在电力系统自动化中实施智能控制方案

1、模糊智能方案在电力系统自动化控制中的科学实施模糊智能控制原理主要将经典的集成理论进行模糊化处理，将模糊逻辑的物位开关语言变量及近似推理引入其中从而形成整体性综合智能技术的推理体系。

模糊控制的液位变速器模拟对象为人的模糊推理能力及决策实践中的实用性控制方式，该理论主体依据相关控制的已知规则及数据首先由模糊输入量液位计展开对模糊控制输出的推导，主要由模糊化、时间模糊推理机、zui终模糊判决三个子过程组成。随着模糊理论的不断发展与成熟完善，模糊控制中包含的优势性能得到了学术界充分的肯定。例如该控制方法可适用于对不定性、不情况的处理，同时可抑制噪声带来的污染问题。

综合的模糊知识令电容式液位计语言变量能有效、准确的表达出专家的综合经验，也就是说其更加接近人们的思维及表达方式，可令知识的选择、抽取与表达具有较强鲁棒性，而被控制的对象参数产生的变化却对模糊控制影响不大。随着电力系统的不断创新发展，模糊理论在其领域的应用研究不断广泛，并取得了可喜的成绩，由此不难看出科学的模糊理论控制方案在处理电力系统相关问题中具有综合的潜力。例如行业内为了有效实现对电力系统短期负荷进行预测，于是编制了众多计算机控制程序，而实践证明即使编制再完备的程序也比不上调度员的主体估计。

他们在对这种短期负荷的预测估计关键采用参考日的相关技术标准，这一条件与待测日较为接近。例如正确的日子为周四，则上周四可作为一个参考日。而后我们在负荷曲线中的积累关键点中进行负荷估计，依据参考日曲线将这些估计值相连接，于是便构建了当日的负荷模型。

在电力系统自动化中的模糊控制方案便依据这一经验，可编制出一整套相关参考日模型的数据库，供调度人员适应性选用。而后我们可继续制定出多类对负荷产生影响因素的模糊集，例如风力、温度及日照模糊集等，以辅助调度人员的模糊推理，令关键点中的负荷得到准确估计。完成了负荷模型的建立后我们可依据相关模型配备发电容量，这时实际的负荷与构建模型间的差额则较小，按照这一实际差额履行控制，其效果大大提升。该类电力系统自动化中的模糊控制方案具有易懂、直观的充分优势，令估算结果准确率大幅提升，因此我们可在实践中充分应用，将其与人工智能技术完善融合，合理解决非线性控制问题，提升控制效果。

2、专家系统智能方案在电力系统自动化控制中的综合实施专家系统是一类发展较早且较为成熟的人工智能技术，其主体由知识库及综合推理机组成，针对某领域内的专家提供的精华知识进行推理并完成人类专家在制定决策实践过程的模拟操作，为系统提供与专家水平相当的实践方案。当前，电力系统控制及运行中多依靠有丰富经验的调度人员依据科学自动化控制技术完成。

导致该控制方式的主体原因为传统的数值分析方式缺乏科学的启发推理性能，无法同步实现知识的积累。再者，由于电力系统内部本身的复杂性令一些简单的数学模型及控制状态难于发挥作用，而复杂的模型又较难获取，单纯的数值方式无法充分满足自动化的电力系统运行要求。

因此我们必须在电力系统自动化中引入电力行业专家经验知识，利用专家系统方案，强化系统的综合控制效能。在系统构建实践中我们应主力扩充对推理速度的更新提升，令其具有的在线分析能力，并合理引入学习机制，令其容错能力、对新问题的处理能力切实提升，即使在系统出现故障、网络结构、各类系统参数设置有变，设备控制器的相关配置发生变化时，也能实现适应性改变依据综合调控能力得出正确的推理结果。

另外我们可通过令系统与模糊推理、其他各类优势人工智能方式的合理融合切实提升专家系统完善的自学能力、容错能力，令其即使在长周期的运行下也能准确获取知识、较容易的完成校核，构建完备的知识库并提升维护管理的便利性。

3、人工神经网络智能方案在电力系统自动化控制中的创新实施人工神经网络用于对人们传递及处理信息相关特征的综合模拟，由人工方式对人们zui简单的神经元进行大量仿制，并令其以一定规范的方式连接组成。单体的人工神经元可实现由输入转向输出的非线性构建关系，而通过互相连接，他们可组成一类复杂的人工神经元网络。该类智能方案在电力系统自动化控制中的合理应用令各类优势信息实现分布存储，从而具有较强的综合容错能力与学习能力，可科学实现对各类优势知识的自动化组织，并适应用户对信息处理的不同需求。

各个神经元间的计算过程在一定意义上具有独立性，因而便于我们进行有针对性的处理，令系统控制执行效率切实提升。由于人工神经网络富于较强的非线性智能化拟合能力与自学能力，并富含联想记忆及鲁棒性功能，因此令其在富含大量非线性复杂子系统的电力系统中具有较大的应用创造潜力。

针对目前该类系统算法、学习速度较慢、培训时间相对较长、收敛操作复杂等现状我们应通过更加深入、细致的研究令该类智能化控制方案与其他优势系统进行完善融合，通过网络化自动控制技术避免其对局部细小点进行没有必要的收敛或冗余操作，从而切实提升人工神经网络智能方案的控制处理速度，令其在更深入的探索中扩充应用前景，提升应用效益。