استفاده از سیستم های هوشمند
همانطور كه می دانیم استفاده از سیستم های هوشمند روش بسیار جالب و كار آمدی برای مدل كردن سیستم هایی هست كه مدل خاص ریاضی ندارند و یا مدل ریاضی آنها پیچیده و كاملا غیر خطی است به طوری كه بدست آوردن آن مدل از روش های كلاسیك ریاضی بسیار سخت و همراه با خطای زیادی می باشد ( البته خطا ی ناشی از گرفتن فرضیات خاص برای ساده شدن سیستم می باشد ) . از طرف دیگر ما هر مدل ریاضی كه برای بررسی بار یك منطقه یا یك كشور در نظر بگیریم نمی تواند یك مدل كاملا دقیق باشد كه بتواند تمام پارامترهای موثر در بار آن منطقه را در خود نشان دهد . در ضمن اگر برای دقت بیشتر پارامترهای موثر در بار را زیادتر كنیم سیستم غیر خطی تر شده و بدست آوردن مدل ریاضی آن مشكل تر و هزینه بر می شود . لذا در دهه اخیر ایده بكاربردن سیستم هوشمند برای مدل كردن بار یك ناحیه مورد توجه قرار گرفته است . در سیستمهای هوشمند اساس مسئله بر روی تعریف یك سری قوانین پایه استوار است كه توسط افراد خبره و با تجربه در آن مسئله تعریف می شود . قوانین پایه در پیش بینی بار می تواند با توجه به مسئله زیر مطرح شود :
بررسی سابقه رشد بار ناحیه .
پیش بینی وضعیت اقتصادی و اجتماعی و سیاسی و جغرافیای منطقه .
سایر مسائل خاص در این رابطه
پس در این روش با مراجعه به افراد با تجربه در مسایل اقتصادی و انرژی منطقه قوانین پایه لازم كه بصورت if…then تعریف می شود استخراج شده و از روی آن اقدام به پیش بینی بار آن ناحیه می كنیم و هر چقدر تعداد این قوانین پایه زیادتر و دقیقتر باشد پیش بینی نیز دقیق تر می شود .
در سالهای اخیر شاهد حركتی گسترده از تحقیقات صرفا تئوری به تحقیقات كاربردی برای حل مسائلی بوده ایم كه برای آنها راه حل موجود نیست و یا براحتی قابل حل نیستند . با عنایت به این امر علاقه فزاینده ای در توسعه تئوریك سیستم های دینامیكی هوشمند مدل – آزادكه مبتنی بر داده های تجربی هستند ایجاد شده است شبكه های عصبی مصنوعی یا ANN جزءاین دسته از سیستم های دینامیكی قرار دارند كه با پردازش های لازم روی داده های تجربی قانون نهفته در بین داده ها را پیدا می نمایند .
2- كاربرد هوش مصنوعی در سیستم های قدرت :
عموما در مسائل علمی رشته های فنی و مهندسی با دو مقوله اساسی سروكار داریم كه عبارتند از :
الف) تعیین رفتار سیستم های مختلف در مقابل تحریك های اعمالی
ب) پیدا نمودن نقاط بهینه كاركرد سیستم
تا دهه اخیر عموما سعی بر این بود كه برای رسیدن به اهداف تعریف شده فوق یك مدل و تابع ریاضی از رفتار سیستم استنتاج و بر اساس یك سری معادلات و محدودیت ها نقاط بهینه رفتار سیستم پیدا شود .
این روشها گر چه در نظر اول چون بحث ریاضیات در میان است دقیق به نظر می رسند ولی در عمل بنا به دلایل ذیل بطور كامل و دقیق پاسخگوی مسایل نیستند .
سیستم های عملی خیلی پیچیده و اغلب كاملا غیر خطی و متاثر از پارامترها و ورودیهای خیلی زیادی هستند و استخراج مدل دقیق ریاضی آنها یا امكان ندارد و یا مستلزم صرف هزینه زیاد می باشد .
در شناسایی بهینه سازی سیستم های پیچیده غیر خطی اغلب مجبور به خطی سازی هستیم كه این امر باعث می شود جوابهای بدست آمده با جوابهای واقعی خیلی فاصله داشته باشد ، بطوریكه اغلب یك نتیجه گیری عملی را غیر ممكن می سازد