Strict Standards: Only variables should be assigned by reference in /v/ftp/gdudek.el.pcz.pl/templates/shape5_vertex/vertex/responsive/responsive_mobile_sidebar.php on line 8
Login
Register
Strict Standards: Only variables should be assigned by reference in /v/ftp/gdudek.el.pcz.pl/templates/shape5_vertex/vertex/responsive/responsive_mobile_menu.php on line 137

Home

Research

Publications

Varia

Polish

Home

Wybierz uczelnię:

P.Cz.

WSTI

Linki wymagają aktualizacji

Lista Inf. IT    Lista Inf. TIiTM   Lista Elektr.

Wykład z systemów eksperckich

Instrukcja do systemu Ekspert

Przykład prostego systemu ekspertowego w Ekspercie

Artykuł prof. Brzowskiego dot. zastosowania systemu eksperckiego w elektrowni 

Artykuł prof. Brzowskiego dot. systemu Ekspert  

Program Ekspert - plik do podmiany

Strona SWI Prolog  |  SWI Prolog (przegraj do katalogu Dokumenty)

Zadania z Prologu 

 

Lista elektrotechnika

Lista informatyka

 

Pytania do egzaminu/zaliczenia wykładu

 

Wymagania odnośnie projektu systemu eksperckiego w środowisku EKSPERT

  • Projekt wykonujemu w sekcjach dwuosobowych
  • Na projekt przewidzianych jest 15 godz. zajęć
  • Minimalna liczba reguł - 70, minimalna liczba faktów - 7
  • Warunkiem zaliczenia projektu jest uruchomienie systemu i przeprowadzenie procesu wnioskowania
  • Z projektu należy wykonać sprawozdanie, które powinno zawierać:
    • stronę tytułową sporządzoną według wzoru sprawozdania podanego na stronie www,
    • część teoretyczną dot. systemów eksperckich i systemu Ekspert (2-3 str.),
    • gruntowny opis zaimplementowanego problemu (1-2 str.),
    • zestawienie faktów (z ich typami i ew. wartościami wyliczeniowymi) i reguł,
    • zobrazowanie trzech wariantów wnioskowania (w przód, wstecz i mieszanego) z podaniem wartości faktów (treść pliku tekstowego) i zrzutów ekranu,
    • wnioski. 

 

Wymagania odnośnie sprawozdania z zadań i projektu w Prologu

  • Zadania i projekt wykonujemu w sekcjach dwuosobowych
  • Z zadań i projektu należy wykonać jedno sprawozdanie, które powinno zawierać:
      • stronę tytułową sporządzoną według wzoru sprawozdania podanego na stronie www,
      • część teoretyczną dot. Prologu,
      • treści zadań, programy w Prologu z implementacją rozwiązania i przykładowe pytania wraz z odpowiedziami,
      • opis problemu podjętego w ramach projektu, program w Prologu z implementacją, kilka przykładowych pytań z odpowiedziami,
      • wnioski.

 

Wykłady

1 Informacje wstępne  15.  Analiza danych – wykrywanie obserwacji odstających, uzupełnianie brakujących danych 
2. Uczenie się indukcyjne  16. Maszyna wektorów nośnych
3. Drzewa decyzyjne            
4. Indukcja reguł     
5.  Liniowe metody klasyfikacji     
6. Liniowe metody aproksymacji     
7.  Klasyfikator Bayesa    
8.  Nieparametryczne metody aproksymacji    
9.  Grupowanie danych     
10.  Przetwarzanie atrybutów       
11.  Klasyfikatory minimalnoodległościowe      
12.  Komitety klasyfikatorów      
13.  Sztuczne sieci neuronowe      
14.  Algorytmy ewolucyjne      

 

Ćwiczenia laboratoryjne

Symbol  Temat
MAT Matlab
DD Klasyfikacja danych za pomocą drzew decyzyjnych 
LMK Liniowe metody klasyfikacji (4h)
LMA Liniowe metody aproksymacji (4h) 
GD Grupowanie danych  | Zbiór danych
SVM Maszyna wektorów nośnych  | Skrypt 
 ...  
   

 

Warunki zaliczenia

  1. Obecność na zajęciach laboratoryjnych (dopuszczalna jedna nieobecność).
  2. Terminowa i samodzielna realizacja ćwiczeń laboratoryjnych i sprawozdań.
  3. Znajomość zadanego materiału oraz znajomość materiału prezentowanego na wykładzie.
  4. Pozytywne oceny ze wszystkich kartkówek.
  5. Zaliczone wszystkie sprawozdania.

Ocena końcową jest średnią z: 

  • ocen ze sprawozdań,
  • ocen z kartkówek,
  • ocen za aktywność na zajęciach,
  • ocen z zadań dodatkowych.

Studenci, którzy mają aspiracje na ocenę bardzo dobrą powinni realizować zadania zamieszczane w punktach "Zadania dodatkowe dla ambitnych" w instrukcjach do poszczególnych ćwiczeń laboratoryjnych.

 

Wymagania odnośnie sprawozdania

  • Sprawozdania z systemów uczących się przesyłamy w postaci elektronicznej (pdf) pod nazwą


SUS_Nazwisko1+Nazwisko2_SymbolĆwiczenia_SymbolRoku.pdf


gdzie:
SymbolĆwiczenia znajduje się na początku każdej instrukcji (np. Mat, DD, LMK, GD), 
SymbolRoku zawiera rok, symbol kierunku i oznaczenie "S" dla studiów stacjonarnych lub "NS" dla studiów niestacjonarnych; symbole oddzielamy znakiem "+" (rok+kierunek+S/NS)

Przykład prawidłowej nazwy pliku ze sprawozdaniem: SUS_Nowak+Kowalski_LMK_3+I+S.pdf
W temacie emaila proszę skopiować nazwę pliku ze sprawozdaniem j.w.

Sprawozdania niespełniające powyższych wymogów nie będą przyjmowane.

  • Wzór sprawozdania znajduje się na stronie internetowej. Na stronie tytułowej należy umieścić podstawowe informacje (ściśle według wzoru sprawozdania).
  • Sprawozdanie powinno zawierać:
    • A. Cel ćwiczenia.
    • B. Treść zadania.
    • C. Część teoretyczną.
    • D. Metodykę rozwiązania zadania, opis algorytmów, metod, danych.
    • E. Zestawienie i omówienie wyników.
    • F. Wnioski.
    • G. Tekst programu implementującego rozwiązanie zadania (jeśli nie znalazł się w części D).
  • Sprawozdanie (jedno na dwuosobową sekcję) przygotowują obie osoby w sekcji i obie są przygotowane do jego zaliczenia.
  • W przypadku odrabiania ćwiczenia, każda osoba w sekcji wykonuje ćwiczenie oraz sprawozdanie samodzielnie ze zmienionym numerem sekcji – 10+nr_gr (pierwsza osoba w sekcji), 20+nr_gr (druga osoba w sekcji).
  • Sprawozdania oddajemy i zaliczamy na następnych zajęciach. Jeśli sprawozdanie oddane lub zaliczane jest później, ocena jest obniżana.
  • Treść sprawozdania powinna być czytelna. Należy jasno opisać zadanie i sposób jego rozwiązania oraz dać właściwe wnioski. Kolejne czynności i warianty rozwiązania powinny być opisane w kolejnych punktach sprawozdania (zatytułowanych) tak, aby można było powtórzyć badania i eksperymenty.
  • Metoda rozwiązania powinna być dokładnie opisana, podać algorytmy, schematy itp.
  • Wyniki powinny być zestawione w czytelnej formie, zanalizowane i zinterpretowane.
  • Wszystkie wątpliwości związane z ćwiczeniem lub "dziwne" wyniki należy przedyskutować z prowadzącym.
  • Należy zwrócić uwagę na staranny układ tekstu sprawozdania, numerację stron itp.

 

(studia niestacjonarne, rok akad. 2014/15)

Wykład z systemów eksperckich

Instrukcja do systemu Ekspert

Przykład prostego systemu ekspertowego w Ekspercie

Artykuł prof. Brzowskiego dot. zastosowania systemu eksperckiego w elektrowni 

Artykuł prof. Brzowskiego dot. systemu Ekspert

 

Wymagania odnośnie projektu systemu eksperckiego w środowisku EKSPERT

  • Projekt wykonujemy w sekcjach dwuosobowych
  • Minimalna liczba reguł - 50 (absolutne minimum to 30), minimalna liczba faktów - 7
  • Warunkiem zaliczenia projektu jest uruchomienie systemu i przeprowadzenie procesu wnioskowania
  • Z projektu należy wykonać sprawozdanie, które powinno zawierać:
    • stronę tytułową sporządzoną według wzoru sprawozdania podanego na stronie www,
    • część teoretyczną dot. systemów eksperckich i systemu Ekspert (2-3 str.),
    • gruntowny opis zaimplementowanego problemu (1-2 str.),
    • zestawienie faktów (z ich typami i ew. wartościami wyliczeniowymi) i reguł,
    • zobrazowanie trzech wariantów wnioskowania (w przód, wstecz i mieszanego) z podaniem wartości faktów (treść pliku tekstowego) i zrzutów ekranu,
    • wnioski. 

 

Sprawozdania sporządzamy w formie elektronicznej (pdf) i przesyłamy na adres This email address is being protected from spambots. You need JavaScript enabled to view it. pod nazwą:

SE_I_Nazwisko1_Nazwisko2.pdf - studenci kierunku informatyka

SE_E_Nazwisko1_Nazwisko2.pdf - studenci kierunku elektrotechnika

 

Zakres materiału z wykładu do zaliczenia projektu

  • Definicje systemu eksperckiego
  • Struktura i klasyfikacja systemów eksperckich
  • Budowa reguły
  • Wnioskowanie w przód, wstecz i mieszane
  • Współczynniki pewności (CF), wnioskowanie ze współczynnikami pewności
  • Wnioskowanie rozmyte
  • Metody reprezentacji wiedzy w systemach eksperckich
  • Heurystyki i metody przeszukiwania
  • Architektura systemów eksperckich
  • Metodyka tworzenia bazy wiedzy
  • Badanie poprawności bazy wiedzy

 Na ocenę 3 trzeba opanować przynajmniej 5 pierwszych punktów powyższej listy  

 

Ekonomiczny rozdział obciążeń z zastosowaniem algorytmów ewolucyjnych

Autor – mgr inż. Grzegorz Dudek

Promotor – dr hab. inż. Władysław Brzozowski prof. P.Cz

Recenzenci

  • Prof. dr hab. inż. Irena Dobrzańska z Instytutu Elektroenergetyki Politechniki Częstochowskiej
  • Prof. dr hab. inż. Jerzy Hołubiec z Instytutu Badań Systemowych PAN
  • Dr hab. inż. Robert Schaefer z Instytutu Informatyki Uniwersytetu Jagiellońskiego

Praca obroniona z wyróżnieniem dn. 27.03.2003 na Wydziale Elektrycznym Politechniki Częstochowskiej

W pracy zaproponowano metody sztucznej inteligencji i optymalizacji globalnej: algorytmy ewolucyjne (AE) i symulowane wyżarzanie (SW) do zadania ekonomicznego rozdziału obciążeń czynnych (ERO) na współpracujące w elektrowni i systemie elektroenergetycznym jednostki wytwórcze (JW). Zadanie obejmuje dobór składu jednostek, jak i rozdział obciążeń na jednostki w 24-godzinnym okresie optymalizacji.

Metody optymalizacji wykorzystujące AE i SW pozbawione są wielu wad metod klasycznych – nie stawiają ograniczeń, co do matematycznej postaci charakterystyk kosztowych bloków energetycznych (nie wymaga się postaci analitycznej tych charakterystyk, a osobliwości pochodnych są nieistotne), pozwalają dowolnie kształtować funkcję kosztu (może ona obejmować koszty ochrony środowiska, rozruchów, strat sieciowych itp.), a także uwzględniać ograniczenia. Ciągłe nieliniowe zadanie rozdziału obciążeń i kombinatoryczne zadanie doboru składu JW mogą być rozwiązywane łącznie, za pomocą jednego algorytmu.

W pracy opisano klasyczne metody ekonomicznego rozdziału obciążeń i doboru składu jednostek wytwórczych oraz nowe podejścia wykorzystujące metody sztucznej inteligencji oraz metody uwzględniające wymagania ochrony środowiska naturalnego.

Opracowano metody konstrukcji charakterystyk kosztów zmiennych oraz kosztów rozruchów bloków energetycznych. W charakterystykach tych uwzględniono:

  • koszty paliwa podstawowego i rozpałowego,
  • koszty materiałów dodatkowych - wody (kotłowej, ruchowej, chłodzącej), olejów, chemikaliów, kul do młynów i innych,
  • koszty eksploatacyjne instalacji odsiarczania spalin - sorbentu, wody technologicznej, energii elektrycznej,
  • koszty eksploatacyjne instalacji odazotowywania spalin - amoniaku, katalizatora, energii elektrycznej,
  • koszty wprowadzania do powietrza atmosferycznego pyłu ze spalania paliw, dwutlenku siarki, tlenków azotu, dwutlenku i tlenku węgla,
  • koszty składowania odpadów - popiołu lotnego, żużla i odpadów z wapniowych metod odsiarczania spalin,
  • koszty ścieków.

Skonstruowano charakterystyki kosztowe na bazie danych rzeczywistych otrzymanych z Elektrowni Bełchatów i Krajowej Dyspozycji Mocy (charakterystyk energetycznych, charakterystyk strat rozruchowych, poziomów emisji zanieczyszczeń, parametrów paliwa, parametrów bloków energetycznych i instalacji oczyszczania spalin, ...) oraz przepisów formalno-prawnych dotyczących dopuszczalnych poziomów emisji zanieczyszczeń, opłat związanych z emisją zanieczyszczeń, składowaniem odpadów i odprowadzaniem ścieków.

Model matematyczny zadania ERO obejmuje:

  • funkcję kosztu zdefiniowaną jako suma kosztów zmiennych produkcji energii elektrycznej powiększona o koszty rozruchów jednostek wytwórczych w 24-godzinnym okresie optymalizacji,
  • warunek bilansu mocy czynnej,
  • warunek zakresu generacji JW oraz grupy jednostek,
  • ograniczenia związane z minimalnymi czasami postoju jednostek w rezerwie oraz minimalnymi czasami pracy jednostek po rozruchu.

Do zadania ekonomicznego rozdziału obciążeń zastosowano dwa podejścia:

  1. kombinowane – ERO-k:

    • z wykorzystaniem algorytmów ewolucyjnych,
    • z wykorzystaniem algorytmów symulowanego wyżarzania,
    • z wykorzystaniem algorytmu hybrydowego SW i AE,
  2. zintegrowane – ERO-z:

    • z wykorzystaniem kompleksowego algorytmu ewolucyjnego,
    • z wykorzystaniem sekwencyjnego algorytmu ewolucyjnego.

W pierwszym podejściu dziedziną poszukiwań AE i SW jest przestrzeń stanów „jednostka załączona” – „jednostka odstawiona”, dla wszystkich chwil t okresu optymalizacji T. Jest to zadanie kombinatoryczne, które sprowadza się do ustalenia harmonogramów pracy jednostek wytwórczych. Rozdział obciążeń na załączone do ruchu jednostki sam w sobie stanowi tu odrębny problem programowania nieliniowego, który rozwiązuje się dla każdej chwili t (ERO „w punkcie”) klasyczną metodą mnożników Lagrange'a.

Zaproponowano kilka sposobów definicji zmiennych i dostosowane do nich metody reprezentacji:

  • zmiennymi są stany pracy JW w kolejnych chwilach okresu optymalizacji reprezentowane w kodzie binarnym,
  • zmiennymi są czasy załączeń i odstawień jednostek reprezentowane w kodzie binarnym lub całkowitoliczbowym.

W AE wprowadzono łącznie sześć metod mutacji oraz sześć metod rekombinacji dostosowanych do reprezentacji zmiennych. Na uwagę zasługuje oryginalny specjalizowany operator mutacji binarnej, w którym prawdopodobieństwo załączenia lub odstawienia JW zależny od liczby jednostek potrzebnych do pokrycia zapotrzebowania, kosztów zmiennych wytwarzania JW oraz kosztów ich rozruchów. Opracowano operator transpozycji, przeszukujący minima lokalne funkcji kosztu, który pozwala znacznie zwiększyć skuteczność AE. Do selekcji używano metody turniejowej.

Punkty próbkujące przestrzeń rozwiązań w algorytmie SW generowano za pomocą operatorów przesunięcia: mutacji i transpozycji. Zastosowano dwa schematy wyżarzania: statyczny Kirkpatricka oraz adaptacyjny Aartsa i van Laarhovena. Schemat adaptacyjny zmodyfikowano tak, aby w modelu optymalizacyjnym uwzględnić ograniczenia narzucone na zadanie. Modyfikacje polegały na dopasowaniu temperatur startowych oraz metod ich adaptacji do etapów przeszukiwania przestrzeni rozwiązań (najpierw przestrzeni punktów niedopuszczalnych, potem dopuszczalnych).

Opracowano algorytm hybrydowy SW+AE, który posiada strukturę algorytmu SW, tzn. pętlę zewnętrzną i wewnętrzną, przy czym równolegle zachodzi wiele procesów wyżarzania. Przestrzeń rozwiązań przeszukiwana jest przez populację punktów, które modyfikowane są niezależnie w pętli wewnętrznej algorytmu za pomocą operatora przesunięcia i wymieniają między sobą informacje w pętli zewnętrznej podlegając rekombinacji (losowej, minimalnoodległościowej, z najlepszym punktem) lub mikrowyżarzaniu.

Ograniczenia funkcji kosztu we wszystkich algorytmach optymalizacyjnych ERO-k eliminowano stosując strategię naprawy rozwiązań niedopuszczalnych (losową lub deterministyczną) lub strategię z funkcją kary.

W podejściu zintegrowanym (ERO-z) algorytmy ewolucyjne rozwiązują jednocześnie zadanie doboru składu jednostek wytwórczych i zadanie optymalnego ich obciążenia. W tym przypadku nie ma ograniczeń, co do charakterystyk kosztów zmiennych jednostek, nie muszą one być ciągłe, różniczkowalne i wypukłe, czego wymaga klasyczna metoda ERO według równych przyrostów względnych. Opracowano kompleksowy AE, optymalizujący harmonogramy i obciążenia jednostek w całym okresie T oraz sekwencyjny algorytm ewolucyjny, optymalizujący obciążenia dla kolejnych godzin okresu T. Zaproponowano zmiennopozycyjną reprezentację zmiennych, którymi są obciążenia JW. Zastosowano specjalizowane, dopasowane do reprezentacji operatory mutacji, transpozycji i krzyżowania. Ograniczenia funkcji kosztu eliminowano stosując strategię naprawy rozwiązań niedopuszczalnych oraz strategię z funkcją kary.

Wszystkie warianty opracowanych algorytmów optymalizacyjnych oprogramowano w środowisku Matlab i przeprowadzono masowe obliczenia komputerowe w celu porównania efektywności algorytmów. Celem porównania wykonano obliczenia optymalizacyjne z wykorzystaniem algorytmu z twardą selekcją, algorytmu Monte Carlo oraz klasycznego algorytmu charakterystyk czasów granicznych. We wszystkich przypadkach opracowane algorytmy AE i SW pozwoliły uzyskać lepsze (mniej kosztowne) rozwiązania. AE ze względu na swoją równoległą strukturę działały szybciej od SW. Czas działania można jeszcze znacznie zredukować implementując AE na maszynach równoległych. AE w wersji kompleksowej, wobec dużej liczby zmiennych binarnych i ciągłych, przeszukuje znacznie większą przestrzeń rozwiązań, niż w wersji kombinowanej. W związku z tym wydłuża się czas do momentu znalezienia dobrego rozwiązania. Czas ten można ograniczyć stosując podejście sekwencyjne, chociaż jest ono bardziej zdeterminowane i nie gwarantuje optymalizacji globalnej w okresie T.

Przeprowadzono analizę dokładności proponowanych modeli optymalizacyjnych. Za pomocą modelowania statystycznego wyznaczono rozkład dodatkowych kosztów spowodowanych typowymi błędami parametrów wejściowych modeli. Wyznaczono też rozkłady błędów funkcji kosztu i błędów określania obciążeń JW. Zbadano wrażliwość tych błędów na błędy parametrów wejściowych.

Opracowane modele mogą być wykorzystane do optymalizacji rozdziału obciążeń w pojedynczej elektrowni jak i w całym systemie elektroenergetycznym. Mogą znaleźć też zastosowanie w niektórych modelach rynku energii elektrycznej (np. w tzw. „modelu kalifornijskim”).