机电之家论文网

电力行业

您现在的位置：机电论文网>> 电力行业>> 正文内容

作者： 来源： 发布时间：2018/2/11 16:12:47  点击数：962

分类号：tp18 文献标识码：a
文章编号：0258-8013 (2000) 03-0045-05
intelligent engineering and its application to
power development strategy study
hu zhao-guang
（power economic redearch centre,beijing 100761,china）
fang yan-ping
（beijing college of information engineering,beijing 100085,china）
abstract：there are many studies on development strategies for manufactures. however, only fewer of them have been studied with some models quantitatively since there are lots of factors with uncertainty in social and economical areas, which are very difficult to be studied in the models. in this paper, intelligent engineering has been studied to provide a new way on development strategies. in order to do so, the fundamental of intelligent engineering and intelligent space have been studied.
key words：development strategy; intelligent engineering; intelligent space▲
1 引言
国家电力公司作为国有企业，能否将国有资产保值增值，具有较高的效益及利润，是需要研究的重要课题。对此，国家电力公司提出了发展战略构想，并着手研究企业的发展战略，为国家电力公司指出今后的发展方向。
国内外在企业的发展战略方面已有很多研究，也有一些模型，但大多是定性的研究，许多社会、经济领域中的不确定性因素，难以在模型中充分体现。对此，本文尝试采用智能工程的方法研究电力发展战略问题，为发展战略研究提供一条新的思路。
人工智能，神经网络，模糊系统3者之间有着一个共同点，即它们都试图模拟人类的智能行为。然而，由于它们各自采用不同的方法，所以各有优点和不足。本文的主要思想即将此3种方法结合起来，称为智能工程(ie)，以求在解决问题时共享各种方法之优点，同时避免其不足。为了实现这一目的，仅将上述3种方法简单地结合起来是不行的，必须建立起具有一定理论的智能工程基本框架。
2 人工智能、神经网络及模糊系统的基本概念
2.1 人工智能(ai)
在ai的研究中最基本的问题是知识表达及搜索问题，常用的形式是if-then规则。谓词算子在需要描述问题领域内的特性及关系之间定性推理而非数学计算其结果时是很有用的。
在问题的解决中搜索是一个关键点。它在问题的状态空间内探求解答。状态空间搜索把问题的解决描述为从初始状态到目标状态找到一个解决问题路径的过程。此路径可以通过建立一系列规则来找到，这就是推理过程。推理可用3种方式完成：前向搜索，后向搜索及双向搜索。
此外，ai模拟人类的推理过程［1］。在这种方法中，专家系统(基于规则的专家系统)被广泛应用于确定的问题中，比如dendral，mycin，proepedtor等等。有人认为专家系统可以解决ai的所有问题。实践证明这种看法是过于乐观的。ai确实已取得了许多杰出的成果，但也有许多失败的例子。我们可以看到有许多知识、经验和人类行为难以用完全的规则集来描述。即使它们中某些是可以用这种方法表示的，但规则的建立需要知识工程师与专门领域的专家相互沟通，而知识工程师要从专门领域专家那里获取有关问题的全部规则仍然是很困难的。从某种意义上来说，只有少数知识可以用规则集表达，而所有人类智能的重要方面都超出了一个简单规则集的范围。因为知识获取很困难，所以计算机要通过人工智能或专家系统来模拟人类智能也是很困难的。
2.2 神经网络(nn)
nn的研究来自于生物学领域的启示。它由一系列的基本元素以类似于生物体神经元的最基本功能的方式工作。这些元素以一种接近于大脑结构的方式组织在一起工作。除了这些表面的相似性之外，nn表现出了极多大脑的特性。比如，它们学习专家经验［2］，从以前的经验到新的知识进行归纳，并从包含不相关数据的输入中抽取必要的特性。nn通过训练进行知识的获取。它们以训练集的形式提出，其中包含表达实际问题的各种数据。在训练过程中，对各种元素的权值不断进行修正以满足实际输出值与期望输出值之间误差范围。这一优点使nn在许多领域得到应用［3、4］。
然而，尽管有这些功能上的相似，却不能认为nn将能模拟人类智能，因为：(1)不能确定人类大脑是以与nn相同的方式工作的；(2)无法模拟人类专家所能很好完成的不确定性问题；(3)当有众多个适合于用户的模型而难以作出最合理的选择时，还没有一个方法来引导我们如何选择。
2.3 模糊系统(fs)
fs以模糊集为基础，它由l.a.zadeh提出，在过去的几十年中得到研究，并取得了丰硕的成果、应用于多种领域［5，6］。
模糊理论认为所有的事物都有其度，它把许多人类心理学问题表示为机器可识别的形式。模糊理论把黑白逻辑和数学改变为特殊的有限的灰色关系，通过这种方式我们可以用模糊集的方式来表示人类的知识，比如“很好”，“强一点”，等等。这样，计算机可以用这种自然的方式获得人类专家的经验和知识。理论上的研究表明模糊系统能够以一种违反了黑白逻辑规则，特别是无冲突规则和排中规则的方式来模拟人类的推理过程。以fs为基础制成的模糊控制器现已被广泛应用于智能化控制的地铁、汽车系统及其它装置上。
然而，正象数学一样，fs只是一个工具，要想让计算机模拟人类的智能行为，fs必须与ai或nn共同工作。
3 智能工程(ie)［7］
从以上的简述，我们可以看到ai、nn及fs都有其各自的优点和局限性。有些研究人员已经把ai与fs或nn与fs相结合来满足实际问题的需要，并取得了很好的成果［8］［9］。为了使ai、nn和fs在实际问题上更加有效，下面讨论智能空间及智能工程。
本节中，集合的含义是集合或模糊集合［10］，状态是为描述某类不同事物间的差别而引入的一组元素s1、s2…sn的有序集合，如
s＝(s1，s2，…，sn)
其元素si(i＝1，2，…，n)可以为变量、集合(或模糊集)、结构图等。
定义1：智能路径是指(模糊)关系，(模糊)映射或转换的全部从初始状态集合s0到目标状态集合d的路径。可表示为
p：s0→d (1)
定义2：设d∈d且s∈s0，p是s0到d之间智能路径的集合,那么
d＝ip(s) (2)
公式(2)称为智能方程。
定义3：智能空间定义为
i＝〈p，s〉 (3)
这里s是状态的集合，p是从s0到d之间智能路径的集合，s0和d是s的子集。
定义4：问题b定义为
b＝〈s0，d，pb〉 (4)
这里s0是初始状态的集合，d是目标状态的集合，pb是s0到d之间智能路径的集合，它是智能空间中智能路径p的子集，即
pbp (5)
定义5：问题b＝〈s0，d，pb〉的一个解ps 是s0到d之间智能路径的集合pb的一个元素，记作
ps∈pb (6)
定义6：对于问题b＝〈s0，d，pb〉，若在s0到d之间智能路径的集合pb内有一个模糊集
fp: pb→［0,1］ (7)
则问题b的一个α-优越解定义为sl(α)，并且有
sl(α)＝｛x｜μfp(x) ≥α, x∈pb｝ α∈［0,1］ (8)
若x＝(p0,p1,p2,…，pn),那么一定有
μfp(pi)≥α, i＝0,1,2,…，n
定义7：若;是;的子空间，当且仅当
psp (9)
sts (10)
定义8:人工智能是在子空间;内求解问题b的α-优越解sl(α)的一种方法,这里pai是s内的关系集合,sl(α)中的fp为pai内的一个模糊集合，且
paip (11)
;; (12)
定义9：神经网络是在子空间;内求解问题b的α-优越解sl(α)的一种方法，这里pnn是集合s内的一个映射集，sl(α) 中的fp为pnn内的一个模糊集合，且
pnnp (13)
;; (14)
定义10：模糊系统是在子空间;内求解问题b的 α-优越解sl(α)的一种方法，这里pfs是集合s内的从一个模糊集合映射到另一个模糊集合的转换关系集，sl(α) 中的fp为pfs内的一个模糊子集，且
pfsp (15)
;; (16)
定义11：智能工程是在智能空间;内求解问题b的α-优越解sl(α)的一种方法。
定义12: 对于问题b＝〈s0，d，pb〉，若在s0到d之间插入m－1个中间状态(子目标),形成有序序列
s0, d1,d2,…，dm－1,d
则称 b1＝;
b2＝;
…
bm＝;
为b的m个与子问题。 记为 b＝b1∧b2∧，…，∧bm
定理1：对于问题b，如果在智能子空间
;内有一个α-优越解sl(α)，那么在智能空间;内存在一个 α-优越解。
证明：由于在pai内有一个模糊集合fp，并且有paip，那么fp是p内的模糊集合。
定理2：对于问题b，如果在智能子空间
;内有一个α-优越解sl(α)，那么在智能空间;内存在一个α-优越解。
证明：同定理1。
定理3：对于问题b，如果在智能子空间
;内有一个α-优越解sl(α)，那么在智能空间;内存在一个α-优越解。
证明：同定理1。
从以上的定理，我们可以看到在ai，nn或fs中的任意一个对于问题b的α-优越解sl(α)，在ie中也是一个α-优越解。
定理4：对于问题b，如果有一个解ps，
ps＝(p0,p1,…，pi)∈pai
那么,问题b有一个α-优越解sl(α)
sl(α)＝｛x｜μfp(x) ≥α, x∈pai｝
证明：由于ps＝(p0,p1,…，pi) ∈pai,必然有α∈［0,1］,且pai内的模糊集合fp,满足
sl(α)＝｛x｜μfp(x)≥α, x∈pai｝
定理5：对于问题b，如果有一个ps，形如：
ps＝(p0,p1,…，pi,…,pj,…,pn) ∈pai
并有 (p0，p1，…，pi)∈pai
(pi＋1，pi＋2，…，pj)∈pnn
(pj＋1，pj＋2，…，pk)∈pfs
(pk＋1，pk＋2，…，pn)∈px
那么，b有一个α-优越解sl(α)。
证明：
由于(p0,p1,…，pi) ∈pai,在pai内必然有一个模糊集合fp(pm) m＝0,1,2,…,i，并且当α1∈［0,1］，有
μfp(pm)≥α1
由于(pi＋1,pi＋2,…，pj) ∈pnn,在pnn内必然有一个模糊集合fp(pm) m＝i＋1,i＋2,…,j，并且当α2∈［0,1］，有
μfp(pm)≥α2
由于(pj＋1,pj＋2,…，pk) ∈pfs,在pfs内必然有一个模糊集合fp(pm) m＝j＋1,j＋2,…,k，并且当α3∈［0,1］，有
μfp(pm) ≥α3，m＝j＋1,j＋2,…,k
由于(pk＋1,pk＋2,…，pn) ∈px,在px内必然有一个模糊集合fp(pm) m＝k＋1,k＋2,…,n，并且当α4∈［0,1］，有
μfp(pm)≥α4，m＝k＋1,k＋2,…,n
那么有一个α,α＝min(α1,α2,α3,α4),则有μfp(x) ≥a x∈pb
因此，问题b一定有一个α-优越解。这说明若b分别在ai，nn，fs内没有解，则可能在ie内有解。ie是比ai，nn，fs更有效的方法。
定理6： 假如问题b在智能空间i的子空间
;内有一个α-优越解sl(α),那么在智能空间;内有问题b的一个 α′-优越解，并且有
α′≥α α和α′ ∈［0,1］，
证明：由于问题b在子空间;内有一个α-优越解，即有
fppai, fppb,那么有
pb≠φ, 则pbp
由定义6，在pb内有模糊子集fp，且
μfp(x)＝a
假设模糊集合fp的α截集是空集，那么这与sl(α)是b的α-优越解相矛盾。因此，模糊集fp的α截集是非空的。
因此，对于fp的α截集内的任意元素h，有
μfp(h)≥α
即α′＝μfp(h) ≥α
定理7：若问题b在智能空间i的子空间
;内有一个α-优越解，那么在智能空间;内有问题b的一个α′-优越解sl(α′)，且
α′≥α α,α′ ∈［0,1］
证明：同定理6。
定理8：若问题b在智能空间i的子空间
;内有一个α-优越解，那么在智能空间;内有问题b的一个α′-优越解sl(α′)，且
α′≥α α,α′ ∈［0,1］
证明：同定理6。
定理9：ps＝(p0,p1,p2,…，pn) 是问题b的一个解， 当且仅当
p0： s—→l， s∈s0
p1: l—→m
pn：t—→d，d∈d
式中 l,m,…，t∈s；—→表示智能路径。
证明：若
p0：s—→l， s∈s0
p1:l—→m
pn：t—→d，d∈d
l,m,…，t∈s
那么，一定有pbp，这是一条从s 到d的智能路径。
若ps＝(p0,p1,p2,…,pn)是问题b的一个解，那么将有某些状态s,l,m,…,t∈s,并且d∈d,满足
p0：s—→l，s∈s0
p1: l—→m
pn：t—→d，d∈d
定理10: 若问题b＝〈s0，d，pb〉的m个与子问题bi有αi－优越解sli(αi),i＝1,2,…，m, 则问题b的α-优越解sl(α) 为
sl(α)＝∪sli(αi) i＝1,2,…，m
α＝∩αi i＝1,2,…，m
证明：因为sli(αi)＝｛x｜μfp(x)≥αi,x∈pbi｝αi∈［0,1］ i＝1,2,…，m
pbipb
则sl(α)＝ ∪ sli(αi) i＝1,2,…，m是pb中的一条从s0到d的智能路径，其α-优越解sl(α)中的α值为α＝∩αi i＝1,2,…，m
4 电力发展战略研究
国家电力公司作为国有企业，能否将国有资产保值增值，具有较高的效益及利润，是需要研究的重要课题。对此，国家电力公司提出了发展战略构想，并着手研究企业的发展战略。企业制定一项发展战略就是指导企业今后向哪个方向如何发展，其发展目标是什么，向此目标发展时需采取哪些方针政策及措施等。
设s0为国家电力公司的现状，在电力发展战略模型中称为初始状态，它是一个有序集合，记为
s0＝(s1，s2，…，sn)
其元素si(i＝1,2,…，n)可分为3类，第1类s1，…，si为变量，描述一些定量指标，如利润、资本金、资本金收益率、总资产、总资产利润率、发售供电成本、劳动生产率等。第2类si＋1，…，sk为集合(模糊子集)，描述一些半结构化指标，如经营管理、技术水平、职工素质、财务控制、人事控制等。第3类sk＋1，…，sn为结构图，描述集团化的管理体制。
设国家电力公司在t年的发展目标为g(t)，称为目标状态，记为
g(t)＝(g1(t)，g2(t)，…，gn(t))
其元素gi(t)(i＝1，2，…，n)分为3类，与s0相对应，第1类g1(t)，…，gi(t)为变量，第2类gi＋1(t)，…，gk(t)为集合(模糊子集)，第3类gk＋1(t)，…，gn(t)为结构图。
从初始状态s0到达目标状态g(t)至少有一条路径，否则目标状态g(t)将是不可达到的，从而无解。设由s0到g(t)的所有智能路径的集合为p，则在智能空间中i＝;,s＝(s0，g(1)，g(2)，…，g(t))为所有状态的集合，则存在一个电力发展战略问题
b＝〈s0，g(t)，pb〉
pb为由初始状态s0到达目标状态g(t)的所有智能路径(政策、措施)的集合，显然pbp。
求解问题b，在pb中寻找一个α-优越解sl(α)，使其成为由s0到达g(t)的优化可行解。
问题b的解法可以有许多种，作为一个算例，本节将介绍一种思路。
将问题b中的目标状态g(t)分解成一系列阶段子目标g(1),g(2)，…，g(t)，相应地智能路径pb也分解成一系列子路径p1,p2，…，pt，则问题b分解成为t个与子问题
b＝b1∧b2∧，…，∧bt
其中 b1＝〈s0，g(1)，p1〉
bi＝〈g(i－1)，g(i)，pi〉 i＝2，3，…，t
由定理10，在智能空间中各与子问题的解便构成问题b的解，因而我们只需求解各与子问题bi的αi-优越解sli(αi), i＝1,2，…，t。
求解与子问题bi的方法取决于g(i－1)与
g(i)状态的表达方式及其相关的资料，没有统一的求解模式。可以看出，与子问题bi的解已涉及到策略或战略规划中的内容。从而，它又可以用来支持发展战略的实施，并验证发展战略的可行性，使发展战略具有更加坚强的基础。
5 结论
本文讨论了智能工程的基本理论，建立了智能空间的理论框架，并以此理论指导研究了电力发展战略问题的求解思路及方法。这种“由上至下，再由下至上；由大至小，再由小至大”的思路既可以简化求解过程，又能保证该发展战略的实施，具有可行性。本文的研究说明智能工程比人工智能(ai)、神经网络(nn)及模糊系统(fs)等具有更强的鲁棒性。
智能工程的研究刚刚起步，尚属初级阶段。还有许多基础理论需要研究，可以预见它具有广阔的应用前景。特别是在internet查询搜索过程，可以提供新的思路。
作者简介：胡兆光(1955-)，男，山东青岛，教授，博士生导师，从事将智能工程应用于能源
经济、能源规划、能源政策、可持续发展的绿色能源工程、节能、环境、电力市场
等方面的研究工作,先后在国内外刊物及国际学术会议上发表论文30余篇，著书
二本；
方燕平(1961-)，女，北京，讲师，从事计算机在电力系统方面的应用。
作者单位：胡兆光（国家电力公司动力经济研究中心，北京 100761）
方燕平（北京信息工程学院，北京 100085)
参考文献：
［1］luger g f.artificial intelligence［m］.new york, 1992.
［2］stephen i g.neural network learning and expert systems［m］.mit press. 1993.
［3］wasserman p d.neural computing theory and practice［r］.anza research inc. 1989.
［4］wasserman p d.advanced methods in neural computing［m］.van nostrand reinhold, new york, 1993.
［5］bart kosko.neural networks and fuzzy systems［r］.prentice-hall inc.1992.
［6］klir g j.fuzzy sets,uncertainty and information［r］.prentice hall inc. new york, 1991.
［7］hu zhao-guang.intelligent engineering-its applications［c］.smc'95 canada, 1995.
［8］kandel a,langholz g.hybrid architectures for intelligent systems［m］.crc press inc. 1992.
［9］hu zhao-guang.studying on intersection between ai nn and fl and the applications to power systems［c］.international conference on power systems, malaysia, 1994.
［10］hu zhao-guang.intelligent space［c］.fuzz-ieee 99, south korea.

更多	字体：【小】-【中】-【大】【关闭此页】