年卷月第RU‘6日期健电畏RELAYV(一133uAg16NI)162005人工智能在最优潮流中的应用综述史继莉邱晓燕X为5(四川大学电气信息学院四川成都61《)I)技术广泛地渗透到了电力系统在电力系统最优潮流(OPF摘要:近年来人工智能(A)的解算中基于幻方法的算法能够有效处理非线性和离散性问题从而摆脱陷入局部极值或发散的可能获得全局录优解该丈相应于AI的结构模拟思维模拟和行为模拟三类研究方法分别综述了人工神经元网络(气NN)模糊集理论进化方法(模拟进化模拟退火等)多代理技术等Al方法在电力系统OPF中的应用关健词:人工智能;最优潮流;人工神经元网络;模糊集;进化方法;多代理中圈分类号:TM715文献标识码:A文章编号:103礴(72o5)61功0引言[,,]1基于结构模拟方电力系统最优潮流(OPF)作为经典潮流的发展用与延伸为经济性与安全性寻找到了一个很好的结结构模拟方法是从合点自从60年代初期法国学者Ca卿tnier和理结构原型和工作机理isroux提出OPF问题以来就受到许多学者的关注的模拟出发致力于研究经过几十年的发展取得了一系列研究成果相继构系统以此实现机器涌现出基于非线性规划二次规划线性规划混合网络模拟了生物激励系规划等的计算方法然而上述传统的OPF算法存网络产生输出输出是在以下不足:¹随着电力系统开放性的增加OPF通过所谓的训练过程问题非凸性的特点愈发明显采用仅适用于凸性问重以获得期望的输出值题的传统方法容易使解陷入局部极值而无法获得文献[4〕在将发电费全局最优解;º对于所有不等式约束条件都有清标优化问题转化为模糊晰而不能逾越的边界值过硬的使得OPF问题用半线性前馈神经网络模的可行域大大缩小造成实际运行中的欠优;»系为输人模糊集的隶属统的优化运行往往需要综合考虑安全稳定及经济等练获得模糊集隶属函多方面因素使得单目标优化已无法满足要求用H叩feild网络构造能近年来人工智能(AI)作为科学体系中一门新解这样便有效地降兴的边缘学科在从理论发展到实际应用的过程中式及求解非线性规划问题的不断显示出其强大的生命力它的成果正以一种新2墓于思维模拟方法的力量进入社会IA方法不需要严格的数学模型论的应用更适合于处理非线性和离散性问题在电力系统中得到了越来越广泛的应用当然在电力系统最优潮思维模拟方法是以机软件符号推演与心理学方法流中的应用也得到飞速的发展成某种逻辑网络实现搜本文综述了人工智能在电力系统最优潮流中的观上来模拟人脑思维应用并对其发展趋势进行预测由于人工智能的长模拟人脑逻辑思维实研究方法主要有结构模拟思维模拟和行为模拟三决策推理等模糊集理论从类因此基于人工智能的OPF也相应按上述分法力系统OPF中得到日益广进行综述在OPF计算中存如负荷机组出力节点电习5的OPF—ANN生学的观点基于从脑的微观结构神神经网络脑模型的计算机的智能人将一系列输入通入的非线性函数改变连接各神经网元用最小和网损最小化问题的过程中首先型将发电费用或数作为输出经过的最终显式表达;然函数进行优化问了确定模糊隶属函难度的OPF一模糊脑的心理模型利用计算将问题或知推理学习等功能智能这种人脑的高级认知功思维模拟的角度泛的应用着大量的不确定性因压约束等这些不58法的应仿脑的生经细胞硬件结和工神经统过神经输其值可即的权的双目优采网损作函反复训数后采量题的求低数表达集理人识表示索从宏实现机器方法擅现能如在电在素确定因健电书素可以通过模糊集理论描述此外对于不同量纲相互冲突的多目标优化问题和综合评判问题也适合采用模糊规划求解模糊集理论为解决具有可伸性遗传到后代是具有稳定收敛域的全局优化方法目标函数或约束条件的复杂的非线性优化问题它们均可用于求解组合优化问题以及存在不可微的只缩约束的多目标优化问题提供了新途径在研究过程中首先出现的是是在具体实现上存在差别比较如表表Tab1l所示卿DC模糊潮流模1no典型模拟进化方法比较ftypicalsimGAu型其中用模糊量表示负荷和发电量的不确定性Comparisolatedevoutonailal,irthmESs控制变量为发电机的有功输出[模糊模型’;然后发展到OPFAc主要算子数字串表示方式选择方法生物模拟方式EP在约束的处理上有人将问题的约交叉二进制变异由解的形式决定变异由解的形式决定束归为必须遵循的硬约束和可以适当越限的软约随机种族模拟随机种族模拟行为联系确定个体模拟束利用模糊集把软约束和目标函数模糊化得到模糊oPF问题:L“进化规则优势应用领域遗传继承求解组合优化问题行为联系求解连续变t的优化间题文献[7」在故障约束的OPF问题中引人模糊逻辑将正常运行费用最小和故障后校正时间最短311遗传算法(GA)的双目标优化问题通过确定一个裕度参数转化为之前有人将简单遗传算法(SGA)用于OPF的”求解提出了sGA基本遗传操作器[然而sGA考虑软约束在内的模糊单目标函数该模糊表达式由于搜索空间和染色体长度的在大系统的应用中易于陷入局部极值且收敛速度过慢包括模糊目标和硬约束两部分软约束被并入模糊目标因此文解决了传统多目标函数合成中的寻找合适权重因子的困难13]在文献〔12]的基础上做了改进增加了改献〔进遗传操作器(主要针对良种)和概率为02的一8」文献「针对以有功网损和发电总耗量最小为系列特定问题操作器(针对基因交换复制突变目标的OPF问题确定出适当的隶属函数将多目等)仿真实验证明改进遗传算法(EGA)在大系统标优化问题模糊化成单目标问题然后引入满意度将模糊应用中具有更高的效率和精度OPF问题进一步转化成非线性规划问文献L14]将遗传算法与模糊控制方法相结合题最终通过常规方法获得最优解OPF应用于OPF的计算文中以全网总耗量和有功网9〕)改善文献〔提出用模糊二次校正方法(FSCS损最小为目标函数各节点电压的幅值为可伸缩约的预测一IPA)中的互补条校正内点算法(PC束形成双目标可伸缩优化问题通过模糊化转化成件在二次校正中FSCS通过模糊逻辑为每一互补对估算一个更合适的障碍参数而非使用同一固定值同时通过分解仅对严重偏离中心路径的互IPA的收敛速度补对进行二次校正以加快PC单目标问题并在后续计算中对传统GA作了改进按个体不同的适应值考虑不同的杂交方式以最优个体最少保留代数与最大遗传代数的结合作为终止进化准则加快了进化速度并跳出局部极值获3墓于行为模拟方法的OPF的应用行为模拟方法是基于感知方法—进化方法得全局最优解15」文献〔为避免GA方法可能出现的局部极值A问题提出使用人工免疫算法(AI的方法)解决OPF问题模拟人在控制过程中的智能活动和行为特—行为模型的研究根据免疫系统中对外来抗原的识别机制将目标函数结合一部分不等式约束条件与抗原相对应将搜索空间的解与抗体相对应依据抗原与抗体的结合力以及抗体之间的结合力对解进行评价和选性如自寻优自适应自学习自组织等来研究和实现人工智能进化方法是一类典型的行为模拟具体方法主要包括模拟进化模拟退火等31模拟进化优化方法[’川该方法是通过对优胜劣汰的自然进化过程进行模拟与抽象而得到的一类随机或自适应的优化方法主要的3种方法体系为遗传算法(GA)进化规划(EP)和进化策略(ES)3种方法在原理上是相似的都是基于自然选择和遗传机制的启发式搜索在进化中使适应性强的个体得以生存并将其优良特择通过抗体之间的相互激励作用提高了最优点附近的搜索效率并通过记忆细胞对抗体的抑制作用0有效地摆脱局部最优点312进化规划(EP)16」文献〔利用进化规划(EP)解决以发电费用最小为目标函数的OPF问题先将发电机节点的电压幅值和有功功率作为优化的控制变量引人编码解算潮流形成初始种群;再将输出变量的不等式史继莉等人工智能在最优潮流中的应用综述约束以惩罚项方式引人目标函数进而形成适应度函数通过变异操作迭代求解17文献〔的一类求解方法是首先构造评价函数将多目标转:18〕从数学理论及生物进化机制角度化成单目标;然后利用单目标优化问题的求解方法‘’‘8“I求出最优解因此模糊集理论理想点法[‘出发提出采用倒指数关系曲线来描述变异量方差了随适应度的变化并构造出自适应变异算子改变了原有的适应度与方差的类线性关系以此更好等常作为构造评价函数的方法与其它针对单目标的优化方法组合使用42加速策略虽然使用AI方法可以跳出局部收敛获得全局地模拟生物进化原则该算法具有很强的自适应性通用性及逃脱局部极值的全局优化能力同时由于运算量小提高了算法的收敛速度3I方法多属于随机搜索时间消耗相最优解但是A对过大无法适应在线计算的要求进一步研究的问题因此如何提高13进化策略(ES)l可见ES基于AI方法的OPF问题的解算效率是一个需要EP由表OPF与极其类似只是在选择方目前利用AI方法全局寻优法和生物模拟方式上稍有不同进行比较9」1文献〔针对通过传统方法等加速收敛二者结合在求解问题中的优势日益明显OPF子问题之一的无功优化问题将多种EA方法由于ES方法带有更多的确定性因此文献【3」2在常规的EP中引人梯度寻优技术具有收敛速度的优势但同时也存在更易陷人局部以变异量为搜索步长因子对初始解沿负梯度方向极值的危险32搜索快速到达最优解邻域再转用常规EP变异中模拟退火算法该算法可视为一种进化优化方法是一种通用启的高斯随机变量在最优解附近进行微小扰动以获得近似全局最优解这种启发式EP兼顾了随机搜发式随机搜索方法算法思想来源于冶炼工业中对索与梯度寻优的长处在有目的有方向的辅助下进行多路径并带有随机性的寻优可在保证获得近似全局最优解的同时大大提高解题效率文献「4〕2也在基于进化规划的最优潮流算法金属先加温熔融再降温的退火过程算法原理比较简单只是对常规的迭代寻优算法进行一点修正允许以一定的概率接受比前次解稍差的解作为当前解20〕文献〔在无功优化中以装设无功电源和总中使用了基于梯度信息的加速策略由的全局性而以变步长最速下降算法(SD能量损耗所需费用之和为目标得到一个不可微函数在利用模拟退火算法求解时以合适的冷却进度解算保证解)处理局部EP优化加快收敛速度zmBoltan因子根据扰动机理确定新的迭电力系统无功优化作为OPF问题的分支也是代值经过反复迭代计算最终使得所求解以概率渐进地收敛于全局最优解随机模拟退火(S12文献【SSAl一个多约束的混合整数非线性优化问题文献A)算法的主要缺点是费时5〕将分布式并行计算引入遗传算法采用计算函2〔数级并行通过主从方式来组织局域网内的多台机散变量的OPF问题使S—2」利用带有一组确定方程的近似平均场理论(MFr)解决同时具有连续和离A器进行无功优化的并行计算使速度成倍提高文中使用l台主机控制整个算法的主程序进行选择的效率得以提高首先和遗传操作并根据负荷均衡的原则调度多台从机通过鞍形近似引人平均场变量将混合规划转化成只含连续变量的平均场方程以确定性的方式代替计算潮流以给出个体适应值将OPF文献[26〕采用现代内点法(Mr)加速首先了SSA的随机搜索问题子问题然后将MF方程分解为两个子问题去掉离散变量约束形成一个非线性规l是利用牛顿法处理初始连续变量的划问题;通过赋予离散变量不同的初值进而形成一个非线性规划问题集合将其看作是退火选择遗传优化子问题2则是利用平均场方程迭代由离散变量转化而来的MF变量两个子问题通过缓慢的退算法(AGA)的进化种群在算法内层采用快速收敛火交替计算直到获得最优或子最优解44的MIT求出每一个非线性规划问题的最优值作为组合方法1它的适应值;然后通过AGA试探找出最优个体解中各变量的值该个体离散变量和连续变量的取值即为原问题最优多目标优化问题实际中OPF问题往往需要综合考虑多种因素43多代理技术I向网络群体的延伸多代理作为一种随着A即通常为多目标优化问题对于这类问题最基本桩电器I它激发群体智能的能力倍受瞩目分布式A多代充更加容易而其继承性则可提高系统之间的重用理中各代理在工作的同时又通过通信交互以完成一定功能率使效率得以提高参考文献【]l:文献【7]将多代理系统方法应2用于OPF问题先将故障约束的优化问题转化为小规模松散藕合的子问题集然后使用多个代理组成的异步组并行求解每个代理不仅包括传统M王锡凡方万良杜正春现代电力系统分析【〕北OPF算京科学出版社WANGXifan:203法同时也包括所谓的探测算法引人二元矢量场为FANGWanliangDUZhengeehunMede传统算法提供接近问题解的起始点各代理均为自治的代理之间采用异步通信从而保证了整个工作过程不相互打断或延迟的并行性多代理方法可以mPwoerSystemsysiAnalM」Bj【iing:纷ieneePress2(洲〕32〕敖志刚人工智能与专家系统导论【M〕合肥中国科【:获得比串行方法更大的可行域在处理全局优化问题方面具有较大的潜力5学技术大学出版社AOZhiga202otingIntExpetrSystemM]【doruenotifArieialInte川gfeoefScineen(。ananddsityHefei:Univer结束语上述文献将不同的人工智能方法引人电力系统eTe0hnoI)gofChinaP沈552()2X3〕韩祯祥文福拴张琦人工智能在电力系统中的应用【[J」电力系统自动化2《Xx)24(2):2一0最优潮流增强了算法的全局优化能力为处理混合HANZhenexiangWENFunsshuanZHANGerQitiArif整数规划提供了新的出路研究解决的问题)1AI本文主要针对基于AIialIntelli罗neeApplieatioatoninOPswSystemsJ〕A【uto方法的OPF向在线应用发展提出一些有待进一步:mioeotofElirPowerSy,tem2《XX〕24(2):2104【]孙洪波徐国禹秦翼鸿多目标模糊优化潮流模型及J]重庆大学学报其基于神经网络的算法〔诞生在控制论信息论和系统论基础之上作为一门交叉学科它必将随着突变论耗散结19581:(3)52一8SUNHongboXUGauoyuw构理论协同论的发展而进人新的阶段QINoFlYihonghTanetiobMul在这样的jectveiFuzzyoptimkAIrithm即r18(3lPoerwModeldItsNeural发展过程中可以试探将新的方法应用于OPF问题或是进一步促进各种方法的融合以期在保持简Netw1955」【Miraooun[J]JratysilofChon明ingUniver:)5258单数学模型和全局寻优的情况下寻求到更少的运算量以提高算法效率2)AlndaVnaSaraivaJTao‘,wlFIeFuzzyMo‘IlingofPworersystemsoptiolIo[J]IEEETransonP,we(Sy、.em方法具有内在的并行性利用这一特点1927(2:)843一49实现以网络为基础的多机并行必然使算法收敛速度大幅度提高使基于AI的[6]GuanxHaetalApplieationofaFuzzyeStMethodSystemsinanOPFoptimseal应用领域从离线PwOerlFowJ〕【ieEleetrPwoerRe到在线实施的扩展成为可能)3代h19534:(l)1118针对Al方法的随机搜索通过在算法内部7」【RamtoereshVCtinLlXuaneeveAFuzzyMultiobjtiAppCon罗sneyConstrain适当加入确定性因素或对运算过程中产生的大量sdOPeJ】IEEETIF【na’o:,aoroPehwSystem19712:(3)13481354数据进行合理分类以加快搜索速度近来兴起的决策树神经网络等均是有效的数据分类方法寻找合适的接入点将其嵌套于OPF算法内部可实现8」刘明波段晓军赵艳多目标最优潮流问题的模糊建〔模及内点解法〔j电力系统自动化19J:923(14)3704e加速LIUMingobDUANXiaor一ounZHAOYanoFuzzyModee4)随着电力系统的发展和电力市场竞争机制nelingaiondItremblOPintAIithm即raontitifMulojbvetiOPFo的引人电力系统的复杂性不断增加其不确定因素orPJ」【AutomeetefElirPwoerSystem也越来越多给模糊化方法中隶属度的确定带来很大困难19923(14:)374)(粗糙集方法算法简单易于操作除数据本[9」WUPwOYuehiFuzzyreSeondCoerConditionfoeraoptin、ls身以外不需要预先知道其他额外信息为不确定性研究提供了新的可用工具5Pwo~otinonemComplent面tyonoFlws[J〕IEEETransSystem:2()l16(3)3印36X0]韩祯祥文福拴模拟进化优化方法简介【1J〕电力系〔)从整个系统全局来看在线实施时可考虑统自动化19519:(12)510面向对象建模对象的性将使系统的修改和扩HANZhenxiangWENFushuanAnIntdorueotintothe史继莉等人工智能在最优潮流中的应用综述optimizationMeth《,。15bySimulatedEvolution仁J〕AutosingEvo一u一裕n娜^l即rithn:,:aC‘,nl一,aarlivos一t:.ly爪,rEvmationfoEleetireP)(werSystems199519(12):510olutionayrPr。『a厅田lingEv《)Iuti《)l一ayrstrar。盯(沁一护ti。【AI邵,rithmandLinearPro脚mnling〔J]川文福拴韩祯祥模拟进化优化方法在电力系统中的IEEETar,,、.》n应用综述(上)[J〕电力系统自动化199620(l):59POwerSystemsl卯813(l):10110863〔02〕H、ioaYingtu昭uuChunehangChiangH、i(a、《longe、WENFushuanHANZhenxiangTheSu口eyoftheApalANewApproachforoptimalVARoSu几。、Planning111plieationsofSimulatedEvolutiona口optimizationMethods肠rescSaleEleotri。oPwerSy、ronl、【J」IEEETran、.,:1一0POwerSystemsPatrl(J〕Auotamtion(,fElectrioPOwerR、erySstesml的38(3):988供沁Sysrems19620(l):59石3【21」CHENLuonnaKazuyukiAAnAppli‘ationofMoa:1riol.I〔12]肠1LlMaJTYokoyamaRetalImprove(1eGnetiehTeo砂tooptimalPowerFlow【A」IEEEInronla*i,;:alAI即rithmsofroptinlalPOwerFlowUnder阮thNomrlaandConfereneefoNeurlaNe*work、(ICNN95)195887982Contingento详rationStates仁J〕EleePowerEne卿Syst[22」CHENLuonanHideki5Kazu(,KMeanFielolTho.,卿19719(5):287292ofrOptimalPowerFlow[J]IEEETran、‘,:11、*。rSy、仁13」BakitrzisAGBiskaoPNoZumasCEetlaoptimaltems19712(4):14811486oPwerFlowhyEnhaneedGeneticAI即rithm〔J」IEEE【32」石立宝华智明徐国禹启发式进化规划及其在最优TranonPowerSystems20217(2):229236潮流中的应用【]J重庆大学学报199720(6):67〔41〕周文华赵登福基于模糊控制遗传算法的电力系统最72优潮流〔J」西北电力技术201(5):2325SHILibaoHUAZhin一ingXU(;u《)yuANowHeuri,ZHOUWenhuaZHAODengfoOPwerSystemOPFti(EvolurionProgran一n一ingan‘1ItsApplioati《)nin阮IuBasedonFuz即ControlledGA〔J〕NotrwhestChinaElee娜tionof*heoptimalOPw。:Flow〔J〕Jounral《,fCll。)ngqingtriePower2()Xl(5):2325Univesrity199720(6):6772[15」孙勇智韦巍基于人工免疫算法的电力系统最优潮流[24」Yu叮eviohJWongKpEvoluti‘,na尽Pro脚:,。lingBI计算仁J〕电力系统自动化2仪犯26(12):3034optimalOPwerFlowAI即irthm【J」IEEETrans,,nR~,worSUNYongzhiWEIWeiloSutionofoptimalPowerFlowSystenls199914(4):12451250Pro},lemB田edonAtriifoialIn飞muneAI即irthm〔J」Auto[52」潘哲龙张伯明孙宏斌分布计算的遗传算法在无功mationfoEleetriepowerSystems2()X226(一2):3034优化中的应用【J〕电力系统自动化20152(6):37-【61〕石立宝徐国禹基于进化规划的最优潮流计算【J]电4l网技术19822(2):2325PANZhelongZHANGBomingSUNHongbinADi、SHILibaoXUGuoyuEvolutiona口PrograuningloSutribu*edeGnetieAI即riahmofrRea(*ivePOwerOPri一11iza一ionofop一imaloPwerFlwo【J〕Powersy,temeTehnolo群tion〔J〕AuotmationfoEleotri。p‘,worsy、tem、2的l2519822(2):2325(6):3741〔71〕石立宝徐国禹自适应进化规划及其在多目标最优潮〔62)丁晓莺王锡凡陈皓勇流中的应用()I自适应进化规划算法[JI电力系一种求解最优潮流的组合算法〔J」中国电机工程学报20222(12):161统自动化2(X刃—42(7):3252DINGXiaoyingWANGXifanCHENHaoyongASHIUbaoXUGuoyueSl仁adaptiveEvOlutionayrProCombinedAI即ri一hmofroptinlalOPwerFlow【J」P。,granllllingandItsApplieationtoMultiojbeetiveoptimaleeedingsoftheCSEE2b以】FlowPatrone:Self-adaPtiveEvolutono歹am()X222(12):1116i明Pr〔27ameshvCAMultia罗ntmeTohnique(f,ringu」TalukdarSR〔J」AtomationofEleetireoPwerSystems2以】)42ContingeneyConstarinedop*imalP.,werFlow,(7):2325[J」一EEETransonerSystems1〔18」石立宝徐949(2):855名6一国禹POw自适应进化规划及其在多目标最优潮流中的应用(1)基于自适应进化规划的多目标最日期:2(X抖111优潮流〔J〕电力—系统自动化2仪刃24(8):3-336收稿9;修回日期:205习卜26SHILiuoSadaPtiveEvolution作baoXUGyuelf-者简介:脚Pro19脚mmingandItsApplieationtoMu史ltiojheetiveOptimal继莉(7一)女硕士研究生研究方向为电力系统及计算;Email:163eomh)adFlowaPtrwTo:Self-adaptiveEvolutioan卿Program稳定sjl一ed@一ming黝IutionofMulti。}巧eetiveoptima邱l晓燕(19副b坦dFI(w[J])女教授主要从事电力系统分析及面AutomationOfEleetrieOPwerySstems2以X)24(8):33稳定性控制方的研究36(下转第95页eontinuedonpa罗95)[19」公eKYYangFFoptinlalReaetive巧werPlanningu周勇等无功补偿电容器谐波过载分析95涉按照谁污染谁治理的原则要求他们采取措施减少注入电力系统的高次谐波电流“”[2]吴竞昌孙树勤宋文南等京oP:M〕北电力系统谐波〔与此同时还可水利电力出版社198以通过调整电容器支路的参数减少其中的谐波电流nWUJigehangSUNShuqinonSONGWen:nanetlawer含量以避免电容器因为谐波电流而过载SystemHarmeri。s[M]BeijingHydraulieandE这个事例也给了我们一个启示当无功补偿电eeteliPorwPress1988容器组串有电抗器时仅仅监视电容器电流的有效M〕北京中国人口出版社[3〕周勇电网谐波源分析【:1995值是不够的还要定期测试其中的高次谐波电流ZHOUYongPwO:erNetworkH关于电容器的长期允许工作电流目前只是笼统地按13[M〕BjiiengChinaoPopulatinmraonssiooSu爬eAnalysi,Pre一995倍的额定电流来限定还应该对其中的高次谐波电流也作出相应的规定以便确保电容器的长收稿日期:作者简介:周波分析;2仪阵122;修回日期:2(X科1282期安全运行今考文献1〕【:勇(1957一)男副教授研究方向为电力系统谐孙树勤等出版社M【M干扰性负荷的供电〔〕北京o:中国电力肠a19961赵慧光(198;Em统谐波分析一a)男硕士研究生研究方向为电力系il:一zh即angl60@,inacomSUNShuqine:tlahTaePowetricorSuPPlyowe:fTurbulentd王文峰(1981)男硕士研究生研究方向为电力系〕BejiginChinaEleepP:。551996统谐波分析iysiasOfreuHmrincoveolra山ngnanaetiveeompeZHOUYogZHAOHi四angWANGWenasnUonoa8cPeitrengfChinkoeoeeiealEngineering(Cll罗fEltrtysiZhen邵houUniverstatonZhengZhou45()2Xa)e助onreoAbtstracson:iofthethernesneaonesataeertain220kVyzignladttigthhrmieaaeoroneeuptiusewafsfoundoutIt15thatthesthharmierByanaiinHenanoveroa即wernewortathef*heoerfquontofntwsaldedeanByurnsjdusting,heparamteofthe。atopaeirsloPharm:onieeeonenttofeuerntintheea5tor1PaeiedurseeedandtheeatorPaeisK叮wosdea那itor;hmraonieeuernt;resriesonaneeefayl勺之巴,辉‘勺碑‘.之勺碑,碑,碑戈之,碑,,碑,碑勺遭,硬,遭勺遭写之之代州代矛了、碑气,泛‘于己,产,之、之、,勺d,趁,,勺d(上接第页eonnutiedorfmpage)neeaArt价cialintelligePPlieationsinoPtimalopweriowfSHIJi11QIUtionXiaoyancho(SAbStimeetriealofEllEeonigneerngisteansdInfomraSiehuanUniveoityChengdou61(X场5nteChina)t。,emlPowerlafow(OPF)probllikeanonlinearveosseonetomygtmmiwlrihAlhdsnOPFaadhedat如C:h脚wi’l,engmplexityfo即wersymhaveeneeessonvexitatedthesdeveolpmentfatrifiiliealligyeenoe(AI)esrabli15to、ovelopnonsueePrmoblartwithothbheteontinuousanddiscrezztevaThispa谬r,utona口liahVasatheifieialesneualnetworrktoaset;evoeu(ANN)Ihfse一theo口evol,ithmr旋y(GAEPESSA:arwortiieiaflsdsete)mutiagenltand50onrousissuiateelrdpplieationofAlwediseussedr;intelligenee;optimalpowerlfow;ANN;ufzzylutionarylaoithmgrmu一liagent,心曰甲氏勺d,碑,守改泛,产‘,碑‘守心戒丫已勺碑‘碑甲勺之,勺在已‘,己,之‘‘之‘巴巴生,产,产.碑,碑,碑,碑勺碑,心勺遭‘勺之勺之‘,之勺廿(上接第92页Reonntiuedorfmpage92)eaUzingauotcotonsm伴nsaiyftsmforaajudstble,ivebaseda件eitcacr,suPPr创洛ioneoilzHANGzhanyong,aningWANGJilKANGYi,aNluWereni一o(1XJGrupCo卿oationrXuehang461侧刃China;2nthChiNorEl刀ctirnePwosityUnivernBaodig071()3XChina;ieNew3BaodingHuayuanEleetreToneeohnolygeotatoiiExPleCoLtdnBaodig071051China*)unAbsthTPrieoseeocart:hTonipsa详ranlyaswzedthepreieasentsituationendthdirathyristorthoertionoffueatuedreveolPmeuentoftheersonanati伴rmprinseiplesfa咒msuppressoneoilbasedseresiueepaeitorseaaneeddoublCPUswspraesentedeos脚sded即waeersyslemThedistributio犯nneeiPlftheoeatieset:ceondaryitehingweoParcitsthemdfoarmerngthesuia哪eitiveilanautoeontrolystesuersdetailedhTpispaetepsrlsointylh峨hTdeoimuatonliertshowlthattheK叮werlyramofprim;adorpdthe6kVdyn口andseeonda口nquipmsnmaieertnstendthaumopmitionOfeonstssuPPreesssoniimalaontiysteurtdebythis化ensereeoerunetandtheystemoat伴rsapirduordsa二suppressonieoil;ajdusteblaeapaeitorseaaeitiveeuert:iglephas脚dingfault:dynamieimlation