4 电能质量研究中的人工智能新技术 最近几年，以专家系统, 神经网，模糊逻辑和进化计算为代表的人工智能新技术已开始较全面地应用于电能质量研究，因为它是个较复杂，工作量和数据处理量很大的系统工作。特别是在电能质量分析方面, 很多人工智能应用来进行辅助分析，对复杂的问题进行处理。 而且这些新技术的一个突出特点就是交叉应用的非常广泛，有时很难断言就是哪种技术，而是以某种为主，其它为辅的。也就通常所说的混杂技术。
4．1 专家系统
尽管专家系统成本较高且在开发过程中耗时过长，但依然出现了很多应用[11-22]。这些主要体现在
对畸变的电压和波形进行分类；
利用专家系统分析谐波；
对电能质量问题的解决方案在专家系统架构下进行开发；
测量和分析电能质量及电力系统电磁兼容性；
识别电能质量的事件通过一个可扩展的系统；
管理电能质量数据，培训电能质量问题的专业咨询人员；
4．2 神经网络
人工神经网作为较成熟的智能技术，在电能质量中已有较广泛的应用，它们主要包含[23-37]:
从非电能质量信息中识别电能质量事件；
对谐波的产生模式进行建模；
在电网中估计和评价谐波畸变 和其它电能质量问题；
以神经网整合小波变换分辨和识别电能质量事件；
在需要避免噪声和子谐波时对谐波进行分析；
为电力工程师们解决电能质量问题开发一个辅助工具；
4．3 模糊逻辑
模糊逻辑和带神经网学习能力的模糊逻辑是当前最流行人工智能技术。它们在电能质量研究方面也取得了不少新进展[11-13],[38-49]：
诊断各种电能质量问题；
对电能质量工作人员提供实用性的辅助工具；
管理电能质量数据并进行数据挖掘以获得相关知识；
开发对供电部门人员和用户进行电能质量问题专业培训的系统；
对引起电能质量问题的各种干扰进行分类；
适应性的采集电能量，方均根电压和电流；
研究在适当的时候对串联电容器进行投切来控制谐波的畸变水平；
在模糊约束下建立评价电能质量的指标；
利用基于模糊逻辑的控制方案开发一个统一的电能质量管理器；
预测和识别系统的非正常运行情况；
为保证供电电压质量实施基于模糊逻辑的无功补偿
5 电能质量监控中的新技术
在电能质量监控方面，我认为有两个趋势：其中之一就是上节中提及的智能化，智能化旨在减轻人的劳动，能自动对电能质量问题进行识别和数据处理，从而实现全面的无人监控功能。
