电气专业英语

1、Applications of fuzzy logic in power systems,Part1 General introduction to fuzzy logic,专业词汇 fuzzy set 模糊集 fuzzy singleton 模糊单点 singleton output function 单点输出值 membership function 隶属函数 fuzzy operators模糊算子 fuzzification模糊化 defuzzification反模糊化 implication 蕴含 input variable输入变量 fuzzy set theory模糊集合论 int

2、ersection交集 complement 补集 scalar variable 标量变量,Why fuzzy logic in power systems:,Analytical approaches have been used over the years for many power system operation, planning and control problems. However, the mathematical formulations of real-world problems are derived under certain restrictive ass

3、umptions and even with these assumptions, the solutions of large-scale power systems problems are not trivial. On the other hand, there are many uncertainties in various power systems problems because power systems are large, complex, geographically widely distributed systems and influenced by unexp

4、ected events. These facts make it difficult to effectively deal with many power systems problems through strict mathematical formulations alone. Fuzzy logic is a powerful tool in meeting challenging problems in power systems , so fuzzy logic is the only technique which can handle imprecise , vague o

5、r fuzzy information.,这些年在许多电力系统的操作、规划和控制问题上使用了分析方法，然而实际问题是在某些限制性假设下推断出来的，甚至在这些假设下大规模电力系统问题的解决方案并不是件小事。另一方面，在各类 电力系统问题中存在着很多不确定性，这是因为电力系统是大规模的、复杂的、地域上分布广泛的系统，而且易受突发事件的影响。这些事实使得仅通过系统的数学公式来有效的解决电力系统的许多问题变得困难。模糊逻辑在电力系统遇到具有挑战性的问题时是一个有力的工具。因此模糊逻辑是处理不精确、含糊或模糊的信息的唯一技术。,Fuzzy set theory模糊集合论,语言变量linguistic v

6、ariable ：为了建立规则库中的规则，专家使用语言描述。对于输入和输出以及它们的特征，也是需要语言来描述的，我们就用语言变量（也称模糊变量）来描述模糊系统的输入和输出。在建立规则库时，我们用x,y表示模糊控制器的输入和输出语言变量。例如，模糊控制器的输入可以描述为x表示“位置偏差”，或x表示“速度偏差”；模糊控制器的输出y表示“电压”等。模糊集合论的潜在力量是他用语言变量而不是量化变量来表示不精确的概念,：,fuzzy set and membership 模糊集和隶属度,模糊集F定义了一个论域U是可以用一个从（0，1）取值隶属度函数 F(X)来描述的。 论域：被考虑对象的所有元素的全体所

7、组成的基本集合通常用E、U等来表示。 隶属函数：是一个函数，它指点一个给定的输入属于一个集合或与一个概念相关的程度。 隶属度：是隶属函数的输出值，该值限制在0和1之间，又称为隶属值或隶属等级。 图1清晰地描绘了古典集和模糊集 的隶属度函数。,图1,fuzzy logic and fuzzy operation 模糊逻辑和模糊运算,在模糊逻辑中，并集、交集和补集是就他们的隶属函数来定义的，让模糊集A和B用他们的隶属函数来描述。我们有 （i）模糊并集fuzzy union ：A和B的并集用AVB表示： AVB(X)= A (x) v B(x) =max ( A(x),B(x) (ii) 模糊交集f

8、uzzy intersection ：A和B的交集AB表示：AB(x)= A (x) B(x)=min( A(x), iii) 模糊补集fuzzy complement ：集合B的补集用B表示B(x) = l- B(x),Fuzzy logic systems模糊逻辑系统,图2描述了模糊逻辑系统，它广泛用于模糊逻辑控制器和信号处 理应用。模糊逻辑系统描述出确定的输入值和确定输出值映射 关系。模糊逻辑系统包括了四个主要元素： 模糊器fuzzifier，模糊规则rules ，推理机制inference engine和反模糊器defuzzifier 。,图2：,图2,模糊化是将精确量转换成模糊量的过

9、程，模糊化界面包括以下功能：（i）测量输入变量的值（ii）完成一个将输入变量值域转移到相应的论域中的比例图（iii）完成了一个模糊化函数，这个函数将输入数值转变成可以看成模糊集合的标志的适当语言变量。非单点的模糊化提供了一种在模糊逻辑系统体系中处理不确定性的方法。一个非单点的模糊器的 A (x) = 1 ，随着X远离X A (x) 从1开始减少。在非单点模糊化中，X被映射成一个模糊数，也就是说一个模糊隶属度函数与X有关，比如说高斯隶属函数和三角隶属函数，这个函数越广泛，X的不确定性就越大。,模糊化fuzzification,Fuzzy rules模糊规则,一个模糊系统是一个用专家知识的语言描述

10、的集合。知识库包含了应用范围的知识和伴随控制目标。知识库包含有数据库和规则库，数据库提供了必要的定义，这些定义用来定义语言控制规则和模糊数据运算。渐渐地模糊控制器的设计根据操作者对这些过程的理解，代替了精确的数学模型，这种方法的益处是很容易生成在经验和探索中形成的“经验法则”。这些规则通常用下面的语法形式表示：if，then,当模糊命题的形式是“x=Y”或“x Y”，x是一个标量变量，而Y是一个与标量变量x相关的模糊集合。这个规则证明了在两个命题之间的联系。模糊逻辑系统存储模糊相关性规则；也就是说，规则为IF A THEN B，其中A和B为模糊集合，模糊逻辑系统将AB的相关性存储在矩阵M中，这个模糊关系矩阵M将模糊集合A映射到模糊集合B。这个模糊关系或模糊规则被称为模糊相关存储器（FAM）。,Fuzzy inference模糊推理,模糊推理：模糊推理有模拟人类做决定的能力，这种能力依据模糊观念和采用模糊蕴含关系的模糊控制推理。在模糊推理机制中，应该根据模糊逻辑法则把模糊规则库中的模糊IF-THEN规则，转换成模糊输入与模糊输出的映射关系。模糊推理包含了两种方法：最大最小推理法和最大乘积推理法。,Defuzzification 反模糊化,图4,反模糊化是一个必要的步骤，因为我们 不能使发电机机械功率缓慢增长，即使是由模糊