DE2121 - Metody sztucznej inteligencji w elektroenergetyce

Nazwa w drugim języku: 

Artificial Intelligence Methods in Electrical Power Engineering

Przedmiot realizowany w planach wzorcowych:

• Elektroenergetyka Semestr: 1 Etap: Model 2, magisterskie II-go stopnia, stacjonarne, polski, Wersja programu studiów: 1

Obieralny dla katalogów:

Znalazłem 0 pozycji. (Pokaż szczegóły)

Skrócone treści: 

Wykład
Algorytmy ewolucyjne (AE). Zastosowania AE w elektroenergetyce.
Sztuczne sieci neuronowe (SSN). Zastosowania SSN w elektroenergetyce.
Systemy ekspertowe (SE) i logika rozmyta (LR). Zastosowania SE i LR w elektroenergetyce.
Inne techniki sztucznej inteligencji. Zastosowania nowych technik sztucznej inteligencji w elektroenergetyce.
Laboratorium
Wykonanie 6 ćwiczeń laboratoryjnych, w tym 2 z dziedziny algorytmów ewolucyjnych, 2 ze sztucznych sieci neuronowych oraz 2 z zakresu logiki rozmytej i algorytmów roju cząstek.

Szczegółowe treści merytoryczne: 

Wykład
1. Wprowadzenie, pojęcia podstawowe (1h).
2. Algorytmy ewolucyjne (4h)
Pojęcia podstawowe, ogólna struktura algorytmu ewolucyjnego (AE). Operatory genetyczne. Metody selekcji oraz metody skalowania funkcji przystosowania. Implementacja komputerowa AE z przykładem obliczeniowym. Zastosowania algorytmów ewolucyjnych w elektroenergetyce.
3. Sztuczne sieci neuronowe (4h)
Inspiracja biologiczna i model matematyczny neuronu. Model McCullocha Pittsa. Funkcje aktywacji neuronu. Typowe architektury sztucznych sieci neuronowych (SSN). Perceptron wielowarstwowy, uczenie sieci metodą back-propagation (BP). Techniki stosowane w procesie uczenia sieci. Zastosowania SSN w elektroenergetyce.
4. Systemy ekspertowe i logika rozmyta (4h)
Budowa systemu ekspertowego (SE), reprezentacja wiedzy, pozyskiwanie wiedzy, mechanizmy wnioskowania.
Logika rozmyta, liczby rozmyte, operatory rozmyte, wnioskowanie rozmyte.
Zastosowania systemów ekspertowych i logiki rozmytej w elektroenergetyce.
5. Inne techniki sztucznej inteligencji (2h)
Algorytmy roju cząstek. Algorytmy mrówkowe. Sztuczne systemy immunologiczne. Zastosowania nowych technik sztucznej inteligencji w elektroenergetyce.

Laboratorium
1. Optymalizacja funkcji wielu zmiennych za pomocą programu Al._Gen (AE) - 2h.
2. Projektowanie optymalnych struktur sieci rozdzielczych (AE) - 2h.
3. Klasyfikacja obiektów rastrowych w ramach grup o wspólnych cechach, za pomocą programu NetLab (SSN) - 2h.
4. Aproksymacja krzywej średniego miesięcznego zużycia energii elektrycznej w kolejnych miesiącach roku (SSN) - 2h.
5. Wnioskowanie oparte na logice rozmytej (LR) - 2h.
6. Estymacja rocznych obciążeń szczytowych stacji SN/nn (algorytm roju cząstek) - 2h.

Bibliografia: 

Wykład
1. D. E. Goldberg: Algorytmy genetyczne i ich zastosowania. WNT, Warszawa, 2003.
2. Z. Michalewicz: Algorytmy genetyczne + Struktury danych = Programy ewolucyjne. WNT, Warszawa, 2003.
3. S. Osowski: Sieci neuronowe do przetwarzania informacji. Wyd. 2. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2006.
4. D. Rutkowska, M. Piliński, L. Rutkowski: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. PWN Warszawa, 1997.
5. P. Helt, M. Parol, P. Piotrowski: Metody sztucznej inteligencji w elektroenergetyce. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2000.
6. L. Rutkowski: Metody i techniki sztucznej inteligencji. Inteligencja obliczeniowa. PWN, 2006.
7. K. Trojanowski: Metaheurystyki praktyczne. Wyd. 2. Wyższa Szkoła Informatyki Stosowanej i Zarządzania, Warszawa 2008.
Laboratorium
D. Baczyński, S. Bielecki, M. Parol., P. Piotrowski, J. Wasilewski: Sztuczna inteligencja w praktyce. Laboratorium. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2008.

Kryteria oceny: 

Ocena łączna przedmiotu jest ustalana na podstawie sumarycznej liczby punktów za sprawdziany pisemne podczas wykładu oraz za zajęcia laboratoryjne. Za sprawdziany pisemne można uzyskać maksymalnie do 30 pkt, zaś za zajęcia laboratoryjne do 24 pkt. Ocena jest ustalana w następujący sposób: do 27 pkt - 2,0 (dwa); ponad 27 do 32,5 pkt. - 3,0 (trzy); ponad 32,5 do 38 pkt. - 3,5 (trzy i pół); ponad 38 do 43 pkt. - 4,0 (cztery); ponad 43 do 48,5 pkt. - 4,5 (cztery i pół); ponad 48,5 pkt. - 5 (pięć). Minimalna wymagana liczba punktów za wykład wynosi 12, zaś za zajęcia laboratoryjne wynosi 10.

Efekty kształcenia: 

Dobór podstawowych elementów składowych algorytmu ewolucyjnego, sztucznej sieci neuronowej, sterownika rozmytego oraz algorytmu roju cząstek; zastosowanie metod sztucznej inteligencji do rozwiązywania wybranych problemów z dziedziny elektroenergetyki; dobór parametrów sterujących (strojenie) algorytmów ewolucyjnych; uczenie sztucznych sieci neuronowych; konstruowanie sterowników rozmytych; dobór parametrów sterujących (strojenie) algorytmów roju cząstek; rozwiązywanie wybranych problemów z dziedziny elektroenergetyki w oparciu o techniki sztucznej inteligencji.

Uwagi: 

Laboratorium wymaga podziału na zespoły co najwyżej 2 osobowe.

Standardowe treści kształcenia ujęte w Rozporządzeniu MNiSW:

Elektroenergetyka Semestr: 1 Etap: Model 2, magisterskie II-go stopnia, stacjonarne, polski (Brak zdefiniowanych zakresów kształcenia dla specjalności)

Przedmioty na których bazuje dany przedmiot (prerekwizyty):

• [DE1107] Podstawy informatyki
• [DE1209] Matematyka 2
• [DE1210] Języki i metodyka programowania
• [DE1102] Matematyka 1