专家系统作为人工智能领域中最活跃的一个分支,近年来在电力系统中取得了广泛的应用.利用人工智能方法自动处理大量的报警信息,快速诊断故障元件,对调度员迅速处理故障,保证电网安全稳定运行具有重要意义.目前大多的专家系统都是基于规则推理RBR(Rule-Based Reasoning)的.在这些系统中,知识库中存储的是一般知识.因此系统中实现自学习功能非常困难.从而使开发出的系统生命周期很短.这必然大大限制了专家系统在该领域的进一步应用.而电力系统领域专家在实际工作中的思考方式是非常简洁实用的,这就是除了采用必要的规则推理以外,他们更多地利用其脑海中已熟知的典型方案,根据实际问题与之相配,再加以适当修改和调整,从而得到符合实际问题的保护方案.这种思维方式恰好和智能界近来兴起的基于事例的推理CBR(Case-Based Reasoning)方法相吻合.其核心思想是:当问题求解时,在以前类似的求解问题的成功范例(CASE)基础之上进行推理,而不必一切从头做起.因此,研究具有自学习功能的网调继电保护运行管理专家系统是一项极有意义的工作.该系统研制成功后,必将在继电保护运行管理中发挥重大作用.由于它可以在应用过程中通过自学习逐渐完善知识库,因而可以有效地克服知识获取瓶颈问题,同时它也能很好地适应电力系统自身发展变化的需要,大大地延长其生命周期.该课题首先将具体的电力系统抽象成"图",然后利用图的相似度计算公式,求解与待查询事例相似度最大的事例.为了解决计算事例图间相似度而引起的"组合爆炸",我们引入了遗传算法;为了解决遗传算法的"早熟",我们引入了模拟退火算法,从而形成了"模拟退火遗传算法",并经过大量的计算证实了改算法的可行性,并据此编制了"基于事例推理的继电保护日常运行管理专家系统"软件.为了增强推理效率,我们将"基于规则推理"和"基于事例推理"相结合——先对一般知识进行RBR推理,对特殊知识进行CBR推理,然后据RBR的推理结果对CBR推理结果进行相应的修改,然后保存事例.通过大量的测试证明该算法的可行性.该课题在电力系统领域具有基础性和开创性,并具有广阔的应用前景.