Transportul și Distribuția Energiei Electrice

I. SCURT ISTORIC

Inteligenţa artificială porneşte de la premisa căreia toate activităţile cognitive pot fi

modelate că procese de calcul.

Aceasta premise are o tradiţie de peste 2000 de ani, începând cu Aristotel şi

Platon care credeau că gândirea, la fel ca orice alt fenomen fizic, poate fi studiată folosind

interferenta logică. Mai târziu, Gottfried Leibnitz, prin cercetările sale în care privea gândirea

drept calcul, pune bazele tratatului lui George Boole despre logica simbolică. Apariţia

calculatoarelor şi progresele făcute în domeniul calculului symbolic au dus la dezvoltarea unei

ramuri a ştiinţei calculatoarelor, previziune făcută de Alan Turing, respectiv Inteligenta

artificială.

Inteligenţa artificială are ca scop ştiinţific înţelegerea principiilor şi mecanismelor

care permit acţiunea inteligenta şi ca scop ingineresc proiectarea sistemelor care permit

rezolvarea problemelor de dificultate considerabilă, c-un nivel de competenta ridicat.

De-a lungul scurtei, dar prolificei existente a domeniului i s-au propus diverse

definiţii ale inteligenţei artificiale, cele mai multe variind de-a lungul a două dimensiuni. În

prima dimensiune, inteligenta artificială văzută că studiul proceselor de gândire şi modelarea

comportamentului intelligent. A doua dimensiune se referă la dezvoltarea modelelor cu

performanţe similare gândirii umane.

Momentul de început al inteligenţei artificiale (IA) este considerat ca fiind anul

1956, când la Dartmouth College a avut loc o conferinţă ce-şi propunea dezbaterea unor noi

aspecte din domeniul calculatoarelor; aici s-a pus problema creării unor maşini de calcul

inteligente. La această conferinţă John Mc Carthy a introdus conceptul de IA şi astfel se

consideră că acesta este momentul în care aceasta s-a desprins din ştiinţa calculatoarelor,

devenind un domeniu independent.

Cercetătorii şi-au pus şi problema realizării unui limbaj capabil să modeleze

posibilităţile umane de procesare a informaţiilor.

S-a ajuns să se folosească metodele AI în energetică datorită complexităţii

problemelor de rezolvat ( dimensiune mare, soluţionare în timp real, inexistenta unor

algoritme demonstrate matematic), a caracteristicilor deciziilor din energetic ( impact

economic, optimizarea deciziilor), a utlizarii masive a tehnicii de calcul şi a asistentei

activităţii dispecerilor, etc.

Astăzi, avem o multitudine de aplicaţii ale AI în energetică cum ar fi reglarea

tensiunii şi a circulaţiei de putere reactiva din reţelele electrice de transport şi distribuţie

folosind regulatoare cu RNA cu sau fără component de tip fuzzy, algoritmi genetici, folosirea

RNA şi a tehnicilor fuzzy pentru prognoza consumului de energie, optimizarea regimurilor

normale de funcţionare a reţelelor electrice folosind algoritmi genetici, sisteme expert pentru

analiza regimurilor normale de funcţionare, a avariilor, folosirea regulatoarelor fuzzy la

5

conducerea proceselor din echipamente energetic, urmărirea arderii în cazane folosind

recunoaşterea imaginilor, utilizarea reţelelor Petri pentru diagnosticarea defecteleor din

sistemul energetic, optimizarea amplasării surselor de putere reactiva, alocarea resurselor

folosind sisteme expert, etc.

II.INTRODUCERE

Inteligenţa Artificială (AI) este un termen tehnic care desemnează un domeniu de

cercetare în cadrul informaticii sau mai precis punctul în care se termină procesele de analiză

şi informatică şi începe prelucrarea datelor prin procedee având implementate procese logice,

intuitive şi cognitive.

Rezolvarea concretă a problemelor complexe din domeniul energetic, precum,

conducerea şi planificarea dezvoltării reţelelor electrice, prelucrarea şi adoptarea deciziilor în

situaţia lichidării avariilor, prognoza sarcinii, diagnoza cauzelor defectelor, a implicat

elaborarea unor metodologii bazate pe diferite forme ale inteligenţei artificiale, cuprinzând

soluţii din domeniile Sistemelor expert (SE), Reţelelor neuronale artificiale (RNA), Logicii

fuzzy (LF) şi Algoritmilor genetici (AG).

Au fost tratate folosind LF şi mulţimile fuzzy probleme legate de incertitudini în ceea

ce priveşte sarcinile reţelelor electrice. În reţelele de distribuţie de medie tensiune, sarcinile

din noduri sunt în general cunoscute cu aproximaţie, datorită faptului că măsurătorile se fac

doar în staţiile de transformare.

În general, liniile şi sarcinile nu sunt monitorizate. Astfel, în fiecare moment există o

incertitudine generalizată privind cererea de putere şi, în consecinţă, încărcarea liniilor. Pentru

acest fel de incertitudini şi inexactităţi, numerele fuzzy oferă un cadru optim.

În ceea ce priveşte tehnicile de clustering, acestea sunt tehnici special de aranjare a

datelor de intrare pe baza dispunerii spaţial a vectorilor corespunzători. Pentru a studia

asemănarea/deosebirea dintre elementele unei mulţimi, în vederea grupării, fiecare dintre

aceste elemente e definit printr-un vector, ale cărui component sunt chiar caracteristicile

reprezentative ale vectorului respectiv.

În literatura de specialitate există mai multe moduri de clasificare a metodelor de

clustering. Astfel în lucrarea [Clustering] se prezintă două tipuri principale de clusterizare:

gruparea spaţială ierarhică şi gruparea spaţial K-medii, ambele fiind descrise în cele ce

urmează.

Gruparea spaţială ierarhică poate fi subîmpărţita, după sensul de desfăşurare, în

procedee de aglomerare şi procedee de divizare. În cadrul procedeelor de aglomerare se

pleacă de la cele n grupe, fiecare conţinând un singur element/obiect, şi prin fuziuni

successive se ajunge la o singură grupă.

Gruparea ierarhică poate fi reprezentată printr-o diagramă bidimensională denumită

dendograma care ilustrează fuziunea sau împărţirea făcută la fiecare stadiu succesiv al

analizei.

Diferenţa dintre metode apare în modul de definire a distanţei dintre grupe. În acest fel

metodele de grupare spaţial pot fi definite pe baza distanţei minime, a distanţei maxime, a

distanţei medii sau folosind metodaWard.