神经元与神经网络（连载一）

简述了神经元的结构、基本特征和模型，人工神经网络的特点、结构、学习、基本功能、研究内容及其前景、实现的基本途经，以及人工神经网络与人工智能的关系等问题。最后介绍了人工神经网络在电力系统应用的现状及前景。     

人工神经网络在电力系统中的应用与展望

本文阐述了人工神经网络的基本特点和实现方法,对人工神经网络在电力系统中的故障诊断、智能控制、继电保护计算优化等方面的应用研究情况进行综述,对应用研究的不足及发展作了一定的分析和展望。     

发电设备的故障诊断及其发展

分析国内外发电设备故障诊断技术的产生发展,阐述了人工神经网络、模糊集理论等智能方法的发展及在电力系统故障诊断领域中的应用,这些方法为电力系统的故障诊断开辟了新的有效途径。     

人工智能技术在电力系统继电保护中的应用

90年代以来,电力系统保护领域内的研究工作转向人工智能的应用,本文简要介绍了一些人工智能技术如专家系统、暂态保护、人工神经网络、模糊集理论、小波分析等在电力系统继电保护领域中应用,分析了各种方法的优缺点,并提出今后的发展方向。     

人工智能在电力系统运行中的应用综述

人工智能技术（AI）广泛应用于求解非线性问题中,在电力系统的控制、管理、运行等领域发挥着重要的作用。阐述了专家系统、人工神经网络、模糊集理论和启发式搜索等人工智能技术在电力系统中各自的应用特点,展望了人工智能技术在电力系统中的发展趋势,指出混合智能是人工智能的重要发展方向之一。     

基于模糊逻辑与神经网络的短期负荷预测

针对电力系统受多种因素影响的特点,应用模糊逻辑理论和人工神经网络两种方法,发挥各自优势,设计出一个有效的电力系统短期负荷预测系统。该系统着重考虑温度、日期类型以及特殊日期等因素对负荷的影响,实际测试证明可以提高系统的预测精度,适合在电力系统短期负荷预测中应用。     

模糊式电力系统稳定器研究综述

近年来,模糊集理论在电力系统中的应用日渐受到国内外有关学者的关注,研究范围涉及电力系统规划、运行、负荷预测、状态评估、控制、故障诊断等领域,其中以在控制方面的应用最普遍。概述了模糊控制的特点及在电力系统稳定器设计中的应用,介绍了模糊式电力系统稳定器的设计步骤及国内外的研究概况。并根据其存在的问题,指出了基于模糊控制与人工神经网络相结合的电力系统稳定器,将是今后研究的主要方向。     

基于人工神经网络的继电保护研究

简述了人工神经网络技术的基本特点,介绍了人工神经网络技术应用于继电保护的优越性,分析了人工神经网络在电力系统继电保护中的故障检测、故障定位,自适应自动重合闸技术、差动保护及距离保护的应用研究情况.     

人工神经网络在电力系统继电保护中的应用

简述了人工神经网络的基本特点。较详细的分析了人工神经网络在电力系统电流保护、距离保护、方向高频保护、差动保护、自适应单相重合闸以及变压器保护中的应用。     

模糊式电力系统稳定器研究综述

近年来,模糊集理论关电力系统中的应用日渐受到国内外有关学者的关注,研究范围涉及电力系统规划、运行、负荷预测、状态评估、故障诊断等领域,其中以在控制方面的应用最普遍。概述了模糊控制的特点及在电力系统稳定器设计中的应用,介绍了模糊式电力系统稳定器的设计步骤及国内外的研究概况。并根据其存在的问题,指出了基于模糊控制与人工神经网络相结合的电力系统稳定器,将是今后研究的主要方向。     

一种基于模糊逻辑和神经网络的短期负荷预测的方法

应用模糊理论、人工神经网络等智能技术,确定了有效的电力系统短期负荷预测方法,其中着重考虑了天气因素对电网负荷的影响,采用了具有高度非线性映射能力的人工神经网络与具有较强结构性知识表达能力的模糊逻辑相结合的算法来预测负荷,经初步测试表明,该方法具有良好的预测精度。     

人工鱼群神经网络在电力系统短期负荷预测中的应用

短期负荷预测结果对电力系统的经济效益具有重要影响.人工鱼群算法是最新提出的新型寻优策略,具有良好的克服局部极值、获得全局极值的能力.文章建立了一种新的人工鱼群神经网络预测模型,利用人工鱼群算法训练神经网络的权值,再将该神经网络用于短期负荷预测.对某电力系统进行的负荷预测结果表明,该方法与传统的BP神经网络预测方法相比具有较强的自适应能力和较好的预测效果.     

基于Matlab神经网络工具箱的电力负荷组合预测模型

在电力系统负荷预测中，组合预测是一种有效的方法。该方法通常是采用对单个预测模型进行加权处理，要求参加组合预测的模型误差能保持稳定，但电力负荷预测结果的误差往往是非均匀性的，针对上述做法存在问题，提出了基于人工神经网络的组合预测模型，利用人工神经网络对复杂非线性系统的拟合能力，通过网络训练自适应地调整各种预测模型的权重，同时，为了避免用常规语言建立人工神经网络负荷预测模型存在的模型结构复杂，训练时间长等缺点，利用Matlab神经网络工具箱建立组合预测模型，该模型不仅编程简单，而且收敛速度快，算例表明了该模型的实用性和有效性。     

神经网络控制的三相并联有源电力滤波器设计

针对现有各种谐波检测方法的不足,在分析了滤波器的工作原理和传统的神经网络控制算法之后,提出了一种新的神经网络控制算法,设计了一种应用于电力系统中补偿无功和抑制谐波的三相并联有源电力滤波器(APF),该滤波器由一个三相PWM电压源逆变器及其控制电路组成。将负载电流、直流侧电容电压与系统电压输入改进的神经网络,计算出并联有源电力滤波器的参考电流,参考电流输入滞环电流控制器获得逆变器的触发脉冲,从而得到补偿电流。通过Matlab仿真表明,由改进的神经网络控制的滤波器,在负载变化及其电流变化情况下都有良好的性能。同时,通过数字信号处理器实现的系统实验验证了该方案的正确性。     

基于神经网络的短期负荷预测

针对电力系统短期负荷的变化与影响因素间的复杂非线性关系,首先,提出用BP神经网络进行负荷预测,接着,在输入变量的选择上引入了负荷日期和气象温度,对于日期变量分为工作日和休息日,对于气温变量进行分段处理。最后通过实例仿真表明该方法可以取得较高的预测精度。     

基于模式识别的自适应短期负荷预测系统

短期电力负荷预测是电力调度部门制定发电计划的依据,预测系的灵活适应性是实现电网经济运行的重要保证。在分析影响日电力负荷主要因素的基础上,给出了用于日荷预测的负荷模式定义,基于海明距离给出了负荷模式相拟度的计算方法,有效实现了预测负荷所需要的历史负荷模式样本的抽取。利用人工神经网络实现由历史负荷模式到预测负荷的映射。基于C＋＋面向对象的程序设计方法开发了一套灵活的智能自适应短期预测系统。多个用户的应用结果表明,本系统具有很好的实用性和满意的预测结果。     

一个综合智能化电力短期负荷预测系统的研究

介绍了一个模块化的综合智能化电力短期负荷预测系统,第一个愉采用人工神经网络建模,第二个模块采用自适应最优模糊逻辑系统建模,第三个模块是实现前地预测的基础上,针对其预测方法的不足,辅以模糊专家系统的修正机制,在天气变化不大且没有特殊事件发生时,可直接用自自适应最模糊逻辑系统预测方法和人工神经网络方法预测星期二到星期六的负荷,不必用模糊专家系统进行修正,对于星期日和星期一的负荷,或当天气突变,有特殊     

多因素影响的灰色神经网络组合电力负荷预测

一般的电力负荷预测都是只针对电力历史负荷值做预测,而实际电力负荷是受到各种因素制约的复杂非线性系统.首先提出多因素影响的灰色神经网络组合预测模型,研究同时考虑了在各可定量分析因素影响下的负荷增长和波动二重趋势性问题.通过电力负荷预测应用的实例,对某地区电力负荷值,GDP值和各产业值进行分析,建立对应的优化组合预测模型,并与其它算法进行比较,计算结果表明,所提出的方法综合考虑了电力负荷的多种特性,能有效地提高负荷预测精度.     

基于深度置信网络的电网故障类型辨识

高效可靠的电网故障分类有利于指导调控人员快速排查和消除故障、恢复系统供电,对保障系统安全可靠运行具有重要意义。为了克服浅层智能方法对信号处理技术和人工经验的依赖以及对复杂电力系统特征提取和表达的不足,文中基于故障录波信息,提出一种基于深度置信网络的电网故障类型辨识方法。直接以故障发生后的各相电流/电压以及零序电流/电压作为网络输入,从原始时域信号中自动学习和提取故障状态特征,从而实现故障类型的辨识。IEEE 39节点仿真系统案例和电网实际故障案例均表明该方法具有良好的故障特征提取能力,在数据降维过程中能保持数据原本的特征,且辨识结果不受过渡电阻、故障时刻、故障位置、负荷大小等因素的影响,与传统人工神经网络模型相比其识别准确率更高。     

神经网络智能算法在发电机主绝缘状态评估领域的应用

随着人工智能技术的不断发展,传统的电力装备制造业迎来了巨大的再升级空间。电力装备的智能制造、智能检测及智能控制等方面已经成为我国工业革新向多维度拓展的关键环节。同时智能电网的快速发展也为电力设备智能化提供了新的机遇。本文介绍了神经网络作为人工智能技术的核心算法在电力装备领域的应用及其在国内外现状和前景,并给出了神经网络的基本学习算法和拓扑结构,着重分析了不同类型神经网络的数学模型和特点。最后通过介绍径向基神经网络,给出了该算法在发电机主绝缘检测、诊断及大时间尺度下在神经网络寿命评估中的应用。