Artificial Intelligence Solutions to Power System Operating Problems

Schulte, R. P.; Wrubel, J.N.; Larsen, S. L.; Sheblé, G.B.; Wollenberg, B.F.

doi:10.1109/mper.1987.5526895

Cited by 1 publication

(1 citation statement)

References 0 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…The potential benefits of artificial intelligence technologies applied to the bad-data and missing-data problems have been recognized [29]. New features have been incorporated into pattern analysis methods, turning them into very efficient tools for solving these problems.…”

Section: Introductionmentioning

confidence: 99%

A pattern recognition approach for data estimation and debugging in power systems

Silva

Quintana²,

Pang³

1993

Can. J. Electr. Comput. Eng.

View full text Add to dashboard Cite

This paper is an extension of our work on a new framework for solving data acquisition and processing problems in power systems. The proposed methodology applies pattern analysis techniques to solve the network configuration, observability analysis and bad-data processing problems. In this paper, other associative memory models are investigated for the solution of the observability analysis and bad-data processing tasks. Special emphasis has been put on pattern analysis tools suitable for massively parallel implementations, such as artificial neural network models. Test results have been obtained for the IEEE 24-and 118-bus test systems.Cet article est une suite de nos travaux, mais dans un nouveau cadre de travail pour ce qui concerne les problèmes d'acquisition et de traitement des données dans les systèmes de haute puissance. La méthodologie proposée emploie les techniques de reconnaissance de forme pour résoudre les problèmes de configuration de réseaux, d'analyse d'observation et de traitement des données erronées. Dans cet article, d'autres modèles de mémoire associative sont étudiés pour la solution des analyses d'observation et le traitement des cas où les données sont erronées. Une emphase particulière est mise sur les outils de reconnaissance de forme approprié pour les implantations massivement parallèles tels les modèles à réseaux neuroniques. Les résultats présentés ont été obtenus sur des systèmes employant des bus répondant aux normes IEEE 24 et 118.

show abstract

Section: Introductionmentioning

confidence: 99%