预览加载中,请您耐心等待几秒...
1/6
2/6
3/6
4/6
5/6
6/6

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

探讨电力系统中自动化智能技术的应用【摘要】近年来我国社会、经济呈现出飞速发展态势电子行业也取得了长足的进步自动化、智能化技术的出现又一次的提升了人们的生活质量改变了人们生活和生产方式其中在电力系统中的应用更为广泛也得到社会各方面的认可。本文从电力系统自动化中的智能技术应用入手就模糊控制、神经网络控制以及专家系统控制等做了详细研究以供参考。【关键词】电力系统;智能技术;自动化;应用;模糊控制;专家随着信息时代的全面到来我国人民生活水平得到飞速发展智能技术的广泛应用在很大程度上提升了人们的生活质量它也让电力系统自动化变得更加广泛。电力系统中自动化智能技术的应用在目前已经受到社会各界人士的高度关注也得到多方面的认可。就具体工作实践而言智能技术的应用极大的推动了电力事业现代化、自动化发展进程因此这里我们有必要对电力系统中的自动化智能技术的具体应用情况做深入分析。1.电力系统自动化智能技术的落实电力系统本身是一个巨大的动态系统有着非线性、时变性、参数不稳定性的特征并且在具体的运行之中还会受到地域广阔、环境复杂的因素而出现元件运行延迟、磁滞以及饱和等现象。面对这种现象要想真正实现电力系统全面、全方位、全过程控制困难重重。另外由于目前社会对电能需求量的不断上升公众对线路的不满情绪也变得越来越高涨以及人们对电能供应稳定性、安全性要求的提高这个时候线路造价特别是走廊的使用权等费用不断上升也很大程度上限制了企业对电力系统控制技术的研究。面对上述问题电力系统自动化智能技术的应用优越性就表现的非常明显同时一些先进的技术也逐渐涌入到电力系统中为电力系统的改进和优化做出了积极贡献。在电力系统中自动化智能技术的落实必须要提前编制出科学、合理的优化计划以及方案然后通过在电力系统中利用智能技术、自动化技术让整个工作人员都充分的发挥自己的能力开拓自己的思路坚持规范、实用以及创新原则全身心的投入到电力系统改革当中从而提高自己的动手、动脑能力这样一方面可以充分调动员工的工作积极性、主动性让员工清楚明确自己的任务分工从而实现按章办事、按制度办事的目的。另外这种方法的应用有效的提高了员工工作效率有力保证了电力系统中自动化智能化技术的应用质量。在具体的工作中我们还要对员工的工作进行有计划、有组织的安排将工作的先后顺序、重要程度进行合理安排并且按照员工工作状况、水平来做好调配工作认真合理的安排并且制定相关方案。且在电力系统智能化、自动化技术的应用当中我们要认真做好对新问题的对待、研究和解决坚决做到不放过任何隐患、将一切隐患消灭在摇篮里的工作目标。2.电力系统中自动化智能技术的应用2.1模糊控制模糊控制方法是一个简单且容易被人们掌握的方式而且它在家用电器中也表现出非常强烈的优越性、高效性。在具体的工作中建立一个简单、科学、有效的模型来解决这些问题也比较。但是要想按照企业发展规律、市场前景来制定模型其中还存在很大的问题。通过大量的实践证明模糊控制模型是一种很有效的方法且在电力系统自动化、智能化技术的应用方面效果非常突出。例如我们日常所用的电热炉、电风扇等电器。这里介绍斯洛文尼亚学者用模糊逻辑控制器改进常规恒温器的例子。电热炉一般用恒温器(来保持几挡温度以供烹饪者选用如6080100140℃。斯洛文尼亚现有的恒温器在100℃以下的灵敏度为±7℃即控制器对±7℃以内的温度变化不反应;在100℃以上灵敏度为±15℃。因此在实际应用中有两个问题:①冷态启动时有一个越过恒温值的跃升现象;②在恒温应用中有围绕恒温摆动振荡的问题。改用模糊控制器后这些现象基本上都没有了。模糊控制的方法很简单输入量为温度及温度变化两个语言变量。在这个时候模糊控制方法的应用很简单就是讲输入的量也就是温度变化量和温度这两个变量合理进行操作的过程在具体工作中运用五种语言的变量进行相互组合和描述这个时候每条规则之间会形成一个总的输出量也就是我们说的控制量。利用了这么一个简单的控制量之后我们会发现冷态加热的时候所产生的恒温值的现象已经没有了热态围绕着恒温值转动近而达到良好的节约用电效果。2.2神经网络控制人工神经网络从1943年出现经历了六、七十年代的研究低潮发展到现在在模型结构、学习算法等方面取得了大量的研究成果。神经网络之所以受到人们的普遍关注是由于它具有本质的非线性特性、并行处理能力、强鲁棒性以及自组织自学习的能力。神经网络是由大量简单的神经元以一定的方式连接而成的。神经网络将大量的信息隐含在其连接权值上根据一定的学习算法调节权值使神经网络实现从m维空间到n维空间复杂的非线性映射。目前神经网络理论研究主要集中在神经网络模型及结构的研究、神经网络学习算法的研