人工智能在电力系统中的应用

人工智能孟安波第一章概述人工智能是那些与人的思维相关的活动，诸如决策、问题求解和学习等的自动化(Bellman,1978）；人工智能是一种计算机能够思维，使机器具有智力的激动人心的新尝试（Haugeland,1985）；人工智能是那些使知觉、推理和行为成为可能的计算的研究（Winston,1992）；人工智能是关于人造物的智能行为，而智能行为包括知觉、推理、学习、交流的行为（Nilsson，1998）。像人一样思考的系统、像人一样行动的系统、理性地思考、行动的系统（StuartRussell,2003）。1.1人工智能定义1.2人工智能的研究途径与研究领域专家系统(ExpertSystems)人工神经网络(ArtificialNeuralNetworks)模糊逻辑(FuzzyLogic)进化算法(如：遗传算法GeneticAlgorithm,粒子群SwarmParticle,禁忌搜索TabuSearch,模拟退火算法SimulatedAnnealing,)多智能体系统(Multi-agentsystem)

心理模拟，符号推演生理模拟，神经计算行为模拟，控制进化群体模拟，仿生计算1.3人工智能在电力系统的应用领域机组启停UnitCommitment维护计划Maintenancescheduling负荷预测LoadForecasting发电控制与保护Generationcontrolandprotection潮流优化OptimalPowerFlowAnalysis电力系统安全分析SecurityAnalysis电力系统稳定分析StabilityAnalysis无功优化分配Vardispatchandplanning控制优化Optimizationofself-adaptivecontrol继电保护Relayingprotection经济调度Economicdispatch变电所运行控制Substationswitchingandcontrol系统恢复供电Systemreconfigurationandrestoration电力质量控制PowerqualityControl系统设计优化SystemDesignOptimization电力规划planningforelectricPower电气设备故障诊断Faultdiagnosisforelectricfacilities1.3人工智能在电力系统的应用领域第二章神经网络及其在电力系统中的应用

人工神经网络是集脑科学、神经心理学和信息科学等多学科的交叉研究领域，是近年来高科技领域的一个研究热点。它的研究目标是通过研究人脑的组成机理和思维方式，探索人类智能的奥秘，进而通过模拟人脑的结构和工作模式，使机器具有类似人类的智能。它已在模式识别、机器学习、专家系统等多个方面得到应用，成为人工智能研究中的活跃领域。本章将简要介绍神经网络基本的概念、模型以及学习算法以及应用实例。2.1神经网络的基本概念及组成特性

神经元及其突触是神经网络的基本器件。因此，模拟生物神经网络应首先模拟生物神经元。在人工神经网络中，神经元常被称为“处理单元”。有时从网络的观点出发常把它称为“节点”。人工神经元是对生物神经元的一种形式化描述。神经元主要由三部分构成：（1）细胞体;（2）轴突;（3）树突2.2人工神经网络的特性

高度的并行性

ANN是由许多相同的简单处理单元并联组合而成，虽然每个单元的功能简单，但大量简单处理单元的并行活动，使其对信息的处理能力与效果惊人。高度的非线性全局作用

ANN每个神经元接受大量其它神经元的输入，并通过并行网络产生输出，影响其他神经元。网络之间的这种互相制约和互相影响，实现了从输入状态到输出状态空间的非线性映射。从全局的观点来看，网络整体性能不是网络局部性能的简单迭加，而表现出某种集体性的行为。良好的容错性与联想记忆功能

ANN通过自身的网络结构能够实现对信息的记忆。而所记忆的信息是存储在神经元之间的权值中。从单个权值中看不出所储存的信息内容，因而是分布式的存储方式。这使得网络具有良好的容错性，并能进行聚类分析、特征提取、缺损模式复原等模式信息处理工作；又宜于模式分类、模式联想等识别工作。十分强的自适应、自学习功能

ANN可以通过训练和学习来获得网络的权值与结构，呈现出很强的学习能力和对环境的自适应能力。2.3人工神经网络的学习方法

监督学习（有教师学习）如图所示，这种学习方式需要外界存在一个“教师”，他可对给定一组输入提供应有的输出结果，这组已知的输入-输出数据称为训练样本集，学习系统（神经网络）可根据已知输出与实际输出之间的差值（误差信号）来调节系统参数非监督学习（无教师学习）环境教师学习系统输入期望输出实际输出误差信号2.3人工神经网络的分类

前向网络中，各神经元节点接受前一层的输出信号，并将本层的输出作为下一层的输入，其特点是信号的流向是从输入流向输出。在ANN的实际应用中，80％～90％的ANN模型是采用BP网络或它的变化形式，它也是前向网络的核心部分、体现了ANN精华的部分。

前向神经网络2.3人工神经网络的分类

反馈神经网络…………输出输入反馈网络中，输出信号通过与输入连接而返回到输入端，从而形成一个回路。在前向网络中，有单层感知器、自适应线性网络和BP网络。在反馈网络中，有离散型和连续型霍普菲尔德网络。2.4BP神经网络

2.4.1BP神经网络概述

BP网络神经网络是目前应用最为广泛和成功的神经网络之一。它是在1986年由Rumelhant和McClelland提出的一种多层网络的“逆推”学习算法。其基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入层传入，经隐层逐层处理后传向输出层。若输出层的实际输出与期望输出不符，则转向误差的反向传播阶段。误差的反向传播是将输出误差以某种形式通过隐层向输入逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号即作为修正各单元权值的依据。这种信号正向传播与误差反向传播的各层权值调整过程是周而复始地进行。权值不断调整的过程，也就是网络的学习训练过程。此过程一直进行到网络输出的误差减少到可以接受的程度，或进行到预先设定的学习次数为止。

2.4.2BP神经网络应用领域函数逼近：用输入矢量和相应的输出矢量训练—个网络逼近一个函数；模式识别：用一个特定的输出矢量将它与输入矢量联系起来；分类：把输入矢量以所定义的合适方式进行分类；数据压缩：减少输出矢量维数以便于传输或存储。2.4BP神经网络2.4.3BP网络模型与结构BP网络具有一层或多层隐含层，其主要差别也表现在激活函数上BP网络的激活函数必须是处处可微的，BP网络经常使用的是S型的对数或正切激话函数和线性函数W1B1F1W2B2F2PA1ikjs1xrA2s1x1s2x1s2xs1s1xqs2xqrxq112.4BP神经网络2.4.4BP神经网路的几种常见激活函数

阀值型A-101fA-101-bf不带偏差的阀值型激活函数带偏差的阀值型激活函数

2.4BP神经网络2.4.4BP神经网路的几种常见激活函数

线形型不带偏差的线性激活函数带偏差的线形型激活函数

2.4BP神经网络A-101fA-101f-b2.4.4BP神经网路的几种常见激活函数

2.4BP神经网络A-101fA-101f对数S型激活函数

双曲正切S型激活函数

对数S型函数关系为：双曲正切S型函数关系：

Sigmoid型2.4.5BP网络学习2.4BP神经网络BP算法的学习目的是对网络的连接权值进行调整，使得调整后的网络对任一输入都能得到所期望的输出。学习过程由正向传播和反向传播组成。正向传播用于对前向网络进行计算，即对某一输入信息，经过网络计算后求出它的输出结果。反向传播用于逐层传递误差，修改神经元间的连接权值，以使网络对输入信息经过计算后所得到的输出能达到期望的误差要求。2.4.5BP网络学习2.4BP神经网络设输入为P，输人有r个，隐含层内有s1个神经元，激话函数为F1，输出层内有个s2神经元，对应的激活函数为F2，输出为A，目标矢量力T。kji隐含层输出层输入层2.4.5BP网络学习2.4BP神经网络1、信息的正向传递（1）隐含层中第i个神经元的输出为：

（2）输出层第k个神经元的输出为

（3）定义误差函数为：2.4.桌5BP燥网络学习2.4及BP神经翻网络1、误差反亭向传播（1）输厕出层的权抗值变化：对从第i个输入到攀第k个输出的饮权值有：其中：：学习速越率，过大拣容易震荡把，过小调愧整过慢；：训练邪样本对掉目标输屡出；：神经网赞络实际输很出；：输出邮层神经径元传递稀函数的康导数；：误差；2.4.格5BP额网络学习2.4砍BP壮神经网厅络1、误差反鸭向传播（2）冠输出层秋的阀值或变化：其中：！注意：输出层的悼权值变化赶与输出层绣的阈值变帅化的差别2.4.撤5BP纸网络学习2.4位BP圆神经网项络1、误差反医向传播（3）尤隐含层仰的权值虑变化：对从第j个输入到寇第i个输出的拘权值有：其中：（4）付隐含层水的阈值南变化：2.4掏.6醉BP网竖络的限左制与不叼足及改反进2.4输BP神经骆网络1不似足需要较共长的训睬练时间对于一些歌复杂的问顶题，BP贡算法可能远要进行几撇小时甚至占更长的时性间的训练亦。这主要治是由于学带习速率太特小所造成捷的。可采茧用变化的虹学习速率币或自适应变的学习速悟率加以改殿进。完全不能莲训练这主要率表现在珠网络出苍现的麻易痹现象聚上。在抵网络的处训练过醒程中，井当其权亚值调得点过大，轰可能使嫂得所有计的或大伴部分神代经元的肾加权总座和偏大宵，这使垃得激活川函数的梢输入工冠作在S哨型转移旅函数的突饱和区懂，从而丘导致其辽导数非日常小，痰从而使掌得对网亿络权值尽的调节寨过程几派乎停顿孝下来。心通常为绢了避免蔽这种现记象的发忙生，一枪是选取胶较小的遍初始权姥值，二隐是采用吹较小的溪学习速凉率，但兆这又增穗加了训铃练时间冤。2.4.逮6BP考网络的限讽制与不足船及改进2.4工BP岁神经网博络1不矩足局部极低小值BP尾算法可辣以使网扒络权值琴收敛到枝一个解荡，但它乳并不能各保证所乔求为误跌差超平何面的全晃局最小滚解，很请可能是倦一个局星部极小沃解。这桂是因为膛BP算饱法采用牵的是梯炉度下降露法，训胆练是从治某一起洗始点沿沙误差函敲数的斜志面逐渐塘达到误浑差的最混小值。揭对于复拘杂的网戒络，其扑误差函雾数为多知维空间狗曲面，哪就像一脂个碗，渠其碗底最是最小升值点。柱但是这伶个碗的面表面是逝凹凸不雾平的，俭因而在曲对其训驴练过程疾中，可午能陷入细某一小仁谷区，尝而这一适小谷区廉产生的渴是一个劲局部极丙小值。染由此点丝式向各方刮向变化均均使误臣差增加沸，以致提于使训棚练无法杀逃出这贡一局部仓极小值疏。2.4.嗓6BP圾网络的限绑制与不足惊及改进2.4订BP持神经网尘络1改进增加动片量项标准B桐P算法晶在调整仔权值时湿，只按蚊t时刻岂误差的垒梯度下第降方向栏调整，猾而没有委考虑t杠时刻以残前的梯酿度方向泊。为了够提高训泰练速度富，可以灾在权值页调整公炮式中加辱一动量椅项，其贩中a为钱动量系餐数：动量项反轨映了以前浮积累的调碌整经验。爽当误差梯诞度出现局命部极小时认，虽然冤但，泪使断其跳出局拨部极小区彻域，加快恰迭代收敛匹速度。目团前，大多要数BP算丽法中都增耍加了动量执项，以至隔于有动量栋项的BP包算法成为去一种新的翠标准算法偷。2.4陆.6故BP网珠络的限凑制与不钻足及改激进2.4躬BP融神经网只络1改进可变学习含速度的反透向传播算默法（1）疤如果平映方误差猛（在整品个训练慢集上）院在权值笋更新后抬增加了堆，且超恶过了某牢个设置俗的百分素数（典丑型值为浓1%～身5%）巾，则权畜值更新闸被取消缓，学习躁速度被较乘以一申个因子扫（0<罢<1）按，并且扶动量系睡数（如旷果有的象话）被霸设置为在0。（2）如千果平方误链差在权值同更新后减鼠少，则权饱值更新被志接受，而召且学习速响度将乘以述一个大于摇1的因子桌。如果动离量系数过刊去被设置擦为0，则魂恢复到以逃前的值。2.4辣.6危BP网福络的限歼制与不界足及改歼进2.4耻BP神经越网络1改进引入陡描度因子骄——防屑止饱和误差曲面创上存在着怕平坦区。插其可预付痛调整缓慢风的原因在使于S转移东函数具有愤饱和特性食。如果在伍调整进入士平坦区后秒，设法压皆缩神经元烤的净输入守，使其输酒出退出转秩移函数的单饱和区，旋就可改变越误差函数桂的形状，铅从而使调需整脱离平随坦区。实掠现这一思扑路的具体僻作法是在图转移函数艇中引进一故个陡度因您子。2.5控使用MA我TLAB晚神经网络希工具箱MAT汤LAB阅神经网尽络工具全箱大大鼓降低了只开发各更种神经午网络应尚用的难贞度。设羽计者只规需要调排用相关殊函数即货可，甚牛至通过赴NNT上OOL芝图形界晨面，不盆用编写刚一行程残序，就句可完成鸟一个神倘经网络方的设计图仿真。本节主群要介绍霜NNT指OOL遗图形工育具，神穷经网络坟程序设任计见2芳.6。2.5甩使用夕MAT生LAB铜神经网码络工具掏箱第一步在MAT射LAB命旬令下打开漏nnto瞒ol界面2.5粱使用MA众TLAB千神经网络印工具箱第二步通过I刮mpo脚rt从立工作空膛间或通磨过Ne淡wD史ata沾手动输闭入训练白样本2.5究使用MA艳TLAB专神经网络台工具箱第三步点击ne左wne贞twor买k建立神踏经网络该页面用博来建立神螺经网络结醒构，主要他设置的参芽数有：神相经网络类残型、训练发函数、各老层神经元份数目及相什应的传递早函数等2.5控使用库MAT磁LAB姑神经网呜络工具喘箱第四步雅设置扶训练参奏数点击tr绸ain进烫入tra歪inin汗gpa赛rame菜ters币页设置训底练参数，肠主要包括播训练代数板、允许误瓜差、显示寻频度等。2.5环使用咐MAT今LAB没神经网被络工具宵箱第四步点击tr筋ain进菌入tra护inin矮gpa茅rame唇ters钓页设置训蜘练参数，举主要包括屑训练代数胡、允许误秀差、显示边频度等。2.5饮使用袜MAT格LAB期神经网况络工具泼箱第五步训练已经独建立好的柿神经网络至点击tr晒ain咸netw视ork开债始训练。迈训练过程研会显示误同差随代数匹的变化。2.5绿使用MA产TLAB幅神经网络撑工具箱第六步仿真验椒证，进训入si缎mul川ate懂页,设棵置输入行,点击胳sim邀ula商te能net纵wor搭k。2.6田神经网络沫在电力系挪统应用实纪例实例1：否短期电力答负荷预测实例2：细变压器故插障诊断2.6伍.1板实例1咐神经丧网络在谷负荷预肆测中的违应用问题描述以广东某沃城市的2跌004年斗7月20魂日到7月旷30日的吓负荷值以谷及200旱4年7月墓21日到爱7月31炮日的气象遥特征状态饥作为网络炒的训练样诉本，来预威测7月3倦1日的电摧力负荷为捎例2.6.引1实例欧1神经叶网络在负镇荷预测中否的应用日期7月20日7月21日7月22日7月23日7月24日7月25日电力负荷0.24520.22170.25250.20160.21150.23350.14660.15810.16270.11050.12010.13220.13140.14080.15070.12430.13120.15340.22430.23040.24060.19780.20190.22140.55230.51340.55020.50210.55320.56230.66420.53120.56360.52320.57360.58270.70150.68190.70510.68190.70290.71980.69810.71250.73520.69520.70320.72760.68210.72650.74590.70150.71890.73590.69450.68470.70150.68250.70190.75060.75490.78260.80640.78250.79650.80920.82150.83250.81560.78950.80250.8221气象特征—0.24150.23850.22160.23520.2542—0.30270.31250.27010.25060.3125—0010.50广东某饮地区7飘月20肆日—2墨5日2赶4小时汇电力负韵荷表2.6寇.1偷实例1茧神经览网络在苏负荷预侄测中的立应用日期7月26日7月27日7月28日7月29日7月30日7月31日电力负荷0.23680.23420.21130.20050.21230.21190.14320.13680.12120.11210.12570.12150.16530.16020.13050.12070.13430.16210.22050.21310.18190.16050.20790.21610.58230.57260.49520.45560.55790.61710.59710.58220.53120.50220.57160.61590.71360.71010.68860.65530.70590.71150.71290.70980.68980.66730.71450.72010.72630.71270.69990.67980.72050.72430.71530.71210.73230.70230.74010.72980.80910.79950.77210.75210.80190.81790.82170.81260.79560.77560.81360.8229气象特征0.26010.25790.23010.22340.23140.23170.31980.30990.28670.27990.29770.2936000.5100广东某怜地区7菠月26损日—3灾1日2泡4小时狗电力负柱荷表2.6畅.1加实例1埋神经枝网络在挤负荷预凑测中的痰应用学习样苗本的分稠析与处原理在预测饲日的前隐一天中胜，每隔巨2个小肆时对电避力负荷庙进行一挎次测量茎，这样践一天可典以得到向12组屯负荷数朴据，将洞前一天启的实时层负荷数打据作为卧网络的刚样本数咬据;另外电力然负荷还与连环境因素粒有关，所寒以本例中森还考虑了销气温和天英气。即最投高、最低姿气温和天货气特征，描可以通过暂天气预报民得到预测劣日的最高敌、最低气逢温和天气士特征(晴莲天、阴天溉、雨天)硬，可以叔用0、0枪.5、1居分别表肉示晴天、控阴天、雨终天，将预述测当天的盐气象特征羞作为网络婶的输入变票量，这样课输入变量拦P就是一璃个15芒维的向量东,即n浪=15船；目标向翻量就是晃预测日贺当天的从12个进负荷值浙，即输炼出变量锹T为一撇个12良维的向宰量，m扩=月12。由于在贤输入的伤数据中内各类型岔的数据草大小、众单位都年不统一谱，这样深大大增醋加了系删统的运与算量、玻运算时斧间还降酱低了精蜓度甚至旗可能使揪神经元清趋于饱示和不能差继续运糖算。为葬了避免闸神经元鸟的饱和践性,在俱确定输卵入和输耐出变量速后,应丈对其进凳行归一存化处理触,将数耗据处理垃为一定参范围之余间。这兼样就降嗓低了运似算量，杜提高运牛算速度牌和时间宣。归一锋化的方朋式很多滋，MA打TLA招B中也饮有归一购化函数丛可对数证据进归猾一化和冠反归一搁化2.6.盏1实例添1神经枝网络在负萝荷预测中停的应用2.确定寻网络结构2.6暗.1决实例1弟神经疗网络在群负荷预辩测中的睁应用2.确榆定网络谁结构MATL怀AB实现剪函数net盖=ne菊wff索(mi矿nma旧x(P针),[念10,难12]相,{‘磁tan像sig信’,‘廊log狼sig钉’},续‘tr逢ain融lm’询)含义：Newf阻f:建立娘BP神经魄网络结构勉函数参数的盟意思指真该网络党隐含层假、输出耻层神经换元数目累分别殊为10缘瑞个与1持2个；传递函茎数分别垒为正切励S函数哲与对数抵S函数辜；训练函数默选取增加亡动量项的蝴BP算法电；min辉max添(P)混指定输缺入样本侦的范围症，使得忠网络初洒始权值砌合理石化。Net储趁存返回的标神经网络之，注意此持时的神经舟网络还没小有开始训呈练，只是早指定了网师络结构而糟已；注意输踩入的是榴预测日杠头天的亭历史负剂荷数据使与预测野日的天锦气数据当，而输记出是预理测日需赴要预测局的24撒小时负通荷。2.6释.1济实例1肉神经泄网络在奔负荷预欺测中的山应用3.设置训搜练参数训练网隶络前，惧必须设韵置训练滩参数，楼MAT佛LAB岛神经网累络设置两训练参小数示例旱如下：net.镜trai拴nPar曲am.s浙how=帽10;解释：陆每10僻代显示叮一次net鲜.tr番ain锤Par仿am.态lr=伸0.0干5;解释：设防置训练速破率net.真trai赢nPar忙am.m显c=0.会9;解释：设置动缝量因子net.忆trai兔nPar嗽am.e裙poch们s=10莲0000淘;解释：设置训练拒的代数net.眨trai时nPar按am.g辅oal=嫁0.01诊;解释：设置目标较误差注意！上愚面的ne幸t指的是丑上一步已做经建立好盖的BP神蓝经网络2.6特.1朝实例1同神经鱼网络在据负荷预期测中的叹应用4.训练构泳建好的神答经网络利用M监ATL乔AB神市经网络走工具箱涌的tr乐ain莲函数即桌可对前莲面指定钳好网络你结构与印训练参药数的神邮经网络棕进行训纲练，t梯rai鸟n函数换的调用梳格式如仪下：Net=叹Trai状n(ne窗t,P,伍T)解释：P表示铺训练样狗本的输红入矢量葛；T表示训慈练样本的剥输出矢量如，为训练驼目标；右边的参会数net槐指得的还萄未开始训溉练的神经增网络，左晕边的变立量ne痕t指得封的练好胆的神经殿网络保存的位仍置2.6.利1实例纤1神经携网络在负携荷预测中绞的应用5.仿真训刘练好的神忽经网络利用M押ATL巨AB神技经网络筑工具箱艰的si得m函数父即可对裂使用t滋rai广n函数性训练好技的神经故网络进蔑行仿真蔬，以便展验证训钉练的效械果是否甩达到预车期的目械标误差暑，si啄m的调喉用格式跃如下：A=s晒im(闹net孙,P)解释：P表示线训练样驰本的输匪入矢量前；参数n混et指堪得的练肉好的神腔经网络A指得是株当训练好志的神经网畜络net衣获得输入物P时的实趁际输娃出得到实歼际输出忧A后，列与训练沿样本目辫标输出启T相比消较，即疯可得到男误差2.6.摇1实例龟1神经脆网络在负镰荷预测中怜的应用5.仿真蝴过程与像结果下面是采用增盘加动量茂项的B展P算法诱训练函帖数tr根ain叙gdm烫、隐层星为10登个神经答元的预吃测结果然。左边是训稠练过程误春差曲线，费横坐标是销训练代数紫，纵坐标发是误差，讯该曲线是少训练过程跪中自动产盖生的；右边是秀实际输驰出与目晨标输出畏负荷曲但线,横闹坐标是逐小时，设纵坐标婆是负荷严，注意遥负荷已倍经被正仪规化了宇。2.6.袜1实例沃1神经标网络在负透荷预测中件的应用5.仿真逝过程与商结果下面是采用自本适应学写习速率诉训练函椅数tr馅ain摩lm、长隐层为顷10个艳神经元怒的预测陵结果中。左边是训棵练过程误达差曲线，痰横坐标是煮训练代数仁，纵坐标籍是误差，细该曲线是困训练过程练中自动产较生的；右边是实碧际输出与咽目标输出犹负荷曲线副,横坐标旧是小时，跌纵坐标是宽负荷，注祝意负荷已艇经被正规辟化了。2.6.遥1实例万1神经顷网络在负坡荷预测中嫌的应用6.训练结听果数据表

预测值实际值误差误差绝对值电力负荷0.22560.21190.01370.01370.16270.12150.04120.04120.10570.1621-0.05640.05640.22030.21610.00420.00420.51820.6171-0.09890.09890.54630.6159-0.06960.06960.70110.7115-0.01040.01040.73290.72010.01280.01280.69830.7243-0.02600.02600.74400.72980.01420.01420.80740.8179-0.01050.01050.82540.82290.00250.0025平均误差

0.03002.6.溉1实例堪1神经坦网络在负宴荷预测中抹的应用7.主要们的源码%定义仆训练样蒙本%P为增输入矢扮量，T吨为输出留目标矢旁量，注尽意样本棉的构成托。P=[0.24狗520拉.146仔60.往1314沫0.2蔑243窜0.55利230曲.664拐20.透7015头0.6融981巧0.68摸210地.694马50.津7549出0.8栗2150.2企415锡0.非302沈70;0.2杆217器0.悄158诉10滥.14怒08常0.2扩304酱0.次513算40室.53挂12喷0.6拌819举0.痛712哈50峰.72闪65耍0.6子847言0.材782茶60韵.83貌250.23厦850剃.312藏50;0.25玩250暂.162粘70.盼1507祥0.2灭406份0.55是020学.563斜60.拳7051捕0.7纽奉352卡0.74抛590拒.701编50.傅8064拢0.8眨1560.22裳160愧.270倚11;0.20樱160圾.110扫50.贤1243质0.1老978饰0.50废210红.523利20.借6819安0.6槽952酬0.70湿150象.682孤50.遭7825邻0.7毅895捉0.23妹520曾.250重60.队5;0.2握115被0.迈120际10铁.13膀12皱0.2申019淹0.樱553窜20闻.57程36统0.7芹029遇0.雅703慌20美.71己89猎0.7滩019乡丰0.膀796焰50狂.80障25企0.2阵542坊0.烟312理50弄;0.23亩350恶.132旗20.忘1534跟0.2粥214怠0.56据230丢.582治70.胳7198索0.7伯276漆0.73揪590曾.750烦60.左8092絮0.8磨221徐0.26钱010锄.319提80;0.2承368骨0.轧143忌20岛.16剃53远0.2理205佣0.唇582够30锻.59怒71汪0.7霞136沿0.耕712年90肥.72骂63寺0.7方153世0.拆809御10呢.82楚17浮0.2查579惭0.纠309寄90胞;0.2致342但0.丝式136尽80怎.16蜜02化0.2荷131健0.毙572坐60底.58丧22娇0.7航101鹅0.轻709辛80猛.71柜27春0.7伯121闭0.候799来50倾.81摔26扎0.2予301辫0.两286汽70热.5;0.21坛130昨.121胁20.胖1305询0.1主819悟0.49孝520核.531坟20.匙6886既0.6屑898咽0.69筝990污.732榨30.烦7721双0.7炊956合0.22衫340盐.279脑91;0.20泰050窑.112堆10.店1207斗0.1亮605崭0.45拉560巧.502保20.开6553牵0.6王673竹0.67倚980篇.702宁30.蒙7521摄0.7则756片0.23熄140因.297身70]飘‘T=[0.22战170纯.158却10.棒1408察0.2招304邮0.51苦340纵.531川20.复6819喷0.7准125术0.72违650甜.684萌70.牌7826飘0.8熊325;0.2德525雷0.魄162陷70副.15贞07问0.2廉406境0.迈550衡20查.56拔36浮0.7秤051碰0.纽奉735滔20得.74鲜59杜0.7每015侧0.仿806刺40占.81蓬56;0.20骑160懂.110盗50.浊1243读0.1锋978写0.50杠210忽.523摇20.登6819慈0.6换952和0.70尺150执.682扬50.厅7825懒0.7努895;0.2晶115组0.俘120岔10圆.13塌12匆0.2哈019值0.弟553膝20恼.57辰36伴0.7办029霉0.个703婆20搁.71捏89矮0.7忠019或0.写796嚷50合.80孕25;0.2兼335铅0.循132萝20迹.15具34炎0.2沿214未0.或562泽30欧.58兴27认0.7秃198孝0.骂727蔬60饮.73塔59校0.7舒506稳0.护809醋20哀.82共21;0.2静368短0.爆143幻玉20番.16膛53院0.2跪205个0.睬582欧30沿.59贱71催0.7荒136蛛0.切712缩慧90榴.72轮63钻0.7议153唐0.辩809均10模.82仰17;0.23残420瞎.136刷80.叹1602释0.2夸131临0.57榴260蛾.582壁20.霞7101谣0.7缺098鹊0.71令270址.712划10.军7995绪0.8躁126;0.21纯130菠.121狂20.答1305粥0.1亚819欧0.49裤520踪蝶.531驻20.休6886位0.6肉898龟0.69赞990千.732扩30.龙7721愿0.7费956;0.2详005判0.写112召10压.12羊07迹0.1本605顾0.负455催60泳.50似22虚0.6笨553翠0.馋667搁30败.67伸98岔0.7肆023瞧0.捞752伶10未.77识56;0.2旦123致0.近125矛70违.13炊43瞎0.2持079警0.杀557座90斩.57绞16烫0.7伟059摇0.纽奉714怜50镰.72郑05息0.7笛401减0.剖801券90奏.81困36]规'2.6.愈1实例兽1神经讯网络在负轮荷预测中闷的应用7.主要俗的源码%创建渗一个新归的bp盾前向神量经网络%new绢ff--私生成一个排新的bp浊前向神经缠网络net低=ne娇wff笨(mi趋nma旷x(P绢),[店10,贸12]呢,{‘润tan盼sig诞’,‘嫁log叛sig睡’},就‘tr爹ain问lm’野)；%设置训川练参数net.误trai购nPar慌am.s傅how=祝10;限%每10构代显示一连次net愿.tr荒ain罗Par的am.挣lr=酱0.0绑5;黎%擦训练速道率net.丑trai帽nPar图am.m嫂em_r练educ库=3;net袖.tr此ain慨Par遗am.祖mc=疼0.9忘;草%动驼量因子net.彩trai志nPar屈am.e六poch紧s=10质0000民;狱%恋训练的代贷数net舱.tr枣ain紧Par响am.幻玉goa对l=0轰.01咏;博%目标吧误差2.6早.1忽实例1括神经住网络在戏负荷预葱测中的姿应用7.主要的症源码%训练b牧p前向神筐经网络[ne嚼t,t渡r]=苍tra价in(僵net逗,P,语T);%仿真A=si夺m(ne帮t,P)％计算仿保真误差E=T-绞ASSE洗=ss火e(E架)2.6.钳2实例览2基于姻神经网络固的变压器社故障诊断1.问题提滋出及解睁决方案电力变忘压器的红安全运膊行对保套证供电回的可靠浴性具有糠重要的不意义，制现有的台实验方纯法中，知油中溶燃解气体席(DG础A)分碗析对设井备的早荷期潜伏汇性故障持较为敏风感。但魄通常采骆用的几含种分析纷方法均血有缺陷筛，如特殊征气体请分析法碑仅定性屈的说明组气体含交量与对茫应故障灰的关系哗，不利壳于诊断疮的实现晨；IE伴C三比蛮值法和典日本的悄改良电帐协研法逮均采用旁比值编寒码法，碍存在编浆码缺损短等问题档。因此汗，很有乖必要探歉索一种誓更方便疾、更可帖靠的诊示断方法踩，以提卧高诊断丙的正确赌率．由悄于神经驾网络(欢ANN谅)具有大并行处榜理、学绣习和记吼忆、非喇线性映折射、自需适应能陪力和鲁丽棒性等所固有性蜘质，使畜其非常翅适合应办用在电垂气故障紧诊断领剧域。为糟此，本脑实例针仅对变压逃器故障洽特点，献研究采北用合适发结构和息算法的屡神经网梨络，用脑以实现棍变压器魂故障的地准确诊鱼断。2.6妨.2摆实例2茧基于睛神经网访络的变胜压器故晃障诊断2.变压器慌故障诊男断的A我NN设迅计网络输入榜层节点数写就是一个灿模式所包品含的特征钞量数。在纠油色谱分踏析领域中凤，基于油贵中溶气体崖类型与内访部故障性终质的对应错关系，以缸油中5种钥特征气体蛛为依据的休判断变压挠器故障的痛方法。其吐特征量为体H2，C城H{，C纺2H4，刃C2H2加，C2H恒6，这样色点数N为油5的网络坐输入层定嘉，如图3前所示。在特对变压器径的故障识扁别时，变熊压器的故赠障类型选讲择为：中革低温过热卵、高温过冶热、低能船放电和高鼠能放电。栏当考虑正虚常情况也纵作为一种投类型时。贿一个M赖为5节点许的网络输岭出层被确急定。2.6.惜2实例丑2基于系神经网络皮的变压器歌故障诊断2.变压器挑故障诊亏断的A期NN设采计2.6.金2实例特2基于哗神经网络倚的变压器蓄故障诊断3.变压器醒故障诊缓断训练张样本2.6.龟2实例拆2基于掀神经网络专的变压器性故障诊断4.ANN网浪络训练与搁分析在实验拔测试中合，收集西了30林组变压奇器样本薯，并随湿机取出竟20组穴样本用茅于神经镜网络训铸练，其偿余的样毅本作为昌仿真。2.6.落2实例著2基于辫神经网络票的变压器薄故障诊断5.结揉论神经网络东的诊断要遭比三比值际法准确。孙通过改进携学习训练杏算法，可剥在同等的题收敛要求项下，获得咐较高的精旅度如果输移入模式羡与训练错样本偏价离较大砌，则网银络可能请得出错控误的结炸论。这例反映了私网络不娘具备此茧种症状姐的知识宫，因此蓝，可将台该样本日作为新迷的样本仅加入训棍练样本包集训练首网络，归使之获腹得更多疮的知识对溶解蔽气体分非析法存英在的问赠题，将劲人工神饿经网络瓦应用于氧变压器井故障诊术断；根洋据变压帅器故障坛的特点锯，采用锐了动量闹因子技秋术的神驼经网络绸BP算匹法，使翼诊断网三络具有掩较强的桨学习能秤力、泛夕化能力订和适应挺能力第三章轰遗传算法青及其在电砌力系统中弟的应用3.1淹概述遗传算嫁法的基抱本思想茫是基于拥Dar嚼win海进化论梦和Me屯nde靠l的遗存传学说厌的。D沾arw苹in进佳化论最称重要的传是适者搜生存原粉理。它蓝认为每塑一物种离在发展颤中越来徐越适应证环境。装物种每洁个个体差的基本墙特征由锻后代所瞧继承，歉但后代腐又会产府生一些到异于父凯代的新筋变化。裂在环境孩变化时忠，只有诸那些能绞适应环垄境的个战体特征傅方能保谣留下来苗。Me抬nde渗l遗传肢学说最娱重要的熄是基因计遗传原陆理。它颂认为遗踏传以密壶码方式瓣存在细堂胞中，旗并以基抵因形式笨包含在疲染色体脱内。每直个基因壮有特殊姥的位置泼并控制爹某种特贯殊性质究。所以城，由基有因产生榜的个体首对环境偏具有某四种适应桐性。基躁因突变蓝和基因洋交叉可们产生更忽适应于警环境的盲后代。彻经过存编优去劣些的自然放淘汰，看适应性蛮高的基悉因结构育得以保垒存下来靠。由于闸遗传算崭法不依颤赖于被古优化对择象数学卫模型，峰不需要鼻导数信军息，属陕于全局饭多点随芽机搜索予算法，杨因此，尾目前被演广泛应薄用于各扑种复杂怨优化中狱。3.2蓄遗传姻算法的润特点与捎优点（1）洒自组织岩、自适比应和学立习性。违（2晒）遗传搭算法按艰并行方勤式搜索俩一个种帜群数目于的点，号而不是冻单点。冲（3涨）遗传售算法不渔需要求制导或其哨他辅助哭知识，筝而只需贴要影响督搜索方煤向的目毛标函数矩和适应胁度函数除。

（菊4）遗予传算法堪强调概颈率转化钥规则，喂而不是粮确定的翠转换规弃则。纳（5）蒸遗传算轿法对给黑定问题哨可以产尖生出许进多潜在仅解，最坝终选择共可以由霞使用者艺确定3.3纱生物进化妖理论和遗裤传学基本惹概念染色体漆——议生物细蜜胞中含形有很多论微小的拿丝状化距合物，嫁它是遗写传物质售的主要唯再体，疏由多个棉遗传因祸子——丝式基因组由成。个体——载指染色体嫁带有特征布的实体。垂如：人就请是一个个轿体，人的些各种不同支的特征可记以用含有蝇不同遗传帖信息的染族色体表现璃，不同的杀染色体能倡决定人的耳特征的不帽同特征。种群—劫—染色矿体是带婚有特征便的个体厉的集合索称为种邻群。该插集合内烘个体数滚称为群久体的大使小。有迅时个体拥的集合柴也称为不个体群改。如：死人类就孤是一个面种群，海种群中扭由各种乓各样不常同性格贸，不同煎外观特予征的人晌组成。3.3驶生物钱进化理淹论和遗传传学基份本概念进化—胜—生物际在其延湿续生存寺的过程点中，逐许渐适应可其生存铸的环境庙，使得冒其品质店不断得奋到改良厅，这种收生命的堡现象称其为进化量。生物辫的进化鸣以种群兼的形式骨进行的纸。如：岔如人从知猿人进绑化到今明天富有息智慧的为现代人胆，这一枣个过程齿就是进填化过程浆。适应度—俊—在研究谋自然界中贷的生物的赏遗传和进灯化现象时压，生物贿学家使用殊适应度这手个术语来练衡量某个考物种对于层生存环境凡的适应程误度。对于舟生存环境得的适应程历度较高的棚物种将获帐得更高的零繁殖机会顿。而对于务生存环境培适应度较唱低的物种摔，其繁殖巨机会就会申较少，甚糟至灭绝。3.3沟生物温进化理唉论和遗康传学基帆本概念选择—赢—指决城定以一袋定的概啦率种群奶中选择绑若干个伍体的操昌作。而梦一般而赖言，选鬼择的过半程是一间种基于寒适应度独的优胜贯劣汰的估过程。复制—微—细胞亭在分裂跳时，遗杆传物质扮DNA臭通过复昏制而转怖移到新谎生的细例胞中，觉新的细社胞继承蹄了旧的歇细胞的稼基因。交叉——灭有性生殖画生物在繁劣殖下一代听时两个同河源染色体必之间通过击交叉而重艺组，亦即形在两个染殃色体的某她一相同位细置处DN筛A被切断扬，其前后奶两串分别话交叉组合脊形成两个奶新的染色熔体。这个霸过程又称著基因的重另组。3.3扁生物均进化理幼论和遗赌传学基沉本概念变异—里—在细绢胞进行吓复制的开过程中勿可能以吧很小的炮概率产黄生某些腥复制的马差错，祸从而使丸DNA漏发生某片种变异认，产生鼓新的染陪色体，劝这些新注的染色喇体表现借出来新惰的性状肝。编码—除—DN秧A中的筛遗传信爹息在一韵个长链坡上按一扬定的模但式排列遇，也即翅进行了篮遗传编旧码。遗占传编码饰可以看幕作表现教型到遗答传子型辜的映射但。解码—置—从遗租传子型铅到边现寸型的映册射。3.4蜂遗传算法掠的基本操耐作1选多择选择是确裹定交叉或巡寿者交叉个缘瑞体，以及健被选个体亡将产生多飞少个子代沙个体。首久先要计算凤适应度：上（1）按暑比例计算扬适应度，相（2）基磁于排序的扬适应度计尝算。个体染色体适应度选择概率累积概率1000110000080.0869570.0869572010111100150.0543480.1413043000000010120.0217390.16304341001110100100.1086960.2717395101010101070.0760870.34782661110010110120.1304350.4782617100101101150.0543480.53260981100000001190.2065220.73913091001110100100.1086960.847826100001010011140.1521741.000000轮盘赌想选择3.4撞遗传息算法的绩基本操落作2交须叉再生之后滔重要的遗悦传操作交荷叉，在生叔物学上称庆为杂交，啦可视为生镇物之所以杯得以进化焰之所在,拨随机产生阔一个交叉话点位置，是父体1和别父体2在意交叉点位响置之右的滩部分基因既码互换，希形成子个换体1和子群个体2。蒸类似地完糟成其他个拥体的交叉吼操作。单点交叉父体1：0001/01011父体2：1110/10110子体1：1110/01011子体1：0001/10110个体间科的单点授交叉3.4三遗传析算法的麻基本操槐作3变异作用：如晨果只考虑表交叉操作遵实现进化吐机制，在毯大多情况梨下是不行动的，这与泊生物界近厚亲繁殖影坡响进化历董程是类似想的。因为矿种群个体英数是有限柴的，经过伶若干代交摸叉操作，补因为源于继一个较好移祖先的子查个体逐渐似充斥整个暴种群额现爆象，问题煎会导致过承早收敛，窑当然，最肾后获得的畅个体不能聪代表问题希的最优解此。为了避耽免过早收大敛，有必持要在进化纲的过程中永引入具有岗新遗传基很因码发生碎了突变，摘这对于保半持生物多先样性是非捎常重要的有。实现：扰模仿生统物变异黄的遗传看操作，截对于二久进制的鄙基因码麦组成的咳个体种性群，实后现基因看码的小朝概率翻诵转，即但达到变暗异目的变异父体1：000101011子体1：000001011变异操作3.5硬遗传算法鸽的进化过盘程示意一般而预言，一谎个世代订的简单贱进化包蛙括了适中应度的着选择和醉再生、钥交叉和盗变异操铺作。将涌上面的司所有种大群的遗糖传算法饶综合起疮来，初弊始种群歉第一代绒进化过懂程如下隔图所示书。初始捉种群经多过选择凯操作，迫适应度乐较高的戏8号和戴6号个拨体分别拦复制出探2个，病使硬度车较低的门2号和没3号遭茧到淘汰佣，接下速来按一灵定的概停率选择示了4对丝式父个体蛋分别完崖成交叉珍操作，睁在随机傲确定的张“/”乓位置实茶行单点翻交叉生妥成4对崖子个体膝。最后抽按小概肯率选中谁某个个侮体的基路因码位沈置，产稻生变异抗。这样五经过上慨述的过枕程形成隐了第一析代的种咱群。以衰后一代杠一代地稿进化过符程如此活循环下过去，每勉一代结陆束都产辰生新的萄种群。脸演化的同代数主页要取决炭于代表草问题解防得收敛筒状态，肤末代种券群众最杰佳个体汪作为问尘题的最拢优近似欺解。3.5具遗传算法算的进化过明程示意初始种群变异交叉选择、复制00011000000101111001000000010110011101001010101010（8）（5）（2）（1）（7）11100101101001011011110000000110011101000001010011（12）（5）（19）（10）（14）0001/1000001110/00101101100/00000110011101001010/1010101110/0101101001/0110111001/11010011000000010001/01001111101000001001001011010010000011001110100000110101000010101101110011011110011010011000000011010010011111010000010010010110100100000110011101000001101010000101011011100110111101110100110000000110100100113.6绑一个典型版遗传算法替流程框图N初始化参数停止对待优化参数进行N位二进制编码初始化种群模型仿真，计算适应度用轮盘赌法选择个体，并保留适应度最好10%个体按0.85的交叉概率用单点交叉法进行交叉操作按0.01的变异概率变异是否满足算法结束条件显示优化后结果开始Y解码3.7瞒MATL秒AB遗传等算法工具辨箱使用遗传算法陪工具箱M珠ATLA震BGe森neti川cAl雷gori外thm录Tool治box劫旨在提供礼设计允许汗遗传算法饥的环境，锅和神经网烤络工具箱绵一样，遗私传算法工逃具箱也提凳供了一套识基于MA糠TLAB辣的函数供脊开发者使颠用，利用亦该工具箱兰，可大大猜节省开发六时间。3.7际MA浆TLA得B遗传搁算法工给具箱使嫂用遗传算法闭工具箱M麦ATLA趟BGe闲neti常cAl村gori凯thm坚Tool僚box违旨在提供稠设计允许拖遗传算法东的环境，傍和神经网钞络工具箱汪一样，遗垦传算法工衣具箱也提妇供了一套乡丰基于MA桃TLAB萌的函数供韵开发者使店用，利用纱该工具箱皇，可大大贞节省开发角时间。3.7斧MA迈TLA棵B遗传饲算法工挠具箱使寇用一个典型旁的遗传算薄法LIND夜=8笋;夫%鞭染色体铁长度NVAR惕=2膀;跃%矿优化变创量数目NIND民=1鄙0;将%粗种群数扮目GGA搁P=匹0.帅9;季%代习差，指陆得是上鱼代最好热的10虎%个体不参与下扫一代的复挡制操作XOV锦=0.捡7;丛%兔设置交市叉率MUTR腿=0酿.017叛5;%剂设置变疑异率MAXG册EN=皮30;腔%细优化代节数%指豆定编码樱方式，轰变量范盒围，交晃叉方式Fiel馅dD=倾[LI批NDL餐IND;裳11戴;10宫001质000;榨11广;0份0;0张0;驴00]刷;Chr热om螺=c振rtb叶p(N蝴ind幕,L凡ind俗*NV鼻AR)终;%创建幻玉初始化种郑群%计算适嫂应度Obj柜V=掀ob蜜jfu捞n(b某s2r沟v(C宇hro窗m,铲Fie仔ldD时));3.7恐MATL踢AB遗传傍算法工具巡寿箱使用对Fi朱eld蠢D的版解释Fie松ldD纹=脂[LI叹ND径LIN驰D;呼11圾;1届000隶10谨00;鞭1躁1;陕00西;0牧0;厚0派0];解释：两列对应溪两个变量恢，上面设妹置的含义睬指染色体讨长度为8象；1-1漂000是晨变量范围汽，[1垄00陈0]’指惩的是二进检制编码与退单点交叉3.7挡MATL茧AB遗传棉算法工具警箱使用对Chr诉om=收crt韵bp(N锈IND,静LIN托D*NV流AR)的骄解释解释：crtb鸦p函数的车运行结果觉是产生由袖10个个蜜体组成的降初始种群掠；其中每婆行表示一超条染色体酬，即种群押中的一个躺个体，由怒于被优化携的变量为筐2个，每狂个变量的珠编码长度帝是8，故削每行由1敏6位0、卡1构成的茄随机字符凉串；一共仁10行表瓣示10条疾染色体。3.7拒MA微TLA赤B遗传帝算法工穷具箱使私用对Ob您jV凶=o陕bjf君un(灭bs2净rv(催Chr间om,碌Fi软eld夕D))肢的解释炭;Bs2单rv函离数是对较产生的央初始种果群进行咸解码，慢也就是舱根据F屡iel怕dD变耕量的设踢置把初迁始种群字由二进璃制表示序的染色敬体转化肃成10耽进制；Obj司fun访是开发邻人员根浸据实际境应用编鼻制的适做应度函缘瑞数，注晚意该函北数并不蔬是被优章化对象而的数学缴模型，域而是用迁来评价高个体性铅能好坏杨的函数既，特别值得猴注意的是法适应度函番数必须满李足两个条酷件：1是尺适应度函瞧数必须是曲正的，2旺是其值越匹大表示性判能越好。3.7溜MA嗓TLA追B遗传严算法工脖具箱使剪用一个典冒型的遗驱传算法纽奉续当遗传算庭法初始参瓜数设置完导毕，就转扯入遗传进异化：Gen真=砖0;复%寨计数器whi漆le家Gen坡<哑MAX附GEN刊%煎优化循风环Sel己Ch疲=s唱ele满ct(聪’su困s’,伶Ch啄