現(xiàn)代電力系統(tǒng)辨識人工智能方法

內(nèi)容概要

本書主要論述電力系統(tǒng)中主要元件的數(shù)學模型以及建模方法，并對智能算法及智能系統(tǒng)應用到電力系統(tǒng)建模的研究成果進行了進一步闡述，如人工神經(jīng)網(wǎng)絡、遺傳算法、免疫算法、免疫系統(tǒng)等。本書可供工科院校電氣專業(yè)及相關(guān)專業(yè)研究生作為教材，也可供從事電力系統(tǒng)運行、設計、試驗、科研等工作的科技人員作為參考書。

書籍目錄

第1章　概論
 1.1 模型和建模途徑
 1.1.1 模型定義與建模方法
 1.1.2 模型基礎
 1.2 系統(tǒng)辨識的定義
 1.3 辨識方法、內(nèi)容與步驟
 1.3.1 辨識方法
 1.3.2　辨識內(nèi)容
 1.3.3 辨識步驟
 1.4 電力系統(tǒng)中參數(shù)辨識的重要性
 1.4.1 電力系統(tǒng)參數(shù)辨識的提出
 1.4.2 電力系統(tǒng)參數(shù)辨識的特點
 1.4.3 電力系統(tǒng)參數(shù)辨識的發(fā)展及研究現(xiàn)狀
 1.4.4 電力系統(tǒng)元件建模綜述
 參考文獻
第2章 人工智能在電力系統(tǒng)中的應用
 2.1 人工智能的含義
 2.1.1 人工智能簡述
 2.1.2 人工智能的定義
 2.2 智能算法的簡介
 2.2.1 人工神經(jīng)網(wǎng)絡ANN
 2.2.2 遺傳算法
 2.2.3免疫算法
 2.2.4蟻群算法
 2.2.5模擬退火算法
 2.2.6 上述算法的相互結(jié)合
 2.2.7 其他智能算法與體系
 2.3 智能算法在電力系統(tǒng)的成功應用
 參考文獻
第3章 電力系統(tǒng)動態(tài)數(shù)學模型
 3.1 動態(tài)系統(tǒng)的數(shù)學模型
 3.1.1 線性動態(tài)系統(tǒng)模型
 3.1.2 非線性動態(tài)系統(tǒng)模型
 3.2 電力系統(tǒng)動態(tài)數(shù)學模型的特點
 3.2.1 電力系統(tǒng)的DAE模型
 3.2.2 同步電機數(shù)學模型
 3.2.3 勵磁系統(tǒng)的數(shù)學模型
　　3.2.4 原動機與調(diào)速器模型
 3.2.5 負荷模型
 3.2.6 電力網(wǎng)絡的數(shù)學模型
 參考文獻
第4章 電力發(fā)電機組建模
 4.1 發(fā)電機的常用模型
 4.1.1 abc坐標下的有名值方程
 4.1.2 同步發(fā)電機的基本方程
 4.1.3 同步發(fā)電機的導出模型
 4.2 參數(shù)模型的辨識方法
 4.2.1 同步發(fā)電機參數(shù)辨識原理
 4.2.2 同步發(fā)電機參數(shù)辨識步驟
 4.2.3 發(fā)電機參數(shù)辨識方法
 4.3 非參數(shù)模型的確定
 4.3.1 傳統(tǒng)發(fā)電機機理模型的特點
 4.3.2 基于輸入／輸出特性的發(fā)電機模型
 4.3.3 全互聯(lián)遞歸神經(jīng)網(wǎng)絡(RNN網(wǎng)絡)原理和學習算法
 4.3.4 發(fā)電機詳細模型的輸入輸出量的選擇
 4.3.5 培訓模型的擾動方式選擇
 參考文獻
第5章 勵磁系統(tǒng)的建模
第6章 調(diào)速系統(tǒng)及原動機建模
第7章 電力系統(tǒng)負荷建模
第8章 電力電子元件建模
第9章 電力系統(tǒng)動態(tài)等值
第10章 電力系統(tǒng)整體建模
參考文獻

章節(jié)摘錄

　　2）螞蟻行為的特點　　通過上一節(jié)對真實螞蟻的行為描述可以看出信息素交流是螞蟻尋找最短路徑最重要的媒介和手段。在真實世界中，螞蟻可以說是盲的，它們的任何活動都是憑借信息素進行的，它們有朝著信息素多的方向運動的趨勢，并且在這個過程中留下新的信息素，以指引后來的螞蟻?？梢钥闯觯@是一種正反饋機理。通過信息素的交流，收集個體信息與整個群體信息的共享、信息的學習等，不斷地優(yōu)化系統(tǒng)。螞蟻的這種尋優(yōu)機理很簡單，每個個體的行為也很簡單，但是整個群體通過信息素的作用，就使得蟻群可以解決很復雜的問題[55]?！　?）人工蟻群算法的產(chǎn)生及意義　　人工智能在經(jīng)歷了20世紀80年代整整10年的繁榮后，由于方法論上始終沒有突破經(jīng)典計算思想的樊籬，再次面臨著寒冬季節(jié)的考驗。與此同時，隨著人們對生命本質(zhì)的不斷了解，生命科學卻以前所未有的速度迅猛發(fā)展。在這種背景下，社會性動物的自組織行為引起了人們的廣泛關(guān)注，許多學者對這種行為進行數(shù)學建模并用計算機對其進行仿真?！　?0世紀50年代中期開始，仿生學日益得到人們的重視。受仿生學中生物進化機理的啟發(fā)，人們提出了一系列新的算法，解決了許多比較復雜的優(yōu)化問題。遺傳算法、人工免疫算法、神經(jīng)網(wǎng)絡等算法相繼出現(xiàn)，并得到了發(fā)展，逐漸成為比較成熟的算法。　　眾所周知，社會性昆蟲如螞蟻、蜜蜂等，雖然其單個個體行為非常簡單、隨機，但是它們卻可以憑集體的力量進行覓食、御敵、筑巢等復雜活動。這種群體所表現(xiàn)出來的“智能”，稱為群智能[56]（ Swarm　Intelligence，SI）。群智能中的群指的是“一組相互之間可以進行間接通信[57]的主體，這組主體能夠合作進行分布式問題求解”。而通常群智能指的是“無智能的主體通過合作表現(xiàn)出智能行為的特性”。群智能在沒有集中控制并且不提供全局模型的前提下，為尋找復雜的分布式問題的解決方案提供了基礎。蟻群算法正是群智能算法中最重要的分支之一?！　∩飳W家和仿生學家經(jīng)過大量的細致觀察研究發(fā)現(xiàn)，蟻群有一個很重要的特性，就是蟻群在覓食時總能找到從螞蟻巢穴到食物之間的最短路徑。事實上，當螞蟻尋找食物時，會在其經(jīng)過的路徑上釋放一種螞蟻特有的分泌物--信息素（pheromone）。螞蟻個體之間正是通過這種信息素進行信息傳遞，從而能相互協(xié)作，完成復雜任務。在一定范圍內(nèi)螞蟻能夠察覺到這種信息素并指導它的行為，當一些路徑通過的螞蟻越多，則留下的信息素軌跡（trail）也就越多，招致后來更多的螞蟻選擇該路徑的概率也越高，于是越發(fā)增加了該路徑的信息素強度。這種選擇過程稱之為螞蟻的自催化過程，形成一種正反饋機制，螞蟻最終可以發(fā)現(xiàn)最短路徑[58]?！　榱嗽谌斯た刂频臈l件下研究螞蟻的覓食行為，Deneubourg和Goss等人設計了對稱二叉橋?qū)嶒瀃59]。該實驗在蟻巢和食物之間架了一座二叉橋，橋上有兩個長度不相同的分支，一群實驗螞蟻被放置在蟻巢中，螞蟻在實驗開始后可以沿著橋自由來回于食物和蟻巢之間。螞蟻在從蟻巢爬向食物或者從食物爬向蟻巢的時候都必須在兩條分支中選擇一條。Deneubourg等人記錄了通過上下兩條路徑的螞蟻的百分比隨時間的變化情況，實驗結(jié)果表明，最后幾乎所有的螞蟻都匯聚到最短路徑上?！　　?/pre>








圖書封面



圖書標簽Tags
無




評論、評分、閱讀與下載



還沒讀過(91)
勉強可看(662)
一般般(112)
內(nèi)容豐富(4682)
強力推薦(383)


 


    現(xiàn)代電力系統(tǒng)辨識人工智能方法 PDF格式下載