Zastosowanie sztucznych sieci neuronowych w analizie niezawodności systemów elektroenergetycznych

• Autorzy: Terlikowski P. , Terlikowski W.
• Języki publikacji: PL

Abstrakty

PL

Ocena poziomu niezawodności systemu elektroenergetycznego to zadanie tyleż ważne, co złożone. Aktualne pozostaje pytanie o możliwości wykorzystania do analiz niezawodnościowych algorytmów sztucznej inteligencji. W niniejszej pracy zaprezentowano algorytm sztucznych sieci neuronowych. Omówiono podstawy działania i uczenia takich sieci. Pokazano niektóre z aplikacji SSN w obliczeniach niezawodnościowych. Zdaniem autorów artykułu zastosowań tych jest jednak mało, pomimo korzystnych właściwości i obiecujących wnioskowa płynących z dotychczasowych prac.

EN

Evaluation of the power system reliability level is as important as a complex task. The question about the possibility of using artificial intelligence algorithms for reliability analysis is still valid. The paper presents artificial neural network algorithm. The basics of operation and learning of Multilayer Perceptron were discussed. Some applications of artificial neural networks in reliability calculations are provided. However, there are still not enough such applications, despite the favorable properties and prominent conclusions from the previous work.

Słowa kluczowe

PL

sieci neuronowe; perceptron; systemy elektroenergetyczne; sztuczna inteligencja; niezawodność

• Wydawca: Polskie Sieci Elektroenergetyczne S.A.
• Czasopismo: Elektroenergetyka : współczesność i rozwój
• Rocznik: 2018
• Tom: Nr 2(19)
• Strony: 70--74
• Opis fizyczny: Bibliogr. 12 poz., rys.

Twórcy

autor

Terlikowski P.

• Instytut Elektroenergetyki Politechniki Warszawskiej

autor

Terlikowski W.

• Cyberarché

Bibliografia

• [1] Plaut D. C., Nowlan S. J., Hinton G. E., Experiments on Learning by Back Propagation, 1986.
• [2] Dołowy M., Gryszpanowicz K., Kalisiak B., Karska M., Kapler P., Krzysztoszek R., Piotrowski P., Ziemianek S., Zastosowanie sztucznych sieci neuronowych i metod śledzenia przepływów mocy do prognozowania krótkoterminowego strat mocy w krajowej sieci przesyłowej, „Przegląd Elektrotechniczny”, tom 88, nr 12a, pp. 106–112, 2012.
• [3] Bartkiewicz W., Modelowanie niepewności krótkoterminowego popytu na energię elektryczną z wykorzystaniem sieci neuronowych i neuronowo-rozmytych, Wydawnictwo Uniwersytetu Łódzkiego, Łódź, 2013.
• [4] Helt P., Parol M. i Piotrowski P., Metody sztucznej inteligencji: przykłady zastosowań w elektroenergetyce, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2012.
• [5] Siwek K., Prognozowanie obciążeń w systemie elektroenergetycznym przy wykorzystaniu sztucznych sieci neuronowych: praca doktorska, Wydział Elektryczny Politechniki Warszawskiej, Warszawa, 2000.
• [6] Sałat R., Zastosowanie sieci neuronowych do diagnostyki układów elektrycznych i elektroenergetycznych: praca doktorska, Wydział Elektryczny Politechniki Warszawskiej, Warszawa, 2002.
• [7] Szweicer W., Zastosowanie sztucznej sieci neuronowej typu LOLIMOT do poprawy działania algorytmu zabezpieczenia odległościowego: praca doktorska, Wydział Elektryczny Politechniki Warszawskiej, Warszawa, 2005.
• [8] Amjady N., Ehsan M., Evaluation of Power Systems Reliability by an Artificial Neural Network, IEEE Transactions on Power Systems, tom 14, nr 1, pp. 287–292, 1999.
• [9] Hadow M. M., Allah A. N. A., Karim S. P. A., Reliability Evaluation of Distribution Power Systems Based on Artificial Neural Network Techniques, „Journal of Electrical and Computer Engineering” – Special issue on Applications of Heuristics and Metaheuristics in Power Systems, tom 2012, nr 2, pp. 5–10, 2012.
• [10] Kaushika B., Banka H., Performance evaluation of approximated artificial neural network (AANN) algorithm for reliability improvement, Applied Soft Computing, tom 26, pp. 303–314, 2015.
• [11] Silva A. M. L. d., Resende L. C. d., Manso L. A. d. F., Miranda V., Artificial Neural Networks Applied to Reliability and Well-Being Assessment of Composite Power Systems, Probabilistic Methods Applied to Power Systems, Rincon, 2008.
• [12] Rajpal P., Shishodia K., Sekhon G., An artificial neural network for modeling reliability, availability and maintainability of a repairable system, Reliability Engineering and System Safety, tom 91, pp. 809–819, 2006.