人工智能在电力系统中的应用
韩祯祥,文福拴,张 琦
(浙江大学电机系,杭州310027)
摘要:首先对第4届“智能系统在电力系统中的应用”国际会议发表的全部论文做了介绍,之后概述了近几年来较受关注的分布式人工智能技术、粗糙集理论和数据挖掘方法在电力系统中的应用情况。
关键词:人工智能;专家系统;人工神经元网络;模糊集;遗传算法;进化规划;T abu 搜索中图分类号:T P 18
收稿日期:1999212206。
浙江省青年科技人才培养专项基金和曹光彪高科技发展基金资助项目。
1 ISAP ’99论文介绍
1999年4月4日～8日在巴西召开了2年一次的第4届“智能系统在电力系统中的应用”国际会议(In ternati onal Conference on In telligen t System A pp licati on s to Pow er System s ——ISA P’99),共发表论文72篇,基本上反映了这一研究领域在最近2年所取得的最新进展和研究动向。下面按照不同的人工智能(A I )技术的应用做分类介绍。111 专家系统(18篇)
文献[1]提出了一种知识获取的多层流式的功能模型,可以自动获取变电站的拓扑结构和保护配置等方面的知识,用于产生变电站停电后的恢复方案,原理上有创新。
文献[2]介绍了一个基于专家系统和多媒体技术开发的配电变压器测试与诊断解释系统,主要用做培训工具,以保留和传播专家的经验与知识。
文献[3]描述了用于断路器参数给定和运行管理的专家系统,分别用于新的断路器的选择和运行
中的断路器的维护。
文献[4]用启发式优化方法决定配电系统中对地电容器和电压调节器的地点,考虑了2个目标,即损耗最小和投资费用最小。采用加权处理方法将这两个目标合成为一个目标。
文献[5]采用面向对象技术开发了用于保护系统设计的专家系统,着重考虑了保护系统设计与电力网络本身设计的协调,以确保保护系统是电力系统运行中的一个集成的和有效的部分。以输电线路距离保护的设计为例,解释了该专家系统的功能。
文献[6]首先介绍了工厂内部电力系统的特点、与公用电力系统的区别以及对智能系统的需要,之
后描述了所开发的用于工厂内部电力系统的管理与运行状态监视的智能系统的实现环境以及一些初步的结果。
文献[7]研究了基于专家系统的核电厂元件的故障诊断与检修问题,以及相关的知识维护问题。详细介绍了故障诊断的几种知识表示模型,在此基础上发展了基于外展推理模型的诊断系统,并考虑了警报信息的时间特性。
文献[8]和文献[9]系姊妹篇,报道了德国D u isbu rg 大学最新的研究成果。文献[8]致力于开发一个通用的交互式的输电系统恢复指导专家系统,可适合于任何电力系统和任何停运情况。其基本思路是在恢复过程中根据当时系统的运行情况,提出下一步的恢复策略,而不是预先一次性确定所有的恢复次序。文献[9]则较详细地报道了在一个110
kV
25kV 10kV 实际系统的全规模仿真器上,对该专家系统的测试结果。D u isbu rg 大学研究人员在输电系统恢复专家系统方面已经做了多年的研究工作,研究成果已接近实用,处于国际领先地位。
文献[10]介绍了以面向对象方法为基础构造的电力系统恢复专家系统的总体结构及主要模块,重点描述了面向对象方法的电力系统模型。这只是一个初步的工作,该专家系统还未完成。
文献[11]描述了意大利电力公司正在开发的用于大停电后协助运行人员进行系统恢复的专家系统的主要目标与软件结构。着重介绍了在系统部分停电时,如何决定最适当的输电通道将电力输送到停运的火电厂的机组,以恢复其运行,同时保证系统运行在安全状态。
文献[12]比较详细地介绍了日本就专家系统在电力系统中应用方面的研究及实际应用情况,包括应用领域、目标、所要解决问题的特征、与其他智能方法的联合应用情况、用户的评估结果分析、存在的问题及原因、用户的需要与期望、需要进一步研究的
22000年1月25日
Jan .25,2000
问题等。
文献[13]介绍了一个用于配电变电站恢复控制的专家系统,作为变电站自动化的一个组成部分。目前只考虑了韩国常见的双母线、双断路器接线方式的变电站。
文献[14]描述了为葡萄牙输电控制中心研制的智能警报处理和系统恢复辅助专家系统的解释机制的开发,增加解释机制后明显改善了专家系统的行为。作者开发这一专家系统用了七八年的时间,已经达到实用水平。
文献[15]用多个智能代理(in telligen t agen t,缩写为I A)的思想设计了以分布式专家系统为基础的配电自动化的概念性框架。用I A处理不同的专家系统之间的合作,I A之间用标准的信息交换语言KQM L来实现。这样可以把现有的一些专家系统,如负荷预报、配电系统网络重构、配电系统恢复和保护设备的协调等集成为一个配电自动化系统,各个专家系统之间可以实现知识共享。
文献[16]介绍了以数字故障录波器的信息为基础、采用专家系统自动分析发生的故障或事件的方法。详细分析了2种实现途径:一种是在变电站的层次上先对故障录波器的信息进行分析,之后送到调度中心做进一步的分析、判断;另一种是将所有变电站的故障录波器的信息均送到调度中心进行分析。指出了与这两种实现途径有关的一些技术问题。
文献[17]提出了处理故障诊断中的信息不完整问题的一种方法,主要用于处理事件顺序记录仪(sequence of even ts reco rders,缩写为SER)的不完整信息,包括由于通信问题引起的SER信息丢失,以及有些变电站未装SER引起的信息不完整问题。文中还改进了作者以前提出的用于测试专家系统正确性的上下文表示法,以适应信息不完整的情况。用意大利电力公司的实际故障例子进行了测试。
文献[18]采用专家系统方法实现多区域电力系统的稳定控制,考虑了区域间联络线的安全约束,以灵敏度分析方法为基础,构造了专家系统的规则库。112 人工神经元网络(11篇)
文献[19]采用多个人工神经元网络(artificial neu ral netw o rk,缩写为ANN)实现故障诊断,每个ANN负责系统中一部分的诊断。类似的方法早有报道。
文献[20]用ANN进行自动预想事故选择和静态安全性评估,采用分区建立ANN模型以减小ANN的规模,进而提高训练速度。
文献[21]提出了用B FGS(B royden2F letcher2 Go ldfarb2Shanno)非线性优化方法训练多层前馈神经网络,并应用于估计受扰动的电压和电流的正弦波形。这种训练方法在速度和鲁棒性方面均优于传统的误差反向传播算法。
文献[22]介绍了用ANN识别高压电气设备的局部放电现象,并以变压器为例进行说明。
文献[23]比较了近几年提出的2种ANN模型即E l m an网络和神经气(N eu ral Gas)模型及其组合在应用于电力系统负荷预报时的效果。E l m an模型是由多层前馈ANN改进而来,允许存在反馈。神经气模型则与Kohonen模型比较相似,适于处理分类问题。
文献[24]提出了用ANN监视高压充油电缆系统的工作状况,检测漏缝,采用油温和油压作为特征量。
文献[25]将ANN技术用于数字距离保护整定,以自动适应网络运行条件的变化。研究表明,故障前的有功和无功潮流是最重要的特征量,而短路水平和外部网络的拓扑结构则相对次要些。
文献[26]用并行自组织分层ANN估计电力系统不安全的程度。用不安全运行点和最接近的安全运行点的距离作为刻画不安全性程度的指标。首先用一个优化方法求取最接近的安全运行点,计算相应的不安全程度的指标,之后建立系统运行状态模式(用各节点的有功和无功注入表示)与相应的不安全指标的一组样本,训练ANN,成功后则可用于估计系统不安全的程度。
文献[27]用Kohonen神经网络进行电力系统暂态稳定评估。主要工作是用迭代压缩最接近邻居(iterative conden sed nearest neighbo r)规则训练Kohonen模型,提高了训练的效率。
文献[28]提出用有限脉冲响应(fin ite i m p u lse respon se)ANN构造单相和三相变压器的差动保护,这种ANN模型适于处理瞬时信号。研究了3种结构:第1种用于检测单相变压器的内部故障;第2种用于检测三相变压器的内部故障;第3种由一组第1种结构的ANN组成,用于检测三相变压器的内部故障。
文献[29]采用多层前馈神经网络识别配电系统中的多个谐波源的位置。首先用灵敏度方法确定测量表计的位置,之后用ANN识别谐波源的位置。113 模糊集理论(11篇)
文献[30]介绍了2种基于模糊集理论的多目标决策方法,即B ell m an2Zadeh的最大化法和模糊优先关系(fuzzy p reference relati on)法在电力系统负荷管理和变电站选址规划中的应用。
文献[31]应用多目标模糊决策方法进行故障测距与故障类型辨识,并做了现场测试。
文献[32]提出了基于模糊集理论的配电系统潮流与状态估计方法。配电系统量测点少,数据不完整,也不准确,无法进行准确的潮流和状态估计计
3
?专题研讨——人工智能在电力系统中的应用? 韩祯祥等 人工智能在电力系统中的应用
算。很多不准确的信息(如负荷),可以用模糊方法处理。
文献[33]采用模糊推理估计配电系统的负荷水平,获取不同类型负荷的负荷曲线。各个负荷点的负荷量作为不准确量处理,用模糊数表示。以此为基础,采用模糊推理方法归纳出各类用户随不同的因素(如工作日、周末、假日及每天的不同时间)的变化关系。
文献[34]用模糊集理论对电力市场中的独立发电商(indep enden t pow er p roducer,缩写为IPP)进行多属性性能评估。除经济因素外,IPP对电力系统的影响用多属性量度,包括效率、对环境的影响(如环境污染)、安全性和对网络阻塞的影响,这些属性都采用模糊集来表示。之后,采用B ell m an2Zadeh的最大化决策方法确定IPP的综合性能,据此决定IPP的优先性。
文献[35]用模糊集方法构造变压器保护原理,以区别内部故障、涌流、过激以及电流互感器饱和情况下的外部故障。选取变压器原、副边的电流为特征量,根据E M T P,采用统计方法得到模糊规则。之后,采用D em p ster2Shafer证据理论对模糊规则进行处理,得到最终结果。
文献[36]采用模糊方法寻求维持系统安全运行和充分利用输电容量之间的折中解。系统安全方面主要考虑了电压稳定性。系统运行的一些不确定因素,如失负荷量、气象因素的影响及停运时间等采用了模糊集模拟。
配电系统由于数据不完整和不准确,很难准确计算其损耗。针对这一问题,文献[37]构造了配电系统能量损耗计算的模糊模型,用模糊数表示不完整和不准确的数据,如负荷数据和馈线参数等。经这样处理后,提高了损耗计算的精度。
文献[38]采用模糊分类器和学习向量量化(learn ing vecto r quan tizati on,缩写为LVQ)网络进行变压器的故障诊断。先用模糊分类器将样本数据分群,之后对于每个群中的样本用LVQ网络训练与诊断。用69kV变压器的实际数据做了测试,并与ANN方法做了比较,表明所提出的方法训练速度快且准确度高。
文献[39]设计了发电机组的一种多变量前馈—反馈控制策略,其中前馈通道由多输入单输出模糊推理系统组成,用于拟合发电机组的逆静态特性。
文献[40]研究了在配电网络中,当每个设备的运行状况可以大致知道时,如何决定其适当的维修水平,以兼顾运行安全和维修成本。先用模糊集方法描述设备的运行状况,之后构造了决定适当维护水平的模糊线性规划模型。
114 模拟进化优化方法(10篇)
文献[41]采用遗传算法(genetic algo rithm,缩写为GA)求解火电系统的经济调度问题,用直流潮流估计网络损耗。类似的工作早已有报道。
文献[42]用GA解决发电规划问题。类似的工作已有报道,但只考虑了火电厂的规划,而本文同时考虑了火电厂和水电厂的规划。
文献[43]报道了用GA辨识电动机转子的时间常数的方法。
文献[44]对GA做了一些改进,允许好的基因或基因块有更多的生存机会,此外还提出了2个专用的交叉算子。应用于输电系统扩展规划问题,并用实际系统做了测试,取得了该规划系统到目前为止所知道的费用最小的解。本文提出的对GA的改进方法的关键在于如何评价基因或基因块的优劣。虽然给出了一个启发式的评价指标,但缺乏理论支持,这个问题还远未解决。
文献[45]用GA确定状态估计中量测量的最优配置。类似的工作已有报道,本文的创新之处在于同时考虑了成本、精度和可靠性等多个目标。
文献[46]介绍了用GA实现发电机励磁系统(包括电压调节器、电力系统稳定器和机端电压限制器)的参数的协调确定。同时考虑了使闭环系统阻尼最大和机端电压调节误差最小这两个目标,采用加权处理方法来体现这两个目标的相对重要性。
文献[47]采用GA求解架空输电线的多目标规划问题,同时考虑了费用、视觉效果和对环境的影响等多个指标来评估候选的架空输电线的总体性能。此外,还对应用GA求解多目标优化问题的几种实现方法做了介绍与比较。
文献[48]应用近几年提出的粒子群优化(particle s w ar m op ti m izati on)方法求解无功与电压控制问题。粒子群优化方法属于进化算法的一种。以网络损耗最小为目标,控制变量为自动电压调节器的设定值、有载调压变压器的抽头位置和无功补偿设备的出力。计及了电压稳定性约束,稳定性指标由连续潮流算法求取。
文献[49]用进化规划(evo lu ti onary p rogramm ing,缩写为EP)方法求解有燃料合同约束情况下的多时段经济调度问题,要求某些机组在某给定时间段内用完一定量的燃料。
文献[50]构造了一种改进的GA,并应用于求解经济调度问题。主要工作包括:提出了一种新的交叉算子(方向交叉算子),将连续的解空间分解为多个较小的解空间,采用一种投影方法使GA求解过程中产生的候选解均为可行解。通过这些途径,改善了GA的计算性能。
115 Tabu搜索方法(3篇)
文献[51]采用T abu搜索(T abu search,缩写为T S)方法决定在配电系统中安装分散电源
4
(dispersed generato r),如燃料电池和太阳能电池的位置及其容量,以求得损耗最小。
文献[52]联合应用非线性规划和T S方法确定FA CT S设备的安装数目、地点及其容量,以求得最大的投资回报率。考虑了移相器和串联电容器两种设备,用直流潮流模型计及了系统的N-1安全性约束。
文献[53]介绍了用T S方法求解静态状态估计中量测量的最优配置问题,对作者原有的用遗传算法求解该问题的方法做了简单的改进。
116 两种以上智能方法的联合应用(11篇)
文献[54]介绍了一个向量控制的感应电动机的参考模型自适应控制系统,其中分别采用了模糊和ANN估计电动机的转速。
文献[55]采用模糊ANN预测水库的季节性来水量。用ANN模拟模糊系统,同时保留其学习能力,这样就可以在线调整模糊规则中的参数以及模糊隶属函数,充分利用两者的优势。
文献[56]先用多层前馈ANN识别可能引起次同步谐振不稳定的振荡模式,之后设计了一个模糊逻辑控制器来抑制这些振荡模式。
文献[57]联合采用模糊集和ANN预报每日的峰值负荷,着重讨论了特征量的选取问题。基本的思想是先用模糊方法对特征量进行处理,之后再用ANN进行训练和预报。
文献[58]介绍了多层前馈ANN和模糊逻辑在混合电车(hyb rid electric veh icle)的负荷预报及优化运行中的应用以及两者构成的集成系统。
文献[59]介绍了一种基于专家ANN实现的家用电器设备监视系统。该系统基于从户外测得的静态和暂态信息,利用专家ANN构造的分类器进行分类,识别各种电器设备所占负荷份额及其轮廓。
文献[60]用EP训练多层前馈ANN,并应用于电力系统的动态安全域的估计。这种方法主要是用于提高ANN在安全域边界点附近的模拟精度。
文献[61]开发了一个电力系统故障诊断的模糊专家系统,以可能性诊断理论(po ssib ilistic diagno sis theo ry)为基础,重点放在处理不确定性问题如保护和断路器误动与拒动、通信问题引起的信息错误等。这种方法还可以比较方便地处理多重故障情况。此外,本文还对故障诊断中的处理不确定性的几种现有方法做了比较分析。
文献[62]应用了一种改进的T S方法和专家系统实现配电系统最优网络重构,优化目标为损耗最小和电压质量最高,同时保证足够的供电可靠性。供电可靠性指标是根据在预想事故发生的情况下,重构后的网络结构能否向用户恢复供电来衡量的。所采用的改进的T S方法可以在搜索过程中自动调整有关参数,无需由使用人员凭经验给定。
文献[63]提出了日最大负荷预报的一种模糊推理模型。先采用模糊方法描述负荷预报的特征量,之后用T S优化这些模糊特征量的隶属函数的结构和参数。研究表明,T S的应用不仅改善了预报精度,而且提高了计算效率。此外,文中还定义了一个反映人们对气候条件感受的指标,这个指标以温度和湿度为基础,可用于反映夏天时用户是否使用空调的一个测度,从而可用做负荷预报的特征量。
文献[64]介绍了一个用多层前馈ANN实现的模糊推理系统,用ANN的层间互联实现模糊规则,用GA对ANN进行训练。该系统原理上可以直接从实验数据中提取出模糊规则。用锅炉运行状态的辨识问题做了测试。
117 其他(8篇)
文献[65]采用小波变换对故障后的暂态现象进行分析,以快速识别故障类型,可用于高速保护。类似的工作早已有报道。
文献[66]以历史数据为基础,采用数据挖掘(data m in ing)和动态回归方法预测配电系统的7个运行指标,如供电缺额等。
文献[67]介绍了采用多代理(m u lti2agen t)系统进行输电线的设计。多代理系统可以实现多个独立软件的集成,各个代理之间可以资源共享,进行合作,以解决单个代理不能处理的问题。
文献[68]提出了在多代理系统中各个代理之间的一种合作策略。研究表明,代理之间即使只进行简单的合作,系统的总体性能也可能得到明显的改善。以对FA CT S设备的协调控制来改善系统的稳定性为例,对所提出的合作策略做了验证。
文献[69]介绍了用多媒体技术、可视化技术和多屏幕信息系统实现的电力系统调度观测屏的交互式功能、关键的实现技术、系统结构及其容错能力。
文献[70]用小波网络进行负荷预报,用EP训练小波网络,并与基于ANN的负荷预报方法做了比较,证明所提方法的预报精度更高。
文献[71]提出用小波变换和ANN检测变压器故障。先用E M T P程序产生变压器在正常运行和故障时的信号(主要是电流信号),之后用小波变换进行处理,提取特征量,最后用ANN进行训练和估计。通过应用小波变换提取重要的特征量,ANN的结构得以简化,训练速度得到提高。
文献[72]提出了一种在系统运行状态发生变化以及发生预想事故的情况下在线确定安全的运行域的方法,计及了暂态稳定约束和物理约束。
2 分布式人工智能
分布式人工智能(distribu ted artificial
5
?专题研讨——人工智能在电力系统中的应用? 韩祯祥等 人工智能在电力系统中的应用
in telligence,缩写为DA I)技术是80年代发展起来的人工智能研究的一个分支,是伴随着并行分布式计算的发展而产生的。它包括3个方面的内容[73]: a1分布式问题求解(distribu ted p rob lem so lving,缩写为D PS)。针对某个特定的问题,将工作分割为多个模块,在知识共享和划分的层次上协作以找到问题的解决办法。
b1并行人工智能(parallel artificial in te2 lligence,缩写为PA I)。主要开发与人工智能相关的并行计算系统的机构、语言和算法。
c1多代理系统。关于一系列自主的智能代理之间的行为研究,包括如何协调它们的知识、目标、技能、规划以使它们共同采取行动来解决问题。多代理系统中的单个代理的工作目标可以是同一个,也可以是相互关联的独立目标。和D PS中的模块一样,各个代理共享关于问题的知识。应用多代理系统的主要困难是如何实现任务协调,在缺乏全局控制或全局共享目标的开放式系统中,问题更为复杂。
DA I在电力系统中的应用主要集中于多代理系统。下面对此做简要介绍。
文献[74]应用Java语言实现了一个基于JA TL ite多代理系统模板的电力市场模拟器,模拟电力市场的参与者,如独立系统运行员(independen t system operato r,缩写为ISO)、电力交易员(pow er exchange,缩写为PX)、用户和发电商等之间相互作用的市场行为。
文献[75]应用博弈论(gam e thoery)和多代理系统方法建立了电力市场参与者之间的结盟(coaliti on fo r m ati on)模型。每个代理根据自己的准则来选择伙伴以谋求对双方都有利的合作。
文献[76]应用多代理系统模拟负荷管理问题中电力公司和用户的谈判过程。该模型包括了电力公司的代理和一些代表用户的代理。
文献[77]提出了一个基于多代理系统的智能保护方案,由许多独立的专家系统组成,每个专家系统作为一个代理。此外,还有一个用黑板结构表示的全局数据库,作为代理间相互通信和协调的平台。这种模块化结构和分布式的控制使其比一般的专家系统更容易维护,知识获取也较为容易。
文献[78]将多代理系统方法应用于最优潮流问题,先将优化问题分解为一系列小的松散耦合的子问题,然后对许多子问题的代理进行并行优化,代理之间采用异步通信机制。
文献[79]提出了一个针对电力市场环境下输电系统规划问题的多代理系统方法,模拟市场中的各个参与者之间的交流与协商,寻找合适的合作伙伴以保护各自的长期利益,决定如何扩展输电系统和分配建造成本。
文献[80]提出了一个应用多代理系统方法的短期负荷预报系统,每个代理代表一种预报方法,能够自主地计算也可和其他代理一起合作得到一个较准确的负荷预报值。
此外,第1节介绍的ISA P’99会议中也有3篇多代理系统在电力系统中应用的论文[15,67,68]。
3 粗糙集理论
波兰学者Paw lak于1982年提出的粗糙集理论(Rough Set T heo ry)是一种研究不精确、不确定性知识的数学工具,已经应用于许多科学与工程领域[81]。由于经典逻辑难以解决知识工程中信息的含糊性(vagueness)问题,而统计方法、模糊集理论以及D em p ster2Shaffer证据理论等方法都有一定的局限性。粗糙集方法的优点是算法简单、易于操作,除数据本身以外,不需要预先知道其他额外信息,如统计方法中要求的先验概率和模糊集方法中要求的隶属度等。在电力系统领域,粗糙集方法已经在运行模式分类[82]、故障诊断和警报处理[83,84]等方面,取得了一些初步的结果。粗糙集理论是一种较新的还在不断发展之中的软计算方法,从最近发表的文献看,有2个动向值得注意。一是与人工神经元网络及模糊集的融合:文献[85]集成了粗糙集和神经网络方法,构造了一个烟雾监测的智能决策支持系统。原始数据库中的资料很不准确,噪声大,甚至有些相互矛盾的数据。先用粗糙集理论提取输入特征属性和评估重要性指标,然后应用神经网络进行预测建模。文献[86]应用粗糙集概念提出了一个语音识别的粗糙模糊多层前馈神经元网络。从数据中提取的领域知识用规则来表示,这些规则被用来确定隐层神经元的合适数目和初始权值。试验结果表明该方法优于常规的和模糊多层前馈神经元网络。二是模糊粗糙控制:如何得到模糊控制规则一直是研究人员关注的重要问题,粗糙集理论的知识提取方法为解决这个问题提供了一条思路。文献[87]定义了占有度(occupancy degree)的概念来表征规则前项与后项的一致性,提出了一种抽取最优模糊控制规则,定义输入输出变量模糊隶属函数的新方法。粗糙集方法的不断发展和进步有可能为求解电力系统中的一些困难问题提供新的途径。
4 数据挖掘
数据挖掘(data m in ing)和从数据库中知识发现(know ledge discovery in database,缩写为KDD)是近年来国际上较为活跃的研究领域,是人工智能与数据库技术相结合的产物[88]。KDD是从数据库中发现有用知识的过程,而数据挖掘是KDD过程中的一个特定步骤,它应用一些专门算法从数据中
6
抽取出有效的模式。KDD可以定义为从大量的数据中鉴别出有效模式的过程,该模式是新的、有用的和便于理解的。KDD是一个反复迭代的过程,通常包含多个相互联系的步骤,即数据预处理,提出假设,选取合适的算法,提取规则,评价和解释结果,将发现的模式构成知识,最后应用。目前已经提出的数据挖掘方法包括统计分析方法、决策树方法、神经网络方法、覆盖正例和排斥反例方法、粗糙集方法、概念树方法、遗传算法、公式发现、模糊集方法和可视化技术等[89]。数据挖掘的研究始于80年代末,目前已经被成功地应用于一些领域,比如在超级市场的销售或顾客数据库中获得的知识,可以用来促进销售。电力系统的一些研究人员也开始对这一新兴技术产生兴趣,因为计算机监控设备日益发展使得电力系统数据库中的数据呈爆炸性增长,如何从这些数据中获得对于系统有用的知识是个非常吸引人的课题[90,91]。文献[92]尝试将数据挖掘技术应用于电力系统暂态稳定分析中,得到了一些知识,但是由于所用的数据都是利用计算机仿真得到的,所获得的知识的普适性需要考虑。文献[93]应用数据挖掘方法分析了电力公司的负荷数据库,得到了各类负荷的分类模式。迄今为止,数据挖掘方法在电力系统中的应用还相当初步。
5 结语
本文介绍了近2年来人工智能在电力系统中应用的一些新进展,重点放在ISA P’99会议所发表的论文上。总的来讲,近2年来各种智能系统方法的应用在广度和深度上都得到了发展,由2种以上智能方法构成的混合系统在电力系统中的应用越来越广。这些研究工作从总体上讲有2种方式:一种方式是应用成熟的人工智能技术如专家系统来解决电力系统的实际问题,实用性是追求的主要目标;另一种方式是应用最近出现的人工智能方法来解决电力系统的问题,主要做一些探索性的研究工作。这两种研究方式的协调发展表明人工智能在电力系统中的研究已进入比较平稳而健康的发展轨道。
感谢巴西的Ger m ano L am bert To rres教授(ISA P’99大会主席),为作者提供了ISA P’99论文集。
参考文献
1 A ok i A R,To rres G L,Souza L E D.Know ledge’s
A cquisiti on fo r A I P lanning of R esto rati on of
Substati ons U sing Functi onal M odeling.In:ISA P’99.
R i o de Janeiro(B razil):1999
2 Garcia A C B,Ferraz IN,Belho t R.Intelligent System fo r T ransfo r m ers T ests.In:ISA P’99.R i o de Janeiro
(B razil):19993 Kastrup O,R ibeiro A,Amon J,et al.A n Expert System fo r C ircuit B reaker T echnical Specificati on and L ife M anagem ent.In:ISA P’99.R i o de Janeiro
(B razil):1999
4 O liveira C C B D,Kagan N.H euristic M odel fo r the Selecti on and A llocati on of Shunt Capacito rs and V o ltage R egulato rs in E lectrical Pow er D istributi on System s.
In:ISA P’99.R i o de Janeiro(B razil):1999
5 E l2A rroudi K,M cGillis D T,Joo s G.A Know ledge2 Based A pp roach to the D esign of P ro tecti on System s.
In:ISA P’99.R i o de Janeiro(B razil):1999
6 Partanen J,Jarventausta P,V erho P,et al.Intelligent
A pp licati ons fo r the M anagem ent of E lectrical System s
in Industrial P lants.In:ISA P’99.R i o de Janeiro
(B razil):1999
7 Po rcheron M,R icard B.Step s Tow ards a U nified
F ram ew o rk fo r Know ledge2Based D iagno sis Suppo rt of
N uclear Pow er P lant D evices.In:ISA P’99.R i o de Janeiro(B razil):1999
8 Spanel U,K ro st G.System R esto rati on Guidance as Intelligent A pp licati on Functi on in Pow er System Contro l.In:ISA P’99.R i o de Janeiro(B razil):1999
9 K ro st G,Salek K,Spanel U.I mp lem entati on and V erificati on of a Generic R esto rati on Guidance System.
In:ISA P’99.R i o de Janeiro(B razil):1999
10 A bidi S K,D avid A K.A n O bject2O riented Intelligent
A pp roach to System R esto rati on.In:ISA P’99.R i o de
Janeiro(B razil):1999
11 Casam atta F,Stefano A D,Gallantk i M,et al.
Serse——A Softw are Suppo rt Too l fo r the R esto rati on of Enel Pow er System.In:ISA P’99.R i o de Janeiro
(B razil):1999
12 Kuzuyam a N,H agihara J,N ara K.L atest M ovem ent on Expert System A pp licati on to Pow er System s.In: ISA P’99.R i o de Janeiro(B razil):1999
13 L ee H J,Park Y M,Park J K,et al.Intelligent R esto rative Contro l System fo r Substati on
A utom ati on.In:ISA P’99.R i o de Janeiro(
B razil):
1999
14 M alheiro N,V ale Z A,R amo s C,et al.A n Exp lanati on M echanis m fo r a R eal T i m e Expert System:A C lient2Server A pp roach.In:ISA P’99.R i o de Janeiro(B razil):1999
15 T saiM S.Concep tualD esign of D istributed R ule Based Expert System fo r D istributi on A utom ati on.In: ISA P’99.R i o de Janeiro(B razil):1999
16 Kezunovic M,R ikalo I.A utom ated A nalysis of P ro tective R elay Operati on.In:ISA P’99.R i o de Janeiro(B razil):1999
17 Jung J,Hong M G,L iu C C,et al.L ogic and V alidati on T echniques fo r H andling of M issing Info r m ati on in Fault D iagno sis.In:ISA P’99.R i o de Janeiro(B razil):1999
18 M omoh J A,Zhu J,Effi ong C B.Stability Contro l of M ulti2A rea Pow er System U sing R ule2Based T echnique.In:ISA P’99.R i o de Janeiro(B razil):1999 19 Rodrigues M A P,Souza J C S,Sch illing M T.
Building L ocal N eural C lassifiers fo r A lar m H andling
7
?专题研讨——人工智能在电力系统中的应用? 韩祯祥等 人工智能在电力系统中的应用
and Fault L ocati on in E lectrical Pow er Sytem s.In: ISA P’99.R i o de Janeiro(B razil):1999
20 Rodrigues M S,Souza J C S,F ilho M B D C.
A utom atic Contingency Selecti on and Pow er System
Static Security A nalysis U sing A rtificial N eural N etw o rk s.In:ISA P’99.R i o de Janeiro(B razil):1999 21 Paucar V L,V uono E B,M o relato A.T raining an ANN w ith the BFGS M ethod fo r R eal2ti m e Identificati on of Sinuso idal W avefo r m s.In:ISA P’99.
R i o de Janeiro(B razil):1999
22 Amo ri m H P,V ellasco M M B R,L i m a A G G,et al.
R ecogniti on of Partial D ischarges of H igh V o ltage Equi pm ent U sing N eural N etw o rk s.In:ISA P’99.R i o de Janeiro(B razil):1999
23 T eixeira M A,Zaverucha G,A raúj o V N,et al.
Evaluati on and Comparison of D ifferent A rch itectures U sing E l m an N etw o rk s A pp lied to E lectric L oad Fo recasting.In:ISA P’99.R i o de Janeiro(B razil): 1999
24 A nders G J,B raun J M,F ischer D.O il L eak D etecti on U sing A rtificial N eural N etw o rk s.In:ISA P’99.R i o de Janeiro(B razil):1999
25 L i K K,D avid A K,L ai L L.A n O ff2L ine A dap tive ANN T echnique fo r D igital D istance R elaying.In: ISA P’99.R i o de Janeiro(B razil):1999
26 Srivastasa L,Singh S N,Shar m a J.E sti m ati on of
D egree of Insecurity of Pow er System s U sing Parallel
Self2O rganizing H ierarch ical N eural N etw o rk.In: ISA P’99.R i o de Janeiro(B razil):1999
27 Cho H S,Park J K,K i m G W,et al.Pow er System T ransient Stability A nalysis U sing a N ew Condensed N earest N eighbo r R ule fo r Kohonen N eural N etw o rk.
In:ISA P’99.R i o de Janeiro(B razil):1999
28 O rille A L,V alencia J A,Khalil N.A D ifferential P ro tecti on fo r Single and T h ree2Phase Pow er T ransfo r m er U sing F I RANN.In:ISA P’99.R i o de Janeiro(B razil):1999
29 Hong Y Y,Chen Y C.A n A rtificial2N eural2N etw o rk2 Based and A lgo rithm ic A pp roach fo r Indentifying L ocati ons of M ulti p le H ar monic Sources in D istributi on System s.In:ISA P’99.R i o de Janeiro(B razil):1999 30 Ekel P Y,T erra L D B,Junges M F D.M ulticriteria
D ecisi on M ak ing in Fuzzy Environm ent and Its
A pp licati on to Pow er System P roblem s.In:ISA P’99.
R i o de Janeiro(B razil):1999
31 Insfrán A H F,Silva A P A D,To rres G L.Fault
D iagno sis U sing Fuzzy Sets.In:ISA P’99.R i o de
Janeiro(B razil):1999
32 Pereira M A,M urari C A F.E lectrical D istributi on System Fuzzy L oad E sti m ati on.In:ISA P’99.R i o de Janeiro(B razil):1999
33 Cavati C R,Souza G C D.L oad D em and L evel
E sti m ati on in Pow er D istributi on System s by Fuzzy
Inference.In:ISA P’99.R i o de Janeiro(B razil):1999 34 N ii m ura T,M o reira F A,N akash i m a T,et al.
M ulti p le A ttribute Perfo r m ance Evaluati on of Independent Pow er P roducers in a D eregulated Pow er System Based on Fuzzy Sets.In:ISA P’99.R i o de
Janeiro(B razil):1999
35 Kang S H,L ee S J,Kw on T W,et al.A N ew Fuzzy
D ecisi on M ak ing A lgo rithm fo r Pow er T ransfo r m er
P ro tecti on U sing D emp ster’s R ule of Com binati on.In:
ISA P’99.R i o de Janeiro(B razil):1999
36 W arland G,Ho len A T.Fuzzy M odels in Pow er Security A ssess m ent and Pow er System Operati on.In:
ISA P’99.R i o de Janeiro(B razil):1999
37 N azarko J,Stycznsk i Z,Pop law sk i M.Fuzzy M odel fo r Energy L o sses Calculati on in L ow V o ltage
D istributi on N etw o rk s.In:ISA P’99.R i o de Janeiro
(B razil):1999
38 Yang H T,L iao C C,Chou J H.A Fuzzy L earning V ecto r Q uantizati on N etw o rk fo r Pow er T ransfo r m er
Fault D iagno sis.In:ISA P’99.R i o de Janeiro(B razil):
1999
39 R am irez R G,L ee K Y.M ultivariable Feedfo r w ard Feedback Contro l of a Pow er U nit.In:ISA P’99.R i o
de Janeiro(B razil):1999
40 Sittithumw at A,Tom sovic K,Soudi F.Op ti m izing M aintenance R esources in D istributi on System w ith L i m ited Info r m ati on.In:ISA P’99.R i o de Janeiro
(B razil):1999
41 M o itre D,H ernández J L,A rom ataris L,et al.
Econom ic D ispatch of an E lectric Energy System:A n
Evo luti onary A pp roach.In:ISA P’99.R i o de Janeiro
(B razil):1999
42 L egey L F L,Kazay H F.Pow er System Expansi on P lanning:A Genetic A lgo rithm s A pp roach.In:
ISA P’99.R i o de Janeiro(B razil):1999
43 V aldenebro L R,B i m E.A Genetic A lgo rithm s
A pp roach fo r A dap tive F ield O riented Contro l of
Inducti on M o to r D rives.In:ISA P’99.R i o de Janeiro
(B razil):1999
44 Roméro S P,B inato S.Genetic Engineering A pp lied to Genetic A lgo rithm s.In:ISA P’99.R i o de Janeiro
(B razil):1999
45 R iccieri O F,Falcaυo D M.M eter P lacem ent M ethod fo r State E sti m ati on U sing Genetic A lgo rithm s.In:
ISA P’99.R i o de Janeiro(B razil):1999
46 T ito F L,T aranto G N,Falcaυo D M.Integrated T uning of Generato r Excitati on System s by a M ulti objective Genetic A lgo rithm.In:ISA P’99.R i o
de Janeiro(B razil):1999
47 Koglin H J,R heinert P.M ulti objective Op ti m izati on w ith Evo luti onary A lgo rithm s fo r the Synthesis of Op ti m al O verhead L ines(SYNO PTRA).In:ISA P’99.
R i o de Janeiro(B razil):1999
48 Yo sh ida H,Kaw ata K,Fukuyam a Y,et al.A Particle Sw ar m Op ti m izati on fo r R eactive Pow er and V o ltage Contro l Considering V o ltage Stability.In:ISA P’99.
R i o de Janeiro(B razil):1999
49 Juste K A,K ita H,T anaka E,et al.A n Evo luti onary P rogramm ing A pp roach to the Fuel2Constrained
Econom ic D ispatch P roblem.In:ISA P’99.R i o de Janeiro(B razil):1999
50 W on J R,Park J B,Park Y M,et al.Econom ic
D ispatch So luti ons U sing an I mp roved Genetic
8
A lgo rithm.In:ISA P’99.R i o de Janeiro(
B razil):1999 51 N ara K,H ayash i Y.T abu Search A lgo rithm fo r L o ss M ini m um D G A llocati on.In:ISA P’99.R i o de Janeiro
(B razil):1999
52 M atsuo Y,Yokoham a A.Op ti m izati on of Installati on of FA CT S D evice in Pow er System P lanning by Bo th T abu Search and N onlinear P rogramm ing M ethods.In: ISA P’99.R i o de Janeiro(B razil):1999
53 M o ri H,M atsuzak iO.A T abu Search Based A pp roach to M eter P lacem ent in Static State E sti m ati on.In: ISA P’99.R i o de Janeiro(B razil):1999
54 V aldenebro L R,L ins Z D,B i m E.A N euro2Fuzzy
A pp roach fo r A dap tive Speed E sti m ati on of Inducti on
M o to r D rives.In:ISA P’99.R i o de Janeiro(B razil): 1999
55 Ballini R,Soares S,A ndrade M https://www.doczj.com/doc/612293070.html,parison of Seasonal Stream flow Fo recasting M odels.In: ISA P’99.R i o de Janeiro(B razil):1999
56 N agabhushana B S,Chandrasekharaiah H S.A n ANN Based SSR Identifier and Fuzzy L ogic Based SSR Counter m easure.In:ISA P’99.R i o de Janeiro
(B razil):1999
57 E l2Sharkaw i M A,Peng P,M ark s R J.Sho rt T er m Peak L oad Fo recast U sing a N euro2Fuzzy M odel.In: ISA P’99.R i o de Janeiro(B razil):1999
58 M omoh J A,E lfayoum y M,B row n J C.A N euro2 Fuzzy A pp roach fo r L oad Fo recasting and Fuel M ini m izati on fo r the H ybrid E lectric V eh icle.In: ISA P’99.R i o de Janeiro(B razil):1999
59 Seixas J M,P rado C B,Caloδba L P,et al.A n E lectric L oad M onito ring System Based on Expert N eural N etw o rk s and Parallel P rocessing.In:ISA P’99.R i o de Janeiro(B razil):1999
60 Jensen C A,E l2Sharkaw i M A,M ark s R J.Pow er System Security Boundary Enhancem ent U sing Evo luti onary2Based Q uery L earning.In:ISA P’99.R i o de Janeiro(B razil):1999
61 Park D Y,A hn B S,K i m S H,et al.D ealing U ncertainties in the Fault D iagno sis System.In: ISA P’99.R i o de Janeiro(B razil):1999
62 Toune S,Genji T,Fujita N,et al.Op ti m al N etw o rk R econfigurati on Considering Custom er R eliability.In: ISA P’99.R i o de Janeiro(B razil):1999
63 M o ri H,Sone Y,M o ridera D,et al.Fuzzy Sho rt2 T er m L oad Fo recasting w ith A ccum ulative Effect of
D iscom fo rt Index.In:ISA P’99.R i o de Janeiro
(B razil):1999
64 Ghezelayagh H,L ee K Y.N euro2Fuzzy Identifier of a Bo iler System.In:ISA P’99.R i o de Janeiro(B razil): 1999
65 Silveira P M D,Seara R,Zürn H H.Fault2T ype Identificati on U sing W avelet T ransfo r m.In:ISA P’99.
R i o de Janeiro(B razil):1999
66 Barro s M,Sch illing M T,A ires J C O,et al.D ata M issing and T i m e Series A nalysis of Pow er System s Q uality Indices.In:ISA P’99.R i o de Janeiro(B razil): 1999
67 A l m eida M C,O liveira A D P,O liveira C M G M D,et
al.Integrated T rans m issi on L ine D esign Too ls U sing M ulti2A gent System s.In:ISA P’99.R i o de Janeiro
(B razil):1999
68 Camponogara E,T alukdar S N.A Cooperati on Among
A gents:D istributed Contro l A pp licati ons.In:
ISA P’99.R i o de Janeiro(B razil):1999
69 K itayam a M,Izui Y,Inaoka T,et al.N ew Generati on Pow er System O bservati on Board U sing Interactive M ulti2U ser L arge M ulti p le2Screen Info r m ati on System.In:ISA P’99.R i o de Janeiro(B razil):1999 70 H uang C M,Yang H T.Sho rt2T er m L oad Fo recasting T h rough an Evo lving W avelet N etw o rk.In:ISA P’99.
R i o de Janeiro(B razil):1999
71 W ang H,Butler K L.D etecti on of T ransfo r m er W inding Faults U sing W avelet A nalysis and N eural N etw o rk.In:ISA P’99.R i o de Janeiro(B razil):1999 72 V ai m an M Y,V ai m an M M,A bi2Sam ra N,et al.
P redicting Pow er System Behavi o r:N ovel A lgo rithm s fo r Know ledge2Based System s.In:ISA P’99.R i o de Janeiro(B razil):1999
73 A vouris N M,Gasser L.D istributed A rtifical Intelligence.K luw er A cadem ic Publishers,1992
74 L am Y C,W u F F.Si m ulating E lectricity M arkets w ith Java.In:P roceedings of IEEE Pow er Engineering Society1999W inter M eeting.1999.406～410
75 Yeung C S K,Poon A S Y,W u F F.Gam e T heo retical M ulti2A gent M odelling of Coaliti on Fo r m ati on fo r M ultilateral T rades.IEEE T ransacti ons on Pow er System s,1999,14(3):929～934
76 B razier F.A gents N ego tiating fo r L oad Balancing of
E lectricity U se.In:P roceedings of IEEE Internati onal
Conference on D istributed Computing System s.1998.
622～629
77 W ong S K,Kalam A.D istributed Intelligent Pow er System P ro tecti on U sing Case Based and O bject O riented Paradigm s.In:P roceedings of Internati onal Conference on Intelligent System s A pp licati ons to Pow er System s(ISA P’96).1996.74～78
78 T alukdar S,R am esh V C,A M ulti2A gent T echnique fo r Contingency Constrained Op ti m al Pow er F low s.
IEEE T ransacti ons on Pow er System s,1994,9(2): 855～861
79 Yen J,Yan Y H,W ang B J,et al.M ulti2A gent Coaliti on Fo r m ati on in Pow er T rans m issi on P lanning.
In:P roceedings of the T h irty2F irst H aw aii Internati onal Conference on System Sciences.1998.
433～443
80 T sai R,Chen J L.D esign of a D istributed P roblem2 So lving System fo r Sho rt2T er m L oad Fo recasting.In: P roceedings of the35th M idw est Sympo sium on
C ircuits and System s.1992.395～399
81 韩祯祥,张 琦,文福拴(H an Zhenxiang,Zhang Q i, W en Fushuan).粗糙集理论及其应用综述(A Survey on Rough Set T heo ry and Its A pp licati on).控制理论与应用(Contro l T heo ry and A pp licati ons),1999,16(2): 153～157
82 Ger m ano L T,A lexandre P A D S.C lassificati on of Pow er System Operati on Po int U sing Rough Set
9
?专题研讨——人工智能在电力系统中的应用? 韩祯祥等 人工智能在电力系统中的应用
T echniques
.In :P roceedings of the IEEE Internati onal Conference on System s ,M an and Cybernetics
.Beijing (Ch ina ):1996.1898～1903
83 Zhang Q i ,H an Zhenxiang ,W en Fushuan .A N ew
A pp roach fo r Fault D iagno sis in Pow er System s Based on Rough Set T heo ry .In :P roceedings of 4th Internati onal Conference on A dvances in Pow er System Contro l ,Operati on &M anagem ent .Hong Kong :1997.597～602
84 张 琦(Zhang Q i ).软计算方法在电力系统中的应用研
究:〔博士学位论文〕(Studies on Soft Computing A pp licati ons to Pow er System s ,T hesis ).浙江大学(Zhejiang U niversity ),199985 Jagielska I .H ybrid Rough Sets N eural N etw o rk
A pp roach to the D evelopm ent of a D ecisi on Suppo rt System .In :P roceedings of 1998IEEE Internati onal
Conference on N eural N etw o rk s
.1998.24～2886 Sarkar M .Fuzzy 2Rough N eural N etw o rk s fo r V ow el
C lassificati on .In :P roceedings of 1998IEEE Internati onal Conference on System s ,M an and
Cybernetics ,1998.4160
～416587 Cho Y ,L ee K .A utogenerati on of Fuzzy R ules and
M em bersh i p Functi ons fo r Fuzzy M odelling U sing Rough Set T heo ry .IEE :Contro l T heo ry A pp licati on ,
1998,145(5):4372442
88 Fayyad U .A dvances in Know ledge D iscovery and D ata
M ining .AAA I P ress T he M IT P ress ,1996
89 Special Issue on D ata M ining .IEEE T ransacti ons on
Know ledge and D ata Engineering ,1996,8(6)90 M adan S .A pp licati ons of D ata M ining fo r Pow er
System s .In :P roceedings of 1997IEEE Canadian Conference on E lectrical and Computer Engineering .1997.403～406
91 O laru C .D ata m ining .In :IEEE Computer A pp licati on
in Pow er .1999.19
～2592 W ehenkel L A .A utom atic L earning T echniques in
Pow er System s .K luw er A cadem ic Publisher ,199893 P itt B D ,K irschen D S .A pp licati on of D ata M ining
T echniques to L oad P rofiling .In :P roceedings of IEEE Conference on Pow er Industry Computer A pp licati ons (P I CA ’99).1999.131～136
韩祯祥,男,教授,博士生导师
,中国科学院院士,从事电力系统运行与控制的研究。
文福拴,男,教授,博士生导师,目前的研究领域为人工智能在电力系统中的应用和电力市场。
张 琦,男,博士,从事软计算方法及其在电力系统中的应用研究。
ART IF I C I AL INTELL IGENCE APPL I CAT I ONS IN POW ER S Y STE M S
H an Z henx iang ΨW en F ushuan ΨZ hang Q i
;Zhejiang U niversity ΚH angzhou 310027ΚCh ina Γ
Abstract Π1999Internati onal Conference on Intelligent System A pp licati ons to Pow er System s ;ISA P’99Γw as held in B razil
from A p ril 4to 8Κ1999.To tally 72papers w ere published in the conference p roceedings w h ich rep resent the latest
developm ent in th is broad research field in the last tw o years
.In th is paper Κa literature survey of ISA P’99is given first Κfo llow ed by a brief overview on app licati ons of th ree relatively new artificial intelligence m ethods Κi
.e .Κthe distributed artificial intelligence Κrough set theo ry and data m ining Κin pow er system s .
T h is p ro ject is j o intly suppo rted by Zhejiang p rovincial foundati on fo r outstanding young scientists and Cao Guangbiao foundati on fo r h igh techno logy developm ent .
Keywords Πartificial intelligence Μexpert system Μartificial neural netw o rk Μfuzzy set Μgenetic algo rithm Μevo luti onary p rogramm ing ΜT abu search
浙江电网发电市场开市
[本刊讯]2000年1月1日凌晨零点,新旧世纪之交之际,浙江电网发电市场正式开市。浙江电网是国内首批三家电力市场试点单位之一,采用次日交易和当日实时交易结合的市场模式,在市场的规范化和系统的复杂程度上都远远超出国内类似系统。浙江电网发电市场采用由电力自动化研究院和浙江省电力调度通信中心共同设计开发的“浙江电网发电市场技术支持系统”,整个系统包括电厂报价、市场交易、计划安排、信息发布、市场结算5个子系统。浙江电网发电市场的开市对未来国内其他省市电力市场的运营有着重要意义。
“千年虫”的“闰年问题”
我国电力系统已平安进入2000年。专家提醒说:由于计算机系统中表达日期的机制和数据不完善所引发的“千年虫”问
题,除“零点过渡”外,还有“闰年问题”一道关。据专家介绍,虽然计算机系统从1999年12月31日向2000年1月1日的“零点过渡”是解决“千年虫”问题的最关键环节,但是还有一些计算机系统忽略了2000年是一个闰年,不能识别今年的2月29日,这一问题称为“闰年问题”。计算机工作者应提高警惕,对计算机能否正确识别闰年进行检测,如果存在问题要及时采取更换设备、添置软件等措施,确保计算机安全。
1
人工智能技术在交通控制领域的应用 交通信号控制(TrafficSignalControl，TSC)是依据路网交通流数据，对交通信号进行初始化配时和控制，同时根据实时交通流状况，实时调整配时方案，实现交通控制的优化。交通控制从被控区域的最小延误时间出发，获得最佳的配时方案，是系统化最优的思想。为获得整个路口交通效益的最大，可采用两种方法：一是采用数学模型对交叉口各个方向的车辆到达作准确的预测，根据运筹学和最优化理论确定各个方向的绿灯时间；二是采用智能控制的 交通信号控制(Traffic Signal Control，TSC)是依据路网交通流数据，对交通信号进行初始化配时和控制，同时根据实时交通流状况，实时调整配时方案，实现交通控制的优化。交通控制从被控区域的最小延误时间出发，获得最佳的配时方案，是系统化最优的思想。 为获得整个路口交通效益的最大，可采用两种方法：一是采用数学模型对交叉口各个方向的车辆到达作准确的预测，根据运筹学和最优化理论确定各个方向的绿灯时间；二是采用智能控制的方法对交叉口进行控制。由于城市交通系统具有随机性、模糊性、不确定性等特点，很难对其建立数学模型。计算机的出现和广泛应用促成了人工智能研究热潮的掀起，针对传统交通控制系统的固有缺陷和局限性，许多学者把人工智能的实用技术相继推出并应用到交通控制领域。 1 交通控制领域中人工智能研究方法 1.1 基础研究方法 交通控制领域中人工智能基础研究方法有模糊控制、遗传算法、神经网络，另外还有蚁群算法、粒子群优化算法等。 模糊系统模糊逻辑是一种处理不确定性、非线性等问题的有力工具，特别适用于表示模糊及定性知识，与人类思维的某些特征相一致，故嵌入到推理技术中具有良好效果。模糊控制能有效处理模糊信息，但是产生的规则比较粗糙，没有自学习能力。 遗传算法遗传学通过运用仿生原理实现了在解空间的快速搜索，广泛用于解决大规模组合优化问题。在解决实时交通控制系统中的模型及计算问题时，可以通过遗传算法进行全局搜索和确定公共周期，也可以利用遗传算法来解决面控系统中各交叉路口信号控制方案的最优协作问题，有效避免可能由此引起的交通方案组合爆炸后果。 神经网络人工神经网络擅长于解决非线性数学模型问题，并具有自适应、自组织和学习功能，广泛应用于模式识别、数据分析与处理等方面，其显著特点是具有学习功能。
人工智能的研究方向和应用领域 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、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新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。广义的人工智能包括人工智能、人工情感与人工意志三个方面。 一、研究方向 1.问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。 2.逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。 1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。 3.自然语言理解 NLP(Natural Language Processing)自然语言处理也是人工智能的早期研究领域之一，已经编写出能够从内部数据库回答用英语提出的问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。目前语言处理研究的主要课题是：在翻译句子时，以主题和对话情况为基础，注意大量的一般常识--世界知识和期望作用的重要性。
人工智能在计算机网络技术的应 用 【摘要】近年来，计算机网络技术取得了极大的发展，与此同时其在多领域应用过程中所存在的问题也逐渐暴露并 引发人们的关注，比如计算机网络信息安全问题等。然而由于应用以往的数据运算等功能已然无法解决现阶段计算机 网络技术在实际应用中所出现的问题，因此便有了对人工智能应用的尝试。然而也正是在计算机网络技术发展日新月异的背景之下，人们对人工智能的应用优势也已然形成了较为成熟的认识，并于实际的计算机网络安全管理过程中扩大了对其的应用。本文首先从计算机网络安全管理技术与网络系统管理和评价技术两个角度介绍了人工智能的应用，接着对人工智能在计算机网络技术中的应用优势做了简要分析，以期能够推动人工智能应用的进一步发展。 【关键词】人工智能；计算机网络技术；应用 1人工智能在计算机网络安全管理技术中的具体应用 智能防火墙、智能反垃圾邮件系统以及智能化入侵检测是人工智能在计算机网络安全管理技术中的几个具体应用方面，在此主要对人工智能在入侵检测方面的应用进行介绍。第一，数据挖掘与数据融合技术。数据挖掘技术具有两大主
要功能，即学习与记忆功能。其在入侵检测过程中的具体应用为：首先应用审计程序提取和描述网络连接和主机会话的特征，接下来再利用数据挖掘技术这项人工智能来学习与记忆网络活动的正常轮廓等，如此一来，便可以在检测异常的情况发生时，对有害性的入侵进行准确的识别，从而使针对于入侵的实际检测效果获得大幅提升。而数据融合技术的应用原理则是，首先对数据进行组合，并在此基础上完成更多信息资源的获得。在计算机网络安全管理技术方面应用数据融合技术可以通过联合多个个体传感器共同发挥作用，从而有效降低其各自发挥作用时在检测范围方面所存在的局限性，最终实现传感器系统运行能力的大幅提升。第二，人工神经网络与人工免疫技术。人工神经网络的主要优势表现在其学习能力与容错能力等方面。将人工神经网络这项人工智能应用于计算机网络安全管理技术中不仅有利于提升对存 在噪声或畸变的输入模式的识别能力，而且还可以得益于并行模式从而有效提升入侵检测工作的效率。相较于传统的入侵检测技术而言，人工免疫技术的优势主要在于其自身所具备的三种机制，即基因库、否定选择、克隆选择，总得来说，这三种机制不仅有利于提升入侵检测系统的杀毒能力，而且有利于提升入侵检测系统对未知病毒的识别能力。而专就基因库这一项机制而言，其功能发挥原理在于：基因片段在发生突变或完成重组以后，可以储存在基因库中，如此一来，
人工智能在电气工程自动化的应用 是在科学技术方面还是在国民经济方面我国都取得了高速发展，在电力领域，特别是在电气工程自动化技术方面的发展更是可以用翻天覆地来形容。作为新兴技术人工智能技术的整体发展被大多数企业所看好，同时还给予了大量的资金支持使其用于产品开发。在电气工程自动化当中AI技术为其带来的益处较多，比如：能够将工作效率有效提升上来，从根本上降低对物力以及人力各方面的消耗；再者因为其应用情况，有效防止了许多人工可能出现的误差，所以，有效确保了电力领域当中各个产业的发展。 1概述 1.1人工智能技术。时代的不断进步加速了人工智能技术的产生，同时也是进入信息化的标志之一，主要是研究智能发展模式和人们的工作状态，其主要就是为了通过智能机器人系统对部分人工操作进行替代，进而从根本上保证工程运行的智能化。人工智能所包含的领域十分广泛，主要有语言学、计算机科学等。所以，从另一方面来讲，人工智能能够将其划分为思维科学技术的一种，其理论研究和具体实践工作主要是围绕思维科学来进行的。从思维方面来讲，其同时涵盖的有逻辑思维、形象思维以及灵感思维等。和其他学科相比，人工智能技术的发展离不开数学的大力支持。将人工智能和数学融合在一起，可以从根本上促进人工智能技术的不断进步。 1.2电气工程与自动化中人工智能技术的应用特点和优势。人工智能技
术在电气工程与自动化当中具体应用主要体现在数字化系统管理方面，在电气工程与自动化当中应用人工智能技术能够从根本上减小工人劳动强度，降低生产成本，从根本上确保生产效率的不断提高，有效推动电气工程与自动化水平的健康可持续发展，对部分人工操作进行替代，减少了人工成本的支出，从根本上确保企业运行的持久性和稳定性。利用人工智能技术还能够对电气工程与自动化的具体生产制造情况进行实时监控，如果有紧急情况发生的话，能够在第一时间内找出解决的办法，有效防止安全事故的发生。 2电气工程自动化中的应用 2.1人工智能技术在故障诊断中的运用。在具体运行的时候，由于在操作电气设备的时候存在着操作不当的现象，再加上经过长时间的运行，零部件存在着老化的情况，难免会导致设备故障的产生。设备产生故障之后必须要及时找出发生故障的位置及其原因，进而采取对应的措施进行解决。发生故障之后对其进行准确的分析是非常重要的，现阶段诊断故障的方法主要有以下三种：在规则的基础上对故障进行推理、基于故障树模型的故障诊断、基于案例对故障进行推理。以上三种对故障进行推理分析的方法可以只使用一种，也可以多种组合在一起进行使用。人们通过人工智能技术，进行了人工智能算法的开发，与传感技术和数据采集技术相结合，进行了故障诊断系统的设计，可以及时准确的将故障所在位置及其原因找出来，从根本上减少了时间和维修成本的浪费。故障诊断系统在结构上主要包括机械故障案例库、故障诊断规则库、故障诊断数据库、故障推理机、知识处理、故障诊断过程解释机、学习系统
人工智能在自动驾驶技术中的应用 摘要：随着技术的快速发展云计算、大数据、人工智能一些新名词进入大众的视野，人工智能是人类进入信息时代后的又一技术革命正受到越来越广泛的重视。作为人工智能等术在汽车行业、交通领域的延伸与应用，无人驾驶近几年在世界范围内受到了产学界甚至国家层面的密切关注。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。自动驾驶技术将成为未来汽车一个全新的发展方向。本文将主要介绍人工智能技术在自动驾驶中的应用领域，并对自动技术的发展前景进行一个简单的分析。 关键词：人工智能；自动驾驶；智能汽车；图像识别 0. 引言 人工智能是一门起步晚却发展快速的科学。20 世纪以来科学工作者们不断寻求着赋予机器人类智慧的方法。现代人工智能这一概念是从英国科学家图灵的寻求智能机发展而来，直到1937年图灵发表的论文《理想自动机》给人工智能下了严格的数学定义，现实世界中实际要处理的很多问题不能单纯地是数值计算，如言语理解与表达、图形图像及声音理解、医疗诊断等等。1955 年Newell 和Simon 的Logic Theorist证明了《数学原理》中前52 个定理中的38 个。Simon 断言他们已经解决了物质构成的系统如何获得心灵性质的问题( 这种论断在后来的哲学领域被称为“强人工智能”) ，认为机器具有像人一样逻辑思维的能力。1956 年，“人工智能”( AI) 由美国的JohnMcCarthy 提出，经过早期的探索阶段，人工智能向着更加体系化的方向发展，至此成为一门独立的学科。五十年代，以游戏博弈为对象开始了人工智能的研究；六十年代，以搜索法求解一般问题的研究为主；七十年代，人工智能学者进行了有成效的人工智能研究；八十年代，开始了不确定推理、非单调推理、定理推理方法的研究；九十年代，知识表示、机器学习、分布式人工智能等基础性研究方面都取得了突破性的进展。 1. 人工智能在自动驾驶技术中的应用概述 人工智能发展六十年，几起几落，如今迎来又一次热潮，深度学习、计算机
人工智能历史、核心技术和应用 一、概述 2011年以来，开发与人工智能相关的产品和技术并商业化的公司已获得超过总计20亿美元的风险投资，还有数十亿美元的投资收购人工智能初创公司。巨额投资、计算机导致失业等问题也开始浮现，计算机比人更加聪明并有可能威胁到人类生存这类论断被媒体四处引用并引发广泛关注。 IBM承诺拨出10亿美元来使他们的认知计算平台Watson商业化。谷歌在最近几年里的投资主要集中在人工智能领域，比如收购了8个机器人公司和1个机器学习公司。Facebook聘用了人工智能学界泰斗Yann LeCun 来创建人工智能实验室。牛津大学研究人员的报告，美国约47%的工作因为机器认知技术自动化而变得岌岌可危。 纽约时报畅销书《The Second Machine Age》论断，数字科技和人工智能带来巨大积极改变的时代已经到来，但是随之而来的也有引发大量失业等负面效应。 硅谷创业家Elon Musk 则通过不断投资的方式来保持对人工智能的关注。他甚至认为人工智能的危险性超过核武器。著名理论物理学家Stephen Hawking认为，如果成功创造出人工智能则意味着人类历史的终结，“除非我们知道如何规避风险。”
二、人工智能与认知科技 揭秘人工智能的首要步骤就是定义专业术语，勾勒历史，同时描述基础性的核心技术。 1、人工智能的定义 人工智能领域苦于存在多种概念和定义，有的太过有的则不够。作为该领域创始人之一的Nils Nilsson先生写到：“人工智能缺乏通用的定义。”一本如今已经修订三版的权威性人工智能教科书给出了八项定义，但书中并没有透露其作者究竟倾向于哪种定义。实用的定义为——人工智能是对计算机系统如何能够履行那些只有 依靠人类智慧才能完成的任务的理论研究。例如，视觉感知、语音识别、在不确定条件下做出决策、学习、还有语言翻译等。 比起研究人类如何进行思维活动，从人类能够完成的任务角度对人工智能进行定义，而非人类如何思考，在当今时代能够让我们绕开神经机制层面对智慧进行确切定义从而直接探讨它的实际应用。随着计算机为解决新任务挑战而升级换代并推而广之，人们对那些所谓需要依靠人类智慧才能解决的任务的定义门槛也越来越高。所以，人工智能的定义随着时间而演变，这一现象称之为“人工智能效应”，概括起来就是“人工智能就是要实现所有目前还无法不借助人类智慧才能实现的任务的集合。” 2、人工智能的历史
探索大数据和人工智能最全试题 1、2012年7月,为挖掘大数据的价值,阿里巴巴集团在管理层设立()一职,负责全面推进“数据分享平台”战略,并推出大型的数据分享平台。 A首席数据官 B.首席科学家 C.首席执行官 D.首席架构师 2、整个MapReduce的过程大致分为Map、Shuffle、Combine、()? A. Reduce B.Hash C. Clean D. Loading 3、在Spak的软件栈中,用于交互式查询的是 A. SparkSQL B.Mllib C.GraphX D. Spark Streaming 4、在数据量一定的情况下, MapReduce是一个线性可扩展模型,请问服务器数量与处( )理时间是什么关系? A数量越多处理时间越长 B.数量越多处理时间越短 C.数量越小处理时间越短 D.没什么关系
5、下列选项中,不是kafka适合的应用场景是? A.日志收集 B.消息系统 C.业务系统 D.流式处理 6、大数据的多样性使得数据被分为三种数据结构,那么以下不是三种数据结构之一的是 A.结构化数据 B.非结构化数据 C.半结构化数据 D.全结构化数据 7、下列选项中,不是人工智能的算法中的学习方法的是? A.重复学习 B.深度学习 C.迁移学习 D.对抗学习 8、自然语言处理难点目前有四大类,下列选项中不是其中之一的是 A.机器性能 B.语言歧义性 C.知识依赖 D.语境 9、传统的机器学习方法包括监督学习、无监督学习和半监督学习,其中监督学习是学习给定标签的数据集。请问标签为离散的类型,称为分类,标签为连续的类型,称为什么?
A.给定标签 B.离散 C.分类 D.回归 10、中国移动自主研发、发布的首个人工智能平台叫做() A.九天 B. OneNET C.移娃 D.大云 11、HDFS中Namenodef的Metadata的作用是? A.描述数据的存储位置等属性 B.存储数据 C.调度数据 D. 12、电信行业的客户关系管理中,客服中心优化可以实现严重问题及时预警,请问是用的什么技术实现的? A大数据技术 B.互联网技术 C.游戏技术 D.影像技术 13、随着闭源软件在数据分析领域的地盘不断缩小,老牌IT厂商正在改变商业模式,向着什么靠拢? A.闭源
人工智能与网络安全 【考点解析】 人工智能(Artificial Intelligence) , 英文缩写为AI 。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。 人工智能的应用： ①模式识别：指纹识别、语音识别、光学字符识别、手写识别等 ②机器翻译：语言翻译 ③智能机器人、计算机博弈、智能代理 ④其它：机器证明、数据挖掘、无人驾驶飞机、专家系统等 ●例题1：下列不属于人工智能软件的是：（ C ） A、语音汉字输入软件 B、金山译霸 C、在联众网与网友下棋 D、使用OCR汉字识别软件 ●例题2.下列运用了人工智能技术的是（C ） A.播放视频 B.播放音乐 C.手写板输入汉字 D.键盘输入汉字 ●例题3.以下不属于人工智能技术应用的（ B ） A.超级国际象棋电脑“深蓝二代” B.office软件 C.医疗专家系统 D.于机器人对话 ●例题4.某公司为了加强考勤管理，购置了指纹打卡机，这体现信息技术的（ C ） A.多元性 B.网络化 C.智能化 D.多媒体化 ●例题5. 指纹识别属于人工智能学科中的（ B ） A.字迹识别研究范畴 B.模式识别研究范畴 C.语音识别研究范畴 D.字符识别研究范畴 【考点】了解信息的发布与交流的常用方式 【考点解析】 信息发布
?根据发布的方式：视觉：报纸、杂志、书籍听觉：广播视听：电影、电视、网络 ?根据发布主体分成三类：个人信息发布；行业信息发布；官方机构信息发布 ?因特网上信息发布的常用方式：E-mail（电子邮件）BBS（论坛公告板）QQ（同类的还有MSN等）博客（weblog） ?信息发布的效果与以下三个方面有关：发布的时间与地点、媒体的发布速度、信息的保存时间 ●例题6：以下关于电子邮件的说法不正确的是: （ C ） A、电子邮件的英文简称是E－mail。 B、所有的E－mail地址的通用格式是：用户名@邮件服务器名 C、在一台计算机上申请的“电子邮箱”，以后只有通过这台计算机上网才能收信 D、一个人可以申请多个电子邮箱 补充：网络常用术语 站点（网站）：是一组网络资源的集合。便于维护和管理 超级链接：用超级链接可以实现从一个网页到另一个目标的连接，这个目标可以是一个网页，也可以是图像、动画、视频，甚至可以是一 个可执行程序 超文本：主要以文字的形式表示信息，建立链接关系主要是在文本间进行防火墙：是指一个或一组系统，用来在两个或多个网络间加强防问控制，限制入侵者进入，从而起以安全防护的作用。 BBS：就是我们平时所说的论坛，我们可以在里面就自己感兴趣的话题发布信息或提出看法 E-mail:就是我们平时所说的电子邮件，其特点P91 ●例题7.下列不属于在因特网上发布信息的是（ A ） A．将数据保存在光盘中 B.发送E-mail邮件 C.发表博客文章 D.与同学通过QQ聊天 ●例题8.利用业余时间创作了一段flash动画，想与远方的朋友一起分享，下列可供他发表改作品的途径有（ C ） ①在因特网以网页形式发布②在论坛公告板BBS上发布③通过电子邮件发送给朋友④通过固定电话告诉朋友⑤通过网络聊天工具QQ传送 A. ①②③④⑤ B. ①②③④ C. ①②③⑤ D.②③④⑤
人工智能技术在电力系统中的应用 1 人工智能描述 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、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新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。“人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后,研究者们发展了众多理论和原理,人工智能的概念也随之扩展。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。例如繁重的科学和工程计算本来是要人脑来承担的，现在计算机不但能完成这种计算, 而且能够比人脑做得更快、更准确，因之当代人已不再把这种计算看作是“需要人类智能才能完成的复杂任务”, 可见复杂工作的定义是随着时代的发展和技术的进步而变化的, 人工智能这门科学的具体目标也自然随着时代的变化而发展。它一方面不断获得新的进展，一方面又转向更有意义、更加困难的目标。目前能够用来研究人工智能的主要物质手段以及能够实现人工智能技术的机器就是计算机, 人工智能的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外, 人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理计算机视觉、智能机器人、自动程序设计等方。 近年来，随着人工智能理论技术的不断发展，以模糊技术、人工神经网络和遗传算法为代表的智能理论方法在电力系统领域得到了十分广泛的应用。众所周知，电力系统是由各类发电装置、输配电线路、变压器以及用电装置等一系列单元组合而成的大规模动态系统，电力系统本质上是一个非线性动态大系统，存在着许多极为复杂的工程计算和非线性优化问题，例如：电力网络的无功优化调度、电力系统规划运行、发电机组的优化组合、电力系统最优潮流计算、电力市场的交易定价等一系列问题。而这些问题都是多参数，多约束的非凸优化问题。长期以来，电力系统自动化研究者一直在寻找高效可靠的方法来解决这些问题。然而有许多电力系统中存在的问题无法得到快速与精确的结果。其主要原因在于：
人工智能技术在游戏中的应用 学院 专业 研究方向 学生姓名 学号 任课教师姓名 任课教师职称 2012年6月22 日
人工智能技术在游戏中的应用 前言：人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、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新的技术科学。人工智能是计算机 科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出 反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系 统等，研究成果已经广泛地用于了各行各业，当然也包括游戏。 我们玩电脑游戏，主要是为了得到一种放松、一种享受、以及在现实生活中无法得到的一种快感。这需要电脑游戏能制作得符合玩家的口味，游戏的主题能够吸引玩家深入，游戏的规则和结果能够使得玩家满意。而在这一切中，人工智能技术扮演了相当重要的角色。摘要：本文探讨了当前人工智能游戏中的应用状况，阐述了游戏AI的应用技术，并列举。 关键词：游戏；人工智能；有限状态自动机；模糊逻辑；产生式系统；决策树；人工生命； 专家系统；神经网络；遗传算法 1. 电脑游戏与人工智能的关系 电脑游戏从诞生以来，由于其强大的模拟现实作用，越来越受到人们的喜爱。随着现代计算机、网络、虚拟现实、人工智能等技术的发展，游戏的拟人化越来越逼真。高度的拟人化使得现代电脑游戏能够模仿人类社会中的各种情形，并把这些情形通过视觉、听觉、甚至触觉等多种感官反映到人的大脑，从而对人们的现实生活产生巨大冲击。 无论是什么游戏，游戏玩家都希望在游戏中能够体验到现实中无法体验到的刺激，得到现实中无法得到的满足。这些刺激和满足主要表现在特定的挑战、社会化、幻想、情感等方面。 人们在玩电脑游戏的时候，也希望游戏中的其他角色能够拥有某些程度上的智能。这些智能可以使得人们能够在游戏的同时得到满足，它可以使人在进行游戏中不觉得孤单。然而，这种智能必须得到控制。如果游戏中的机器角色的智能明显高于玩家的能力，玩家会有很强烈的挫败感，之后便会放弃这样的游戏。所以，人工愚蠢(Artificial Stupidity)技术也是必不可少的。在游戏中，太强或太弱的人工智能都是不合适的。 那何种程度的人工智能才是合适的呢？回答这个问题首先要考虑怎样的机器可以算作智能机器。这里就不能不提人工智能之父图灵。图灵在1950年提出了“图灵实验”的概念，他认为能够通过图灵实验的机器是具有智能的。其实，在游戏中也是一样的。“图灵实验”在游戏中可以这样描述：当玩家和其他玩家同诸多机器在同时游戏时，如果这个玩家通过游戏规则中的任何方式都无法分辨游戏中的其他角色哪个是其他玩家，哪个是机器的线程，那么我们可以说这个游戏通过了“游戏中的图灵测试”。一般来说，通过了“游戏中的图灵测试”的游戏是最适合玩家娱乐的。 最近网络游戏大量流行，我觉得，网络游戏也许是人工智能最佳的实验场合。因为网游是现实社会的一个简化版本，这在里，大量需要各种处理问题的知识与技巧，需要各种类
论人工智能及其在医学上的应用 摘要 阐释了人工智能的概念，概括了人工智能的发展与起源，细数了人工智能已经取得的与人类智能相媲美的成就，最后对人工智能的发展前景与发展方向进行了探讨，并进一步展望了人工智能在医学领域的应用前景。 关键词：人工智能；医学；发展；前景。 1什么是人工智能 人工智能（Artificial Intelligence，简称AI）是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多种学科研究的基础上发展起来的一门综合性很强的交叉学科，是一门新思想、新观念、新理论、新技术不断出现的新兴学科以及正在发展的前沿学科。 自1956年正式提出人工智能这个术语并把它作为一门新兴科学的名称以来，人工智能获得了迅速的发展，并取得了惊人的成就，引起了人们的高度重视，受到了很高的评价，它与空间技术、原子能技术一起被誉为20世纪三大科学技术成就。有人称它为继三次工业革命后的又一次革命，认为前三次工业革命主要是延长了人手的功能，把人类从繁重的体力劳动中放出来，而人工智能则是延伸了人脑的功能，实现了脑力劳动的自动化。 关于“人工智能”的含义，早在它正式提出之前，就由英国数学家图灵提出了。1950年他发表了题为《计算机与智能》（Computing Machinery and Intelligence）的论文，文章以“机器机能思维吗？”开始，论述并提出了著名的“图灵测试”，形象地指出了什么是人工智能以及机器应该达到的智能标准，现在许多人仍把它作为衡量机器智能的准则。图灵在这篇论文中指出不要问机器是否能思维，而是要看它能否通过如下测试：分别让人与机器位于两个房间里，他们可以通话，但彼此都看不到对方，如果通过对话，作为人的一方不能分辨对方是人还是机器，那么就可以认为对方的那台机器达到了人类智能的水平。为了进行这个测试，图灵还设计了一个很有趣且智能性很强的对话内容，称为“图灵的梦想”。 2为什么要研究人工智能
信息记录材料2019年5月第20卷第5期(信息：技术与应用〕浅析人工智能在智能交通中的发展与应用 张艳阳 (长沙民政职业技术学院电子信息工程学院湖南长沙410000) 【摘要】在科学技术发展背景下人工智能技术得到快速发展，并在各个领域得到广泛应用，日益改变了人们的工作、生活方式.在交通领域应用人工智能技术，有利于城市智能交通建设与智慧城市建设。本文就人工智能在智能交通中的发展与应用展开论述，首先分析了人工智能技术与智能交通的概述，然后介绍了智能交通在我国的发展历程，最后具体论述了人工智能在智能交通中的应用实践。 【关键词】人工智能技术；智能交通；发展历程；应用实践 【中图分类号】TP39【文献标识码:|A【文章编号】1009-5624(2019)05-0105-02 1引言 随着科学技术的发展以及人们生活水平的提高，汽车工业得到了快速发展，尤其私家车的数量在急剧上升。在这一发展背景下，加之道路紊统建设存在的不足使得我国道路交通压力日益变大，对我国的经济发展与社会进步产生了阻碍作用，所以我们迫切需要交通智能化，缓解交通 3.1身份验证和访问管控 为确保访问过程的安全性，医院需要设置访问权限，可以根据工作人员的岗位级别进行不同权限设置叫为方便査找数据操作所对应的人员，为责任到人，需要验证工作人员的身份信息。网络安全关系到医院系统程序的正常运行，为保证数据访问与操作的有效性和安全性，需要对访问者的访问区域进行管控，以确保工作人员在安全范围内使用数据库。 3.2账号安全管理和防火墙设置 信息系统容易在访问者使用数据的过程中受到外来攻击，从而造成数据信息的丢失和账户密码的泄露。针对这种可能出现的突发性状况，工作人员需要设置网络防火墙,并针对用户的账户安全进行有效的密码数据强化。用户对账户密码进行设置时，不要用单一的数字或者拼音进行组合，设置复杂的密码和不定时更换账户密码可以使破译难度变大。防火墙的设置有利于系统不被非法手段控制，也提高了用户在访问数据库时的安全性。 3.3有效防护体系的构建 随着网络信息技术的飞速发展，大部分网络信息供给方式都在不断革新，所以安全防护体系的完善最终还需要结合当代信息系统的供给方式。为了构建适合时代的安全防护体系，还需要依据网络安全的科学评估方法来进行安全检验。首先需要对网络系统进行漏洞扫描、网络的访问区域进行管理控制、网络的管理进行检测评估。其次为防止数据泄露，医院还需要建立一个有效的防护体系来防止病毒攻击。最后针对网络可能出现的安全隐患，医院需要建立应急防护体系，针对相关工作人员的网络管理水平进行技术培训，并教导他们数据备份与恢复。 3.4监控技术的完善 扫描发现安全问题、及时解决安全隐患是监控技术需要达到的最终目的。医院除了需要使用先进、有效的杀毒软件,从而对互联网的安全进行实时保护，还需要将统计技术与其结合，合理利用网络信息技术，以便直接监控网络信息系统。 3.5物理条件的保护 信息资产主要分为软件和硬件两个方面[5]?于软件而言，安全管理人员需要保证操作系统和软件系统能够稳定的运作，从而确保系统的安全性。而硬件则是需要确保信息系统的物理部件一直处于绝对安全的状态。 信息安全主要是针对系统数据流的安全管理，而信息系统的物理条件也很重要。物流条件是指外部硬件运作良好，如硬件接口、中心机房、工作站以及服务器等。中心机房是整个系统硬件中的核心设备，它从避雷措施、供电设施、门禁制度、室内湿度以及温度等多个方面进行安全调节和建设,它的建设依据來自设备的真实需求。工作站作为医生与医护人员的终端设备，它是信息系统较为独立的模块，管理者特别需要保证其安全性和稳定性。对软盘和硬盘进行明确规划,以便实现用户监测与管理，可以从硬件方面来保证整个信息系统能够稳定运行。为保证服务器能够二十四小时正常运转,工作人员需要注意对服务器的物理保护，服务器是支撑整个系统运转的重要设备，安全管理者可以采用双服务器方案以确保服务器运行的稳定性。 4总结 经济的发展，公司组织架构的扩大，工作流程也越来越复杂，传统的办公系统已无法迎合医院的需要，为保证工作高效率，能够适应时代需求，网络化信息系统被应用到医院资料管理与日常工作中。为保证信息网络的安全性，医院针对信息数据流和物理条件作出了一套有效的安全管理方案。 【参考文献】 [1]李强.刍议医院信息系统的网络安全管理与维护措施[J].中国信息化,2019(02):58-59. ⑵曹佳君.医院信息系统网络安全管理与维护[J].信息与电脑(理论版)，2018(23):178-179. [3]杨娥青.医院信息系统的网络安全管理与维护探讨[J].电脑知识与技术，2018,14(19):42+47. [4]王赠，李伟.医院信息系统的网络安全管理与维护[J].通讯世界，2017(12):113. [5]胡姝敬.浅析医院信息网络的安全管理与维护[J].网络安全技术与应用，2019(01):81+87. 105
人工智能在电力系统中的应用 发表时间：2019-04-15T13:21:41.923Z 来源：《防护工程》2018年第36期作者：顾永超聂元欣 [导读] 提出了人工智能技术在电力系统中的实际应用，为未来的人工智能技术在电力系统中的应用提供一些参考和建议。 国网浙江缙云县供电有限公司浙江丽水 321400 摘要：随着人工智能技术在电气工程自动化领域的引入，电力系统的工作效率得到了迅速提高，电力系统的运行也变得更加稳定。人工智能技术的引入有效地解决了传统的机械问题，同时，人工智能技术在电气工程自动化方面做出了重大改变。因此，本文通过对人工智能在电力系统中的应用进行分析和研究，阐述了人工智能在电力系统中的应用研究，同时表明了人工智能技术的应用优势，提出了人工智能技术在电力系统中的实际应用，为未来的人工智能技术在电力系统中的应用提供一些参考和建议。 关键词：人工智能；电力系统；应用 人工智能技术在电气工程自动化领域的引入是通过计算机技术取代了传统的电气工程手动控制模式，改善传统电气工程的工作模式。本文研究了人工智能在电力系统中的实际应用，为电力系统未来的发展研究提供一些参考。 1.人工智能在电力系统中的应用领域 人工智能技术在许多领域中进行应用，例如生物学、心理学、数学研究等。由于该人工智能的平台系统集成了各个领域，使得人工智能成为了一个集各个领域于为一体的综合领域。德国科学家于1956年提出了人工智能的概念，通过科研人员的不断研究和开发人工智能技术，能够看出人工智能在许多领域，特别是工业应用得到了极大的发展。因此，不难看出，通过人工智能技术的研究，能够极大的提高竞争力，这也是一种提高国家实力的重要技术手段。2015年，随着美国工业互联网计划的提出，德国工业4.0的发展计划和我国制造业将人工智能置于国家战略的最前沿等国家发展战略，提高了人工智能技术的发展。目前，传统的电气工程自动化研究范围仅限于电气化，随着计算机技术的不断进步，电气化领域的互联已成为必然。因此，通过在电气工程领域引入人工智能技术来分析电气设备和相应的电力系统数据，旨在提高电力系统的生产效率，实现对整体工业结构的调整和优化[1]。 2.人工智能技术的应用优势 随着我国经济的不断发展，当前的发展市场中许多企业开始注重企业运营的效率，特别在电力企业目前面临较大的挑战。人工智能技术的应用优势，提出了人工智能技术在电力系统中的实际应用。随着电力设备使用的时间不断提高，设备出现许多故障，同时给企业本身会带来大量的经济损失。通过使用人工智能技术来检测和分析相关的电气设备是解决电气设备安全问题的一个很好的解决方案。 （1）提高生产效率 通过人工智能技术，能够提高电力企业的生产效率，提高了电力工程的给工作效率。目前，传统的电气设备已经无法满足现代的生产需求，通过将人工智能技术与电力设备相结合的形式，不仅提高了企业的生产效率，同时提升了企业的整体工作效率。由于电气设备存在许多机器以及相关的线缆，在某些情况下，许多设备及其电缆都具有一定的危险性，所以，应当需要专业的工作人员对电气设备的安全性进行重视。但是，大量的人力会提高企业的成本，因此，通过人工智能技术完成该工作，不仅能够提升电力工程的运行效率，同时也能够降低企业投入的人力成本。 （2）提高工业活动的安全性 在电气工程自动化中引入人工智能技术能够降低了大多数工作人员的人身安全问题，同时也确保了电气设备的安全运行。利用人工智能技术，可以实时监控所有已编程的电气设备，并可及时检测设备问题并及时对出现问题的设备进行检修。 （3）相关变量易于调整 人工智能控制器易于学习和操作，操作员可以在短暂的训练期后使用人工智能控制器进行初期的工作，降低人力成本的投入。 （4）受其他因素的影响较小 传统的电气设备控制器受到许多意外因素的影响，会大大降低电气设备使用过程中的电气设备精度。通过智能化的人工技术，能够及时分析电气设备模型，获得准确的数据，获得的具体数值与理论数值大致一样。此外，智能化的人工技术在获取数据的过程中不会受外部影响因素的干预而获取错误的数据[2]。 3.人工智能技术在电力系统中的实际应用 （1）应用于电气控制过程 人工智能技术在电力系统中的实际应用过程中，主要实现了对电气工程的控制。传统的电气控制经常存在电气设备的问题。随着人工智能技术的投入使用，其精确的参数化基本上与环境的稳定性无关，以提高电控系统的效率和电气系统的精度控制。 （2）应用于电力系统 人工智能技术在电力系统中的具体应用于人工智能技术的专家系统和神经网络系统。其中，专家系统是电气工程领域的重大进步。通过人工智能技术分析电力系统的数据，能够发现电力系统中存在的问题以及及时解决问题的原因，同时根据相应的数据提出相应的改进政策和对策。随着人工智能技术结合电力系统的广泛使用，不仅大大提高了人工智能技术的发展，同时提高了电力系统的实际应用，提高了电气系统的发展。 （3）设备监控 电气设备出现问题在电力系统中的可能性很高，工作人员在检测问题的过程中，往往很难找到问题的本质。通过人工智能技术的设备监控不仅能够提高设备的质量，同时在对设备的实时监控下能够弥补传统检测方法的缺点，将人工智能技术与传统的监测方法相结合，最大限度的保证设备的质量。 （4）优化设计 在优化设计电气设备的过程中，由于设计过程较为复杂，因此需要实际测试设备的实用性，并有效地结合丰富的经验和尖端的技术检测设备的实用性[3]。
未来人工智能的十大应用方向 导读: 随着人工智能理论和技术的不断完善，应用范围领域也在逐渐向多方向发展。未来，人工智能虽然不能向人类一样，拥有自己的意识和思维方式，但是这种自我思考的人工智能已经打破了常规。未来，人工智能带来的产品，或许将是人类智慧的“容器”。由此，对于未来人工智能应用方向，也将会成为热点。 关键字：人工智能机器视觉 人工智能（ArtificialIntelligence），英文缩写为AI。它是研究、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新的技术科学。 人工智能是对人的意识、思维的信息过程的模拟。但不是人的智能，能像人那样思考、也可能超过人的智能。但是这种会自我思考的高级人工智能还需要科学理论和工程上的突破。从诞生以来，人工智能理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。正因为如此，人工智能的应用方向才十分之广。 1、机器视觉 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 人工智能能使机器能够担任一些需要人工处理的工作。而这些工作需要做一定的决策，要求机器能够自行的根据当时的环境做出相对较好的决策。这就需要计算机不仅仅能够计算，还能够拥有一定得智能。而要对周围的环境进做出好的决策就需要对周边的环境进行分析,即要求机器能够“看”到周围的环境，并能够理解它们。就像人做的那样。所以机器视觉是人工智能中非常重要的一个领域。 机器视觉在许多人类视觉无法感知的场合发挥重要作用，如精确定律感知、危险场景感知、不可见物体感知等，机器视觉更突出他的优越性。现在机器视觉已在一些领域的到应用，如零件识别与定位，产品的检验，移动机器人导航遥感图像分析，安全减半、监视与跟踪，国防系统等。它们的应用于机器视觉的发展起着相互促进的作用。 2、指纹识别 指纹识别技术把一个人同他的指纹对应起来，通过比较他的指纹和预先保存的指纹进行比较，就可以验证他的真实身份。每个人（包括指纹在内）皮肤纹路在图案、断点和交叉点上各不相同，也就是说，是唯一的，并且终生不变。依靠这种唯一性和稳定性，我们才能创造指纹识别技术。
人工智能在生活中的应用 论文 Prepared on 24 November 2020
人工智能在生活中的应用 学号： 姓名：路文轩 课程：大学计算机基础 指导老师：赵奇 摘要 人工智能就是运用知识来解决问题，研究人的方法和技术，模仿、延伸和扩展人的智能，从而实现机器智能，使计算机也具有人类听、说、读、写、思考、学习、适应环境变化、解决各种实际问题的能力。 关键词：专家系统；机器学习；智能交通系统ITS 目录
引言 机器能够思维吗在100年前提这个问题也许会被人们嘲笑，但到了1936年，年仅24岁的英国数学家艾伦·图灵对此进行的研究已经取得了可行性的进展，因此被称为“人工智能之父”。 有人说，智能时代将是成熟的知识经济时代。智能技术发展到今天，其成果已经让我们有了切身感受——机器人家庭保姆、会写小说的电脑、机器人足球大赛……科学的发展总是以不断便捷、服务人类为前提的，那么智能科学带给人类的又是什么呢 最近在美国旧金山召开的一次“奇点高峰会”上，一些未来学家称，到了某一时候，人工智能机器将比其制造者——人更加聪明；他们还畅想几十年后，把计算机、芯片植入人脑，或者说用蛋白质等生物体组织制成的机器人都有可能产生，届时这些芯片将使人类的思考速度达到现今微处理器的水准。有科学家表示，未来人工智能对人类的服务就像人们需要灯光时打开电源开关一样，任何事情都可以“心想事成”。 那么，人机的进一步融合会把我们带向一个什么样的世界呢1.人工智能是什么 在您的眼中，人工智能是什么一个会做饭的机器人，会动手术的仿生手，还是会下象棋的电脑 其实您说得都对，然而人工智能对生活的渗透还远远不止这些。“大至火箭发射、太空探测、国防装备，小至手臂机器人、汽车喷漆、无人驾驶汽车、看病诊断、天气预测，包括机器人足球赛等等，无不和智能科学息息相关，它已经深入到百姓日常生活的各个领域。”中科院计算所主任研究员、中国人工智能学会副理事长史忠植为我们描绘了一幅广阔的人工智能图景。 简单地说，人工智能就是运用知识来解决问题，研究人的方法和技术，模仿、延伸和扩展人的智能，从而实现机器智能，使计算机也具有人类听、说、读、写、思考、学习、适应环境变化、解决各种实际问题的能力。然而，细分起来，人工智能却有包括类人行为、类人思维等在内的10种定义方法，史忠植在《智能科学》一书中，详细介绍了这10种定义。