Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Zaawansowane systemy sztucznej inteligencji w elektroenerg.
Koordynator przedmiotu:
dr inż. Dariusz Baczyński, dariusz.baczynski@ien.pw.edu.pl, tel. +48222347314
Status przedmiotu:
Fakultatywny ograniczonego wyboru
Poziom kształcenia:
Studia II stopnia
Program:
Elektrotechnika
Grupa przedmiotów:
Wspólne
Kod przedmiotu:
Semestr nominalny:
2 / rok ak. 2011/2012
Liczba punktów ECTS:
3
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
Formy zajęć i ich wymiar w semestrze:
  • Wykład15h
  • Ćwiczenia0h
  • Laboratorium0h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
Metody sztucznej inteligencji w leketroenergetyce
Limit liczby studentów:
Cel przedmiotu:
wiedza nt. metod SI, zdolność doboru metod SI do problemów, umiejętność optymalizacji działania wybranych metod SI
Treści kształcenia:
Wykład Teoria algorytmów ewolucyjnych: równanie reproduktywnego wzrostu schematu, twierdzenie o schematach i hipoteza bloków budujących. Reprezentacja problemu (metody kodowania) na przykładzie problemu komiwojażera. Specjalizowane operatory genetyczne wykorzystywane w zadaniach z dziedziny elektroenergetyki. Algorytmy ewolucyjne w optymalizacji. Zastosowanie algorytmów ewolucyjnych w elektroenergetyce. Modele wybranych sieci neuronowych i algorytmy ich uczenia wykorzystywane w zadaniach z dziedziny elektroenergetyki: różne metody uczenia sieci typu perceptron wielowarstwowy, sieć samoorganizująca Kohonena z algorytmem uczenia. SSN do rozwiązania zadania programowania liniowego/nieliniowego. Techniki realizacji SSN. Programy komputerowe do symulacji pracy SSN. Normalizacja i kodowanie danych. Dobór architektury SSN. Miary dokładności uzyskiwanych rezultatów działania SSN. Przykłady zastosowań praktycznych sieci neuronowych w elektroenergetyce. Algorytm mrówkowy. Sposób działania na przykładzie rozwiązywania problemu komiwojażera. Laboratorium 1. Metody skalowania funkcji przystosowania i metody selekcji (AE) 2. Optymalna regulacja napięć w sieciach rozdzielczych (AE) 3. Estymacja mocy szczytowych rocznych stacji SN/nn (AE) 4. Estymacja mocy szczytowych rocznych stacji SN/nn (SSN) 5. Prognozowanie średnioterminowego miesięcznego zapotrzebowania na energię elektryczną (SSN) 6. Optymalizacja problemu komiwojażera za pomocą algorytmu mrówkowego
Metody oceny:
Egzamin:
Literatura:
1. S. Osowski: Sieci neuronowe, wyd. 2, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 1996. 2. S. Osowski: Sieci neuronowe w ujęciu algorytmicznym, wyd. 2, WNT, Warszawa, 1997. 3. D. E. Goldberg: Algorytmy genetyczne i ich zastosowania, WNT, Warszawa, 1995. 4. Z. Michalewicz: Algorytmy + Struktury danych = Programy ewolucyjne, WNT, Warszawa, 1996. 5. D. Rutkowska, M. Piliński, L. Rutkowski: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN Warszawa, 1997. 6. P. Helt, M. Parol, P. Piotrowski: Metody sztucznej inteligencji w elektroenergetyce, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2000.
Witryna www przedmiotu:
Uwagi:

Efekty uczenia się