tsuzuki S., Sakurai T., Kojima Y., 和 Suzuki K：“鉴定谐波负荷的电力系统使用的是人工神经网络” , Proc. of 2nd Sym. on Expert Systems Application to Power Systems, Seattle, USA, 1989, pp. 371-378。74 Ogi H., Tanaka Y., Akimoto Y., 和 lzui Y.：“故障诊断系统地理信息系统使用的是人工神经网络” , Proc. 1st Int. Forum on Applications of Neural Networks to Power Systems, Seattle, USA, 1991, pp. 112-116.75 Feser K., Braun U., Engler F., 和Maier A.：“神经网络应用在数控母线保护系统” , Proc. 1st Int. Forum on Applications of Neural Networks to Power Systems, Seattle, USA, 1991, pp. 117-121.76 Khaparde S. A., Kale P. B., 和Agarwal S. H.：“人工神经网络在继电保护中的输电线路” , Roc. 1st Int. Forum on Applications of Neural Networks to Power System