人工智能綜述人工智能術及應用系統的一門新的技術科學，是計算機科學的一，但它的研究卻不僅涉及到計算機科學，而且理學、心理學、語言學、邏輯學、認知(思維)科學、行為科學和和系統論等許多學科領域。因此，人工智能實際上是一門綜很早就開始了。但對人工智能的真正實現要從計算機的那樣迅速，因為人工智能的基本理論還不完整．我們還不能么能夠思考，這種思考來自于什么，這種思考為什么得以產十年的發展，人工智能正在以它巨大的力量影響著人們的生成就是發展了能夠求解難題的下棋(如國際象棋)程序。在下棋程各其性能達到很高的水平，并正在為許多科學家和工程師所應用。有些程序甚至還能夠用經推理與定理證明持久的子領域之一。其中特別重要的是要找到一些方庫中的有關事實上，留意可信的證明，并在出現新信測的定理尋找一個證明或反證，確實稱得上是一項智。然語言NLP(NaturallanguageProcessing)自然語言處理也是人工智能的早期研究領域之一，已經編寫出能夠從內部數據庫回答用英語提出的問題的程序。這些程序通過閱讀文本等。有些程序甚至能夠在一定程度上翻譯從話筒輸入的口頭指令(而不是從話情況為基礎，注意大量的一般常識一世界知識和期望作用的重要性。人工智能在語言翻譯與語音理解程序方面已經取得的成就。發展為人類自然語言處理4)自動程序設計也許程序設計并不是人類知識的一個十分重要的方面，但是它本身卻是人工智能的一個重要研究領域。這個領域的工作叫做自動程序設計。已經研制出能夠以各種不同的目的的進展局限于少數幾個完全現成的例子。對自動程序設計的研究不僅可以促進半自動軟件的發展。而且也使通過修正自身數碼進行學習(即修正它們的性能)的人工智能系統得到發展。自動編制一份程序來獲得某種指定結果的任務同證明一份給定程序將獲得某輸出程序的驗證作為額外收獲。統，其內部具有大量專家水平的某個領專家的知識和解決問題的方法來解決該領域的問題。也就是專門知識與經驗的程序系統，它應用人工智能技術，根據某供的知識和經驗進行推理和判斷，模擬人類專家的決策過釋、預測、診斷、設計、規劃、監視、修理、指經從學術研究開始進入實際應用研究。隨著人工智能展。正在開發的新一代專家系統有分布式專家系統和學習能力無疑是人工智能研究上最突出和最重要的一個方面。人工智能在這方面的研究近年來取得了一些進展。學習是人類智能的主要標志和獲得知識的基本手段。機器學習(自動獲取新的事實及新的推理算法)是使計算機具有智能的根本途徑。正如香克所說：學習的機理和揭示人腦的奧秘。所以這是一個始終得到重視，理論正在創立，方法日臻完領域。研究結果已經證明，用神經網絡處理直覺和形象思維信息具有比傳統處理方式好得多的效果。神經網絡的發展有著非常廣闊的科學背景，是眾多學科研究的綜合成果。神經生計算機。研究再次出現高潮。霍普菲爾德(Hopfield)提出用硬件實現神經Rumelhart提出多層網絡中的反向傳播(BP)算法就是兩個重要標識別、圖象處理、組合優化、自動控制、信息處理、機器人機器人學人工智能研究日益受到重視的另一個分支是機器人學．其中包括對操作機器人裝置程序的研究。這個領域所研究的問題，從機器人手臂的最佳移動到實現機器人目標的動作序機器人和機器人學的研究促進了許多人工智能思想的發展。它所導致的一些技術可用來模擬世界的狀態，用來描述從一種世界狀態轉變為另一種世界狀態的過程。它對于怎樣產生動作序列的規劃以及怎樣監督這些規劃的執行有了一種較好的理解。復雜的機器人控節越來越重要的低層進行規劃。機器人已在各種工業、農業、商北、旅游業、空中和海洋以模式識別計算機硬件的迅速發展，計算機應用領域的不斷開拓，急切地要求計算機能更有效地感知諸如聲音、文字、圖像、溫度、震動等等信息資料，模式識別便得到迅速發展。“模式”(Pattern)一詞的本意是指完美無缺的供模仿的一些標本。模式識別就是指識別出給定物體所模仿的標本。人工智能所研究的模式識別是指用計算機代替人類或幫助人類感知模式，是對人類感知外界功能的模擬。研究的是計算機模式識別系統，也就是使一個計算機系統具有模擬人類通過感官接受外界信息、識別和理解周圍環境的感知能力。模式識別是一個不斷發展的新學科。它的理論基礎和研究范圍也在不斷發展。隨著生隨著計算機科學的不斷進步，基于人工神經機器視覺或計算機視覺已從模式識別的一個研究領域發展為一門獨立的學科。機器視覺的前沿研究領域包括實時并行處理、主動式定性視覺、動態和時變視覺、三維景物的建模與識別、實時圖像壓縮傳輸和復原、多光譜和彩色圖像的處理與解釋等。機器視覺已在機器人裝配、衛星圖像處理、工業過程監控、飛行器跟蹤和制導以及電視實況轉播等領域決策支持系統。動控制向智能控制發展。智能控制是一類無需(或需要盡可能少的)人的干預就能夠獨立地驅動智能機器實現其目標的自動控制。或者說，智能控制是隨著人工智能和計算機技術的發展，已可能把自動控制和人工智能以及系統科學的某些分支結合起來，建立一種適用于復雜系統的控制理論和技術。智能控制正是在這種條件思想。按照這些結構理論已經研究出一些智能控制的理論和技術，用來構造用于不同領域隨著科學技術的迅速發展．出現了“知識爆炸”的情況。對國內外種類繁多和數量巨大的科技文獻之檢索遠非人力和傳統檢索系統所能勝任。研究智能檢索系統已成為科技持續快速發展的重要保證。數據庫系統是儲蓄某學科大量事實的計算機軟件系統，它們可以數據庫系統的設計也是計算機科學的一個活躍的分支。為了有效地表示、存儲和檢索大量事實，已經發展了許多技術。當我們想用數據庫中的事實進行推理并從中檢索答案就顯得很有意義。確定最佳調度或組合的問題是我們最感興趣的又一類問題。一個古典的問題就怒推銷每個城市一次，且只許一次，然后回到出發的城市。大多數這類問題能夠從可能的組合或組合爆炸的可能性。這樣，即使是大型計算機的容量也會被用光。在這些問題中有幾個佳方法計算出所耗時間(或所走步數)的最壞情況來排列不同問題的難度。智能組合調度與指揮方法已被應用于汽車運輸調度、列車的編組與指揮、空中交通管入工智能對計算機界的某些最大貢獻已經以派生的形式表現出來。計算機系統的一些中部二、人工智能的發展現狀、前景及局限性[3,4,5]理符號系統假設相抗衡的新的人工智能理論之前，無論從設計原理還是從已取得的實驗結。 智能行為不僅僅體現在構成世界的個體的活動，而更體現在個體之間的相互依存的活習一方面是哲學、認知科學、思維科學和心理學等學科所研究的智能層次太高、太抽象；另一方面是人工智能邏輯符號、神經網絡和行為主義所研究的智能層次太低。這兩方面之間相距太遠，中間還有許多層次未予研究，無法把宏觀與微觀有機地結合起來和相互局與局部割裂人類智能是腦系統的整體效應，有著豐富的層次和多個側面。但是，符號主義只抓住人腦的抽象思維特性；連接主義只模仿人的形象思維特性；行為主義則著眼于人類智能行為特性及其進化過程。它們存在明顯的局限性。必須從多層次、多因素、多維和全局觀點脫節大腦的實際工作，在宏觀上我們已知道得不少；但是智能的千姿百態，變幻莫測，復雜得難以理出清晰的頭緒。在微觀上，我們對大腦的工作機制卻知之甚少，似是而非，使我們難以找出規律。在這種背景下提出的各種人工智能理論，只是部分人的主觀猜想，能著眼于這些難題的解決，抓住人工智能的生長點，使人工智能產生質的飛躍，是我們人工智能在電力系統負荷預測中的應用何正確的分析出負荷變化中的周期分量和隨機分量，是研究負荷預測高精度的關鍵問題從經典的回歸分析方法、時間序列法、相似日法著人工智能技術引入負荷預測領域，開辟了不少新ESNN、模糊理論(FST)、混沌理CTWaveletsDM)等[7]。、電力系統負荷預測的實質與難點荷的過去和現在推測它的未來數值，所以負荷預測研究的對象是不肯定事件，可以從以下幾個方面分析負荷預測的實質:①預測結果的非準確性。電力負荷的未來發展受各種復雜因素的影響，這些影響因素是發展變化的，如社會經濟發展、人口增長、全球氣候變化、新技術發展、能源產業政策件某一特定期限內，很難預測國民經濟的增長率。這就決定了在所有預測中，工業負荷的預為搞好電力系統負荷預測，面臨著兩大難點：要，力圖保證完整性與準確性，對異常數據需要修正或刪，為預測工作打好基礎。統計分析的目標是選出有代表析方法，同時，還必須注意與負荷預測相關的領域經濟增長的趨勢類同，因此，在進行全國范圍的外的電力消費資料，確定本國的電力需求量。這種方法的關。一般選經濟發達、且經濟結構與本國有某種相似的國家作①沒有一種預測模型能適用于所有的負荷預測，各種負荷預測模型都有一定的時間范②電力負荷的發展變化受各種各樣復雜因素的影響，而且各種影響因素也是發展變化不完全準確性。③負荷預測受不確定因素影響較大。在影響電力負荷變化的諸多因素中，許多因素是負荷預測工作帶來了很大的困難，使電力負荷預測也具有顯著的不確定性。因此，預測人員應對可能影響到預測結果準確性的各因素做出科學合理的分析和判斷，對這些因素可能變化的可能性和趨勢做出盡可能定量的估計。在進行實際的負荷預測時，由于預測量發展變化的規律復雜多樣，采用單一方法進行在多種預測模型得到的結果基礎上，進行合理的綜合分。的主要優點在于它不需要任何負荷模型，并具有天氣和溫度等因素與負荷的對應關系，通過學習能夠系。與傳統預測方法相比，這種方法具有其不可比擬眾多學者的贊譽。所以能夠應用人工智能的方法解決題上取得了很大的進展。三、解決負荷預測的基本思路[10]確定預測目標就是在明確預測目的的前提下，規定預測對象的范圍、內容和預測期測期限一般分短期預測(5年期)、中期預測(5~10年期)和；制定預測計劃一般要考慮的主要問題有：需要的歷史資料(按年、按季、按月、按周或按日)，需要多少項資料，資料的來源和搜索資料的方法，預測及完成時間和所需經費來源等。資料是預測的基本依據，占有資料的充裕程度及資料的權威可信性對預測結果的可信電負荷、用電量、用電構成；經濟發展目標(如國民生產總規劃目標，限制高耗能政策等)及國內外參考地區的上述類似歷不定期發表或在其他相關出版物(比如統計年鑒、電力年鑒等)；二是預測人調查搜集起來的資料進行鑒別，去偽存真，以保證預料的標準為直接相關性、可靠性和最新性。要先把符衡量一個統計資料質量高低的標準主要有以下幾個方面：①資料是否完整無缺，各期列各值間是否有可比性。④歷史資料的表現形式是否適合需要,是否需要交換以及計算單位是否規范化等問題也要注意。資料的整理主要有以下幾項內容：①資料的補缺推算：如果中間某一項的資料空缺，則可利用相鄰兩邊資料取平均值近似代替；如果開頭或末尾某一項空缺，則可利用比例趨勢法計算代替。②對不可靠資料要加以核實：對能查明原因的異常值可用適當的方法加以要加以調整，務必使資料在時間上有可比性：時間數列資料的可比性主要包括各期統計指標的口徑范圍是否完全一致，各期價值指標所用價格有無變動，各期時間單位長度是否可進行初步分析，一般包括以下幾個主要方面：①畫出動資料變動的軌跡特別要注意離群的數值和轉折點，并且定的原因所致。②查明異常值的原因后，用適當的方法加以處理，使歷史數據趨于平穩。常用的處理方法是：設負荷的歷史數據為,令有情況和資料樣式以及預測目的、預測期限、預測規模、預測結果的準確度，同時考慮預測本身的效益成本分析等進行權衡，做出合理的選擇。時采用多種預測方法進行預測，以便對比、選擇，可采用相關方法或手段處理各種預測結果(如加權取平均，概率分布取值等)，從而選擇盡可能正確的預測結果。在進行預測時，要依據選擇的預測方法進行預測預算得到預測值。如果是采用定量方法進行預測，就要根據建立的定量預測模型代入預測期的自變量目標值，從而獲取預測期所需的預測變量值；如果是采用定性的預測方法來進行預測，就要根據掌握的客觀資料進素可能會發生變化，從而使未來的實際結果與預測依據的歷史資料呈現的規律不相吻合，因為事物過去到現在的發展變化規律不一定就是事物未來的發展變化規律。因此，預測人員必須對影響預測對象的新因素進行分析，對預測模型及人員的經驗、理論素養及分析判斷能力也起重要的作預測的主要成果就是得出預測結果。因此預測結果應該是明確的，可以被檢驗的。所以在得到預測結果后必須對預測結果的準確度和可靠性進行評價，使預測誤差在允許接受的范圍內。若誤差太大，就失去了預測的意義，也會導致電力規劃的失誤。一般來說，短期負荷預測的誤差不應超過±3%，中期負荷預測的誤差不應超過±5%，長期負荷預測的的主要發現，預測結果及提出的主要建議和意見。一般采用摘要與提出相配合引起有關方測的主要結論及對主要結論的評價。結論與建議是扼要地列出預測的主要結果，提出的有關建議及意見。附錄主要包括說明正文的附表、附圖,預測中采用的計算方法的推導和說明及其使用的歷史數據，以及正文中未列出的有價值的其他資料。隨后應根據主客觀條件的變化及預測應用的反饋信息進行檢驗，必要時應修正預測值。例如,預測值交付使用后，經過一段時間的實踐，發現這一時期的實際值和預測值之間有較進行調整，這就叫負荷預測的滾動修編，也就神經網絡以其在負荷預測中的廣泛的應用，得到多少專家學者的認可。神經網絡方法以傳統顯示函數的自變量和因變量作為網絡的輸入和輸出，將傳統的函數映射關系轉化為高維的非線性映射。神經網絡是一個高度非線性的超大規模連續時間動力系統，可以映射任意復雜的非線性關系，且能夠識別有噪聲或變形的樣本，通過學習能把樣本隱含的特征和規律分布于神經網絡的連接權上。而電力系統的負荷預測從根本上講就是非線性系統的辨識問題，因此采用神經網絡進行預測有著傳統方法所沒有的優點。采用神經網絡進行預下兩個途