电力系统中就人工智能若干问题的讨论分析

国网技术学院学报　第１７卷第２期　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｔａｔｅ　Ｇｒｉｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｃｏｌｌｅｇｅ　９　电力系统中就人工智能若干问题的讨论分析　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｄｉｓｃｕｓｓｉｏｎ　ｏｎ　Ｓｏｍｅ　Ｐｒｏｂｌｅｍｓ　ｏｆ　Ａｒｔｉｉｆｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ　ｉｎ　Ｐｏｗｅｒ　Ｓｙｓｔｅｍ　刘桂林宋玮　华北电力大学　河北　保定０Ｙ　１　００３　【摘要】人工智能技术领域的研究或多或少的存在一些问题，就其若干关键技术进行深入分　析。知识的不确定性导致知识表示成了人工智能技术研究中的一个难点，在专家系统中还不　能有效的加以解决，亟需探索新的数据结构以及表示方法来对数据表示加以处理。知识获取　主要是从专家知识源、专家库以及人工智能知识库中来获得，限制了知识获取的路径。此外，　还要利用获得知识进行推理来解决问题，对电力系统中知识推理存在的问题进行了分析。探　讨分析认为与专家交谈、协议分析、多维分析和计算机辅助技术等是专家获取知识的关键技　术，并对知识表示、知识获取、知识推理在电力系统中的综合应用进行了展望。　【关键词】人工智能　专家系统　知识表示　知识推理　知识获取　【中图分类号】ＴＭ７６　【文献标识码】Ｂ　０前言　１　知识获取　知识表示及知识推理在电力　研究人工智能目的就是模拟人类智能行为的　系统中的应用　系统，为此必须研究人类智能行为在计算机中的　知识表示可以定义为能被计算机所接受的来　表示形式，只有把知识存储到计算机中去，才能供　描述知识的数据结构体的形式，还是对智能模拟　求解决现实问题使用，而对电力系统自动化与智　的一个数学模型，它可以不是一个对智能本质的一　能化领域［１—２］中的问题求解，需要大量的知识。　种描述，尤其是传统的符号主义知识表示距离揭示　作为人工智能技术的研究对象，思维是人工智能　人的行为发生的内在机制还存在很大的不同，在神　研究者的主观认识的过程。把人工智能放在认知　经学和心理学的指示下，通过对智能动作的生理和　科学中，将会获得认识方法以及认识工具上的进　心理基础过程的研究可以得到对相关知识表示的　步，所以从知识表示到表示是人工智能认识论上　一个新认识。这种不同的表示方式预示着人工智能　的一个进步。　技术上的不断发展，知识表示的进程也就是把知识　通常将电力系统故障分为两类：一类是横向故　改写成某种数据结构的过程。知识运用Ｅ４１的表现形　障，即短路故障等；一类是纵向故障，即断线故障　式只是知识表示的一方面的作用，此外知识表示也　等。不管何种故障，总可以定位到具体的设备故障、　决定了处理知识的效率和范围。可以把它看成是对　设备间配合故障或系统之间配合故障．电力系统故　人工智能的一种模型的科学抽象过程。　障分析，可以看成是一个信息融合的过程。　知识获取一般是指在知识ｌＴ程和人＿Ｔ智能系　收稿日期：２０１３—１２—０１　统中，计算机通过某种特定的方式实现从专家知识　作者简介：刘桂林（１９８７一），男，硕士研究生。主要研究方向　源、专家库以及人Ｔ智能知识库获取知识的过程：　是电力系统及其自动化与继电保护。　一般将知识获取的方式分为通过理论学习从数据　１０　电力系统中就人Ｔ智能若干问题的讨论分析　Ｖｏ１．１７　Ｎｏ．２　库中自动获取相关理论知识，知识编辑器能够提供　具有一定格式的对话窗口，领域专家按照对话的要　求输入相应的知识；从相关领域的专家系统那里获　取知识Ｔ程师的知识，然后通过正确的方式来储存　到知识库中；相关领域的专家借助知识编辑器将自　己的知识和经验存入到知识库。知识获取是为了通　过计算机对专家系统的丰富知识快速地收集和整　理，借助建立的各种高性能的知识库．来帮助我们　解决那些仅仅靠人自己难以解决或解决起来效率　太低的各种问题，但是从知识源头获得知识进而构　建知识系统Ｅ５］，是知识Ｔ程需要解决的一个工人瓶　颈问题。　在智能系统中，推理通常是通过一组程序代码　来实现的：从智能技术上看，推理　。可以定义为按　一定的方式南已知判断推　另一种未知判断的过　程。知识推理的过程不但包括正向推理，也包括反　向推理以及正反向推理［＝８］。首先正向推理的总体思　想可以概括为从问题所有＿口Ｊ～ＦＩ￣　，的初始证据（事实）　开始，通过　配每一条知识元，识别Ⅲ所有可被利　用的知识．形成一个可用知识体在冲突中选择一条　知识并加以利用，得ｊ“一条新事实和原有事实又会　引起知识系统中新的知识匹配，从而继续问题求　解。直到求解达到所要求或与要求相近的状态。其　次反向推理的总体思想可以归纳为首先假设问题　的结论是推理网络中的某个根节点，放在假设中；　然后找出与其结论相关的部分，若规定所有前提均　为叶节点且能被用户证实或被上下文　配，则这条　知识验证成功，假设堆栈给　这条知识的相关结　论．并由该知识计算出可信度放入上下文中。而正　反向推理则是综合利用正向推理和反向推理同时　进行，以更高效地解决问题。　针对智能技术在电网中的应用，电网拓扑知识　具有自动获取知识的问题．它以节点为中心表示的　拓扑知识且每一个电气设备都被当作一个独立元，　给采用的图形自动形成一个电网拓扑知识库创造　了有利环境。如果根据各电气设备在图形中的位置　即能准确得到它们之间的连接关系，在所提供的图　形编辑子系统中绘制完成电网的一次接线图并设　置好有关参数．那么知识系统或知识库就能根据所　绘制的电网接线图并自动地生成网络拓扑信息．并　保存在电网拓扑知识系统中。这样对于一个实际电　力系统网络结构性　的知识获取，采用自动教导注　入式学习方式实现这一过程。但是从多个领域发　现、构造、吸取和组织知识的过程。以及能够形成机　器能接受的知识过程成为了知识获取在专家系统　的开发和实践中的一个难题。为了建设和增强知识　获取的通用性和准确性，提出了人机对话方式来实　现知识获取原理的思想。　２知识表示　知识获取知识推理存在的　问题　电力系统分析是一个综合了多层次、多分支、　多目标的综合过程。电力系统中所用到的知识可分　为４类，即概念性知识、解析性知识、结构性知识和　启发性知识。　知识表示是建立专家库的一个极为关键问题。　南于图形库Ｅ２　３与其拓扑知识库的管理是相互独立　的．而不能直接形成拓扑数据库。因此当电网结构　发生变化时，若在知识编辑环境下对该图形的图谱　知识库给出相应的调整，造成这种局面的主要原因　是缺乏知识表示方法来表达电网拓扑结构，因而电　网图形与其拓扑结构库联系起来存在一定的难度。　面向对象知识表示Ｆ９ｉ对于电力系来说，对于规　则和领域知识常用产生规则式表示，对于电网结构　知识常用框架表示方法；将电网拓扑结构知识及各　种不同应用领域，用分层框架的形式将规则分成单　独的子集，并将规则的前提和结论进行扩充，形成　一个广义的规则知识表示，并最终形成知识表示的　模型。由于实际电力系统规模很大，多层次的电压　使知识更加错综复杂，且由于电力系统发展和变化　迅速．若不建立相应的知识获取和知识库维护管理　系统１０．该系统的使用价值就会受到限制。通常专　家的知识也并不都是可以用语言适当描述的，不同　的专家有不同的经验．这些经验有可能互相矛盾，　同时又都能顺利地解决问题，这会很难使知识丁程　师辨别孰是孰非，然而出现这种现象可能是由于专　家处理问题并不仅靠逻辑推理，从这个意义上讲，　基于传统的专家系统ｌ１　也无法摆脱其局限。目前解　国网技术学院学报　第１７卷第２期　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｔａｔｅ　Ｇｒｉｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｃｏｌｌｅｇｅ　主要存在以下几类问题，首先是不能准确有效地故　障模型表示出来，其次获取完备的故障模型知识也　是十分困难的，如果实际故障与模型不匹配将得不　出正确的结果．因此仍有很大的局限性；最后不论　决知识获取问题方法主要『扫使用研究自然语言，使　专家系统能直接用自然语言与专家能够对话，扩大　通信渠道和方法和研制机器学习系统，当把领域知　识输人计算机后，由学习系统在此基础上发现新的　知识。在学习系统中，实现学习有两个技巧，即逻辑　是专家系统还是人工智能在推理时只正向推理，这　往往达不到理想的结果或者通过大量的提问保护　动作信息，使用起来也是很不便，因此需要同时考　处理的归纳学习与神经元网络；归纳学习又似乎是　一条比较难走的路，很多石Ｊｆ究人员对此也没寄予很　大的希望。而学习是神经元网络固有的特征，将其　虑反向推理以及综合推理，这在以后的研究中将是　用于知识获取已开始受到重视。　一个方向。　目前电力系统故障诊断　主要依靠的方法有　专家系统法、人工神经网络与专家系统相结合的方　参考文献　法和基于优化技术的方法。采样样本的完备性是神　［１］曹承志，王南．智能技术［Ｍ］．北京：清华大学ｍ版社，　经网络与专家系统结合方法用来诊断故障的性能　２００４．　成败的关键。由于收集大型电力系统完整的故障样　［２］张学军，刘小冰，陈佩琳．基于正反向推理的电力系统故　本极其困难，所以不能保证诊断的正确性。基于优　障诊断［Ｊ］．电力系统自动化，１９９８，２２（５）．　化技术的方法，由于速度慢并且不能满足实时要　［３］危辉，潘云鹤．人工智能认识沦上的进步［Ｊ］．计算机研　求．且目标函数的建立也有待进一步探讨；虽然专　究与发展，２００７，３７（７）：８２０—８２５．　［４］孙雅明，张沛，张毅．电力系统的知识获取和知识库维　家系统是被广泛采用的一种故障诊断方法，但故障　护管理［Ｊ］．中国电力，１９９６，２９（８）．　诊断专家系统需事先建立设备故障模型，且只能进　［５］梁志成，于跃海，仲伟俊．电力系统故障分析创造力支　行正向推理，而不能进行反向推理和混合推理，得　持系统［Ｊ］．东南大学学报，２００８，３８（４）．　到的可能故障设备的数目较多，不利于快速确认故　［６］翟学明，谢萍，戚宇林，陈骏林．电网调度操作票专家系　障设备。　统中的知识表示方法［Ｊ］．华北电力大学学报，１９９８，３　对问题的搜索是人］　智能技术中的一个直接　（２５）．　关系到智能系统的性能和运行效率核心技术ｆ１３］。　［７］钟秀琴，符红光，佘莉．基于本体的几何学知识获取及　由于人工智能所要解决问题的复杂性，且计算机在　知识表示［Ｊ］．计算机学报，２０１０，３３（１）．　时间、空间上的局限性，造成计算机在求解时必须　［８］郭富强，鱼滨．基于多种知识推理的综合故障诊断系统　结合实际情况不断寻找可利用的知识，基于这个层　的设计［Ｊ］．微电子学与计算机，２００９，２６（３）．　［９］张涛，朱永利，于哲，王丰．利用可视化的电力系统只是　面，需要构造出一条代价较小的推理路线以使问题　表示的方法［Ｊ］．电力科学与工程，２００２，（４）．　得以圆满解决　［１０］韩祯祥，文福拴．人工智能及其在电力系统中的应用［Ｊ］．　电力系统自动化，２０００，（７）：１—７．　３知识获取　知识表示及知识推理应用的　［１１］王建元，常群等．一种基于广义规则的电力系统面向对象　展望　知识表示法［Ｊｊ．电力系统及其自动化学报，２００２，１４（５）．　知识表示、知识获取、知识应用在电力系统中　［１２］栗然，张峰奇，盛四清，张京．专家系统与人工神经网络　已经有了广泛的应用，相关的知识理论体系也Ｅｌ渐　的发展与结合［Ｊ］．华北电力大学学报，１９９８，２５（２）．　成熟，对电力事业的发展也提供了很好的理论支　［１３］李德毅．知识表示中的不确定性［Ｊ］．中国工程科学，　２０００，２（１Ｏ）．　撑。知识表示虽然是建立专家系统的关键问题，但　［１４］丁永生．智能技术：系统设计与开发［Ｍ］．北京：科学出　是如果缺乏合理的知识表示方法，则在电力系统中　版社．２００９．　的应用仍存在一定的难度以及受到一定的限制。　［１５］张如鹏．智能技术及其应用［Ｄ］．北京：华北电力大学，　目前就我同巨型电网故障诊断专家系统￣１４－１５］　２０１２．　（下转第１８页）　ｌ８　基于系统动力学的智能电网系统发展研究　Ｖｏｌ＿１７　Ｎｏ．２　［１６］席燕．基于系统动力学机制的组合港发展研究［Ｊ］．系统　［２１］周黎莎，李晨，余顺坤．智能电网工程项目管理模型的　仿真学报，２００８，（５）：１２８９—１２９４．　系统动力学仿真研究［Ｊ］．华东电力，２０１２，（１）：３１—３４．　［１７］侯剑．基于系统动力学的港口经济可持续发展［Ｊ］．系统　［２２］沈沉，黄少伟，陈颖．未来电网的快速建模与仿真方法　工程理论与实践，２０１０，（１）：５６—６１．　初探［Ｊ］．电力系统自动化，２０１１，（１０）：８－１５＋２９．　［１　８］Ｂｏｓｅ　Ａ．Ｎｅｗ　Ｓｍａｒｔ　Ｇｒｉｄ　ａｐｐｌｉｃａｔｉｏｎｓ　ｆｏｒ　ｐｏｗｅｒ　ｓｙｓｔｅｍ　［２３］张文亮，刘壮志，王明俊，杨旭升．智能电网的研究进展　ｏｐｅｒａｔｉｏｎｓ　ｐｏｗｅｒ　ａｎｄ　ｅｎｅｒｇｙ［Ｊ］．Ｓｏｃｉｅｔｙ　ＧｅｎｅｒＭ　Ｍｅｅｔ—　及发展趋势［Ｊ］．电网技术，２００９，（１３）：１－１１．　ｉｎｇ，２０１０，７（２５）：１－５　［２４］余贻鑫，徐臣，贾宏杰．智能电网快速仿真与模拟任务　［１９］何光宇，孙英云，梅生伟等．多指标自趋优的智能电网　调度优化方法［Ｊ］．计算机工程与应用，２００９，（１９）：２６－３０．　［Ｊ］．电力系统自动化，２００９，３３（１７）：１—５．　［２５］潘婧，杨山，沈芳艳．基于系统动力学的港城耦合系统　［２０］房方，张建新．基于系统动力学的电站热力系统建模与　模型构建及仿真一以连云港为例［Ｊ］．系统工程理论与　仿真［Ｊ］．中国电机工程学报，２０１１，（２）：９６—１０３．　实践，２０１２，１１：２４３９—２４４６．　Ｃｕｉ　Ｈｅｒｕｉ　Ｐｅｎｇ　Ｘｕ　Ｗａｎｇ　Ｓｈｕｆｅｎｇ　１．Ｓｃｈｏｏｌ　ｏｆ　Ｅｃｏｎｏｍｉｃｓ　ａｎｄ　Ｍａｎａｇｅｍｅｎｔ，Ｎｏｒｔｈ　Ｃｈｉｎａ　Ｅｌｅｃｔｒｉｃ　Ｐｏｗｅｒ　Ｕｎｉｖｅｒｓｉｔｙ，０７１００３　Ｂａｏｄｉｎｇ，Ｈｅｂｅｉ，Ｃｈｉｎａ；　２．Ｂａｏｄｉｎｇ　Ｐｏｗｅｒ　Ｓｕｐｐｌｙ　Ｃｏｍｐａｎｙ，０７１０５　１　Ｂａｏｄｉｎｇ，Ｈｅｂｅｉ，Ｃｈｉｎａ　Ａｂｓｔｒａｃｔ：Ｓｍａｒｔ　Ｇｒｉｄ　ｉｓ　ａ　ｌａｒｇｅ　ｃｏｍｐｌｅｘ　ｓｙｓｔｅｍ，ｉｎｖｏｌｖｉｎｇ　ｇｅｎｅｒａｔｉｏｎ，ｔｒａｎｓｍｉｓｓｉｏｎ，ｄｉｓｔｉｒｂｕｔｉｏｎ　ａｎｄ　ｄｅｌｉｖｅｒｙ　ｏｆ　ｆｏｕｒ　ｌｉｎｋｓ．Ｔｈｉｓ　ｐａｐｅｒ　ａｎａｌｙｚｅｓ　ｔｈｅ　ｓｔｒｕｃｔｕｒｅ　ｏｆ　ｔｈｅ　ｓｍａｒｔ　ｇｒｉｄ　ｓｙｓｔｅｍ　ｉｎ　ｄｅｐｔｈ　ｗｉｔｈ　ａ　ｃｏｍｂｉｎａｔｉｏｎ　ｏｆ　ｑｕａｌｉｔａｔｉｖｅ　ａｎｄ　ｑｕａｎｔｉｔａｔｉｖｅ　ｒｅｓｅａｒｃｈ　ａｐｐｒｏａｃｈ．Ｔｈｅｎ　ｉｔ　ｅｘｐｌａｉｎｓ　ｓｔａｔｅ　ｖａｒｉａｂｌｅｓ，ｒａｔｅ　ｖａｒｉａｂｌｅｓ　ａｎｄ　ｃｏｎｓｔａｎｔｓ　ｉｎ　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｓｍａｒｔ　ｇｒｉｄ　ｓｙｓｔｅｍ　ｕｎｄｅｒ　ｔｈｅ　Ｖｅｎｓｉｍ　ｓｏｆｔｗａｒｅ　ｅｎｖｉｒｏｎｍｅｎｔ　ａｎｄ　ａｎａｌｙｚｅｓ　ｓｕｂｓｙｓｔｅｍｓ　ｃａｕｓａｌ￣ｅｄｂａｃｋ　ｒｅｌａｔｉｏｎｓｈｉｐ　ｉｎ　ａ　ｍａｃｒｏ　ｐｏｉｎｔ　ｏｆ　ｖｉｅｗ．Ｆｉｎａｌｌｙ，ｔｈｉｓ　ｐａｐｅｒ　ａｎａｌｙｚｅｓ　ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ｏｎ　ｔｈｅ　ａｍｏｕｎｔ　ｏｆ　ｆｕｎｄｉｎｇ　ａｎｄ　ｐｒｏｆｅｓｓｉｏｎａｌｓ　ｉｎ　ｔｈｅ　ｓｍａｒｔ　ｇｒｉｄ　ｓｙｓｔｅｍ　ｄｙｎａｍｉｃｓ　ｆｌｏｗ　ｄｉａｇｒａｍ　ａｆｔｅｒ　ｉｎｐｕｔｔｉｎｇ　ＤＹＮＡＭＯ　ｌａｎｇｕａｇｅ　ｅｑｕａｔｉｏｎｓ．Ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ａｎａｌｙｓｉｓ　ｓｈｏｗｓ　ｔｈａｔ　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｔｈｅ　ｓｍａｒｔ　ｇｒｉｄ　ｓｈｏｕｌｄ　ｆｏｃｕｓ　ｏｎ　ｔｒａｉｎｉｎｇ　ｐｒｏｆｅｓｓｉｏｎａｌｓ．Ｐｒｏｆｅｓｓ　ｉｏｎａｌ　ｔａｌｅｎｔ　ｉｓ　ａ　ｓｏｕｒｃｅ　ｏｆ　ｓｔｒｅｎｇｔｈ　ｉｎ　ｔｈｅ　ｓｍａｒｔ　ｇｒｉｄ　ｄｅｖｅｌｏｐｍｅｎｔ．Ａｔ　ｔｈｅ　ｓａｍｅ　ｔｉｍｅ，ｗｅ　ｓｈｏｕｌｄ　ａｌｓｏ　ｐａｙ　ａｔｔｅｎｔｉｏｎ　ｔｏ　ｉｎｄｕｓｔｒｉａｌ　ｐｏｌｉｃｙ　ｒｅｌａｔｅｄ　ｔｏ　ｔｈｅ　ｓｍａｒｔ　ｇｒｉｄ　ａｎｄ　ｓｅｅｋ　ｂｒｅａｋ　ｕｎｄｅｒ　ｔｈｅ　ｇｕｉｄａｎｃｅ　ｏｆ　ｐｏｌｉｃｙ．　Ｋｅｙ　ｗｏｒｄｓ：ｓｙｓｔｅｍ　ｄｙｎａｍｉｃｓ；ｓｍａｒｔ　ｇｒｉｄ　ｓｙｓｔｅｍ；ｆｅｅｄｂａｃｋ；ｃｏｕｎｔｅｒｍｅａｓｕｒｅｓ　（上接第１１页）　Ｌｉｕ　Ｇｕｉｌｉｎ　Ｓｏｎｇ　Ｗｅｉ　Ｎｏｒｔｈ　Ｃｈｉｎａ　Ｅｌｅｃｔｒｉｃ　Ｐｏｗｅｒ　Ｕｎｉｖｅｒｓｉｔｙ，０７１０００　Ｂａｏｄｉｎｇ　Ｈｅｂｅｌ　Ａｂｓｔｒａｃｔ：Ｔｈｅｒｅ　ａｒｅ　ｓｏｍｅ　ｍｏｒｅ　ｏｒ　ｌｅｓｓ　ｐｒｏｂｌｅｍｓ　ｉｎ　ｒｅｓｅａｒｃｈ　ｆｉｅｌｄ　ｏｆ　ａｒｔｉｉｆｃｉａｌ　ｉｎｔｅｌｌｉｇｅｎｃｅ．Ａｎ　ｉｎ－ｄｅｐｔｈ　ａｎａｌｙｓｉｓ　ｆ０ｒ　ｉｔｓ　ｓｏｍｅ　ｋｅｙ　ｔｅｃｈｎｏｌｏｇｙ　ｈａｓ　ｂｅｅｎ　ｄｏｎｅ　ｉｎ　ｔｈｉｓ　ｅｓｓａｙ．Ｔｈｅ　ｕｎｃｅｒｔａｉｎｔｙ　ｏｆ　ｋｎｏｗｌｅｄｇｅ　ｉｎ　ｋｎｏｗｌｅｄｇｅ　ｒｅｐｒｅｓｅｎｔａｔｉｏｎ　ｂｅｃｏｍｅｓ　ａ　ｐｒｏｂｌｅｍ　ｉｎ　ａｒｔｉｉｆｃｉａｌ　ｉｎｔｅｌｌｉｇｅｎｃｅ　ｒｅｓｅａｒｃｈ，ａｎｄ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｈａｓ　ｎｏｔ　ｂｅｅｎ　ｓｏｌｖｅｄ，ｗｈｉｃｈ　ｎｅｅｔ，　ｔｏ　ｅｘｐｌｏｒｅ　ｓｏｍｅ　ｍｅｔｈｏｄｓ　ｏｆ　ｄａｔａ　ｓｔｕｒｃｔｕｒｅ　ａｎｄ　ｒｅｐｒｅｓｅｎｔａｔｉｏｎ　ｔｏ　ｓｏｌｖｅ．Ｋｎｏｗｌｅｄｇｅ　ａｃｑｕｉｓｉｔｉｏｎ　ｉｓ　ｍａｉｎｌｙ　ｆｒｏｍ　ｅｘｐｅｒｔ　ｓｏｕｒｃｅｓ，ｅｘｐｅｒｔ　ｓｙｓｔｅｍ　ａｎｄ　ａｒｔｉｉｆｃｉａｌ　ｉｎｔｅｌｌｉｇｅｎｃｅ　ｋｎｏｗｌｅｄｇｅ　ｂａｓｅ，ｗｈｉｃｈ　ｃｏｎｓｔｒａｉｎｔｓ　ｔｈｅ　ｐａｔｈｓ．Ｉｎ　ａｄｄｉｔｉｏｎ，ｉｔ　ｎｅｅｄｓ　ｔｏ　ｓｏｌｖｅ　ｑｕｅｓｔｉｏｎｓ　ｂｙ　ｔｈｅ　ｋｎｏｗｌｅｄｇｅ　ｏｂｔａｉｎｅｄ．Ｓｏ　ｃｏｎｄｕｃｔ　ｄｅｅｐ　ｒｅｓｅａｒｃｈ　ｏｎ　ｔｈｅ　ｅｘｉｓｔｅｎｃｅ　ｐｒｏｂｌｅｍｓ　ｏｆ　ｉｎｔｅｌｌｅｃｔｕａｌ　ｒｅａｓｏｎｉｎｇ　ｉｎ　ｐｏｗｅｒ　ｓｙｓｔｅｍ．Ｔａｌｋｉｎｇ　ｗｉｔｈ　ｅｘｐｅｌｓ，ｐｒｏｔｏｃｏｌ　ａｎａｌｙｓｉｓ，ｍｕｌｔｉｄｉｍｅｎｓｉｏｎａｌ　ａｎａｌｙｓｉｓ　ａｎｄ　ｃｏｍｐｕｔｅｒ　ａｉｄｅｄ　ｔｅｃｈｎｏｌｏｇｙ　ｉｓ　ｔｈｅ　ｋｅｙ　ｔｅｃｈｎｏｌｏｇｙ　ｏｆ　ｅｘｐｅｒｔ　ｋｎｏｗｌｅｄｇｅ　ａｃｑｕｉｓｉｔｉｏｎ．Ａ　ｐｒｏｓｐｅｃｔ　ｆｏｒ　ｃｏｍｐｒｅｈｅｎｓｉｖｅ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｋｎｏｗｌｅｄｇｅ　ｒｅｐｒｅｓｅｎｔａｔｉｏｎ，ａｃｑｕｉｓｉｔｉｏｎ　ａｎｄ　ｒｅａｓｏｎｉｎｇ　ｉｎ　ｐｏｗｅｒ　ｓｙｓｔｅｍ　ｈａｓ　ｂｅｅｎ　ｍａｄｅ．　Ｋｅｙ　ｗｏｒｄｓ：ａｒｔｉｉｆｃｉａｌ　ｉｎｔｅｌｌｉｇｅｎｃｅ；ｅｘｐｅｒｔ　ｓｙｓｔｅｍ；ｋｎｏｗｌｅｄｇｅ　ｒｅｐｒｅｓｅｎｔａｔｉｏｎ；ｋｎｏｗｌｅｄｇｅ　ｒｅａｓ０ｎｉｎｇ；ｋｎｏｗｌｅｄｇｅ　ａｃｑｕｉｓｉｔｉｏｎ