专家系统在500kv变电所设备操作中的应用

来源 :第三届全球智能控制与自动化大会 | 被引量 : 0次 | 上传用户:lifei111
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
该文介绍了500kv双龙变电所操作票自动生成系统。提出了一种采用“变电所设备拓扑模型化+在线网接线分析+SCADA信息+领域知识库+分层推理机”的实用专家系统构成方案。难于用领域规则解决的“状态识别”和“状态改变”的关键问题用在线网络接线分析来解决,使专家系统体现出较高的智能性,具有很好的跟踪电网运行方式的能力。建立了变电所一次设备对象拓扑结点模型、母线模型和二次设备的关联模型;充分利用了SCADA实时信息;用多重产生式系统来构造专家知识库;设计了解释机,能对推理过程和知识利用情况进行详细解释。该系统于1999年5月在金华500kv双龙变中投入运行。
其他文献
分析黄河口演变对下游河道宏观、中观和微观的反馈影响,说明它们之间是辩证统一的关系;河口长度是决定反馈影响的控制因素;为了减小河口淤积延伸对下游河道的反馈影响,应在黄河中上游、下游、尾闾河段采取综合治理措施,尽量缩短河长。
"拦、排、调、放、挖"是近期治理黄河泥沙的主要途径。黄河河口地区存有世界上最年轻的土地,利用维持黄河健康生命的水量,有计划地进行放淤改土,既减少了河口河道的淤积、延长了黄河的寿命,又改造了黄河河口地区的土地,是功在当代、利在千秋的大事,应积极推进。本文试图通过对当地自然环境的调查,论证在河口地区进行放淤改土的可行性,以及其对河口河道的减淤作用。
在黄河河口建设双导堤,把黄河泥沙输送至海动力较大的深水区,减缓河口淤积延伸,稳定河口入海流路。研究分析,双导堤布置起点为海水高潮水位;末端布置在-10m等深线;宽度约500m;总体上呈一喇叭口形,从原导堤河道宽1~2km,过渡到新修导流堤河道宽0.5km;双导流堤结构:原导流堤至低潮线,为土石堤加筋土工格栅、低潮线至-2m等深线为充沙长管袋、-2m等深线至-10m等深线为混凝土插板桩。
供需链管理中一个重要的问题是加快各类交易数据,由于经济的全球化趋势,一个先进企业或商业机构会不断地获到来自于自身以及链中其他企业的各类数据,全国乃至世界各地,包括生产、供应、销售等,或者还包括竞争对手的各类数据,如何从这些数据中获取信息,获取信息后怎样采取行动,这需要数据采掘技术来完成信息的获取和分析任务。该文从供需链的各个层次上研究了数据采掘技术,在制造、零售、银行业等部门分析了利用数据采掘技术
该文讨论了多输出前向网结构分解的理论和方法,即多输出前向网是否可分解为多个单输出前向子网,及怎样作结构分解的问题。作者们发现,多输出前向网确实存在这样的分解,且结构分解系统中的每个子网都可能具有比原网络更少的隐节点。因而整个结构分解系统也会具有更好的泛化能力。基于这一理论。该文提出了两种结构设计方法:基于结构分解的权袁减法(SDBWD方法)和基于结构分解的动态节点创建方法(SDBDNC方法)。作者
电力市场中存在多个竞标者,“牵一发而动全局”,但双非一个或几个竞标者可完全左右市场行为,这一特点使得市场问题非常复杂。该文通过对PX搓合交易机理的研究,探讨了MCP的形成机制,建立了市场价的数学模型,导出了竞标者改变竞标策略对PX市场电价影响的公式。文中的数据仿真结果反映出非管制电力市场的运行中,竞标者改变竞标策略对PX市场的影响,该研究将有助于寻求最优竞标策略。
电力系统市场化已成为国际电力工业的发展趋势,电力市场交易价格的预测是新模式下需要及时研究解决的关键问题之,它对于市场对策的制定具有十分重要的意义。该文以美加加州提前一天电力市场为背景,采用三层前馈神经网络模型建立了各小时电力预测模型。在模型的训练、检验过程中、作者们使用的是美国加州提前一天市场的实际价格和交易量的历史数据,以及负载预测等一些可能影响市场价格的公共信息。初步结果表明作者们的模型是有很
该文介绍了一个基于DSP实现等效采样的电路的设计原理。该电路的实时采样率为40MSPS,采用等效采样技术之后,最高等效采样率可以达到10GSPS。
对于通过积分器回代的一类仿射非线性系统,在存在未知非线性函数或不确定性的情况下,提出了基于神经网络的自适应回代设计方法。利用神经网络逼近系统中的未知函数或不确定性,然后利用自适应回代方法加以设计,得到了无需离线训练的神经自适应回代控制器。基于Lyapunov稳定性理论,得到了神经网络的权值更新律、误差自适应律、稳定函数及控制律,确保了闭环控制系统的稳定性。仿真结果验证了神经自适应回代控制方法的有效
酮苯脱腊溶剂回收装置的节能优化控制必须在保证润滑油的质量前提。该文利用BP神经网络独到的非线性映射功能,提出用“软测量”技术来估计润滑油的质量指标“闪点”。将辅助变量作为ANN的输入,将主导变量作为输出,可通过网络学习来解决不可测量的软测量问题。需要指出的是,训练样本的空间分布和训练方法对ANN的性能有极大的影响.对于大规模的复杂过程,则可采用多个网络和局部训练的方法,以避免整个网络神经元数目太大