--------------------------------------------------------------------------------
郭创新 浙江大学电气工程学院 2004-4-21 13:39:04
1.数据、信息和知识
2.数据仓库DW3.数据挖掘DM技术
4.智能体（Agent）和MAS技术
5.信息融合(Information Fusion)
6.知识管理（KM）
1-1.数据、信息和知识
数据:数据是我们每时每刻感觉的大量没有经过解释的信号（是没有处理过的）
信息:信息是具有意义的数据知识:知识是数据和集合的整体，人们为了完成任务和创造新的信息要在实践中运用知识知识增加了两个不同的方面：
第一、目的感，因为知识是用来达到一个目标的“智力机器”
第二、再生能力，因为知识的主要功能之一就是产生新的信息
（知识可称为是一项新的“生产要素”）
数据、信息和知识之间的分界线并不是很清晰，因为它们与所使用的语境有关。
v 一个人的信息和知识可能是另外一个人的数据（举例：桥牌）
注：研究知识管理一定与行业领域紧密相关数据多、信息少、知识更少
注：这是目前电力企业的现状
（电力企业信息化存在的问题）
v电力企业缺乏有效的整合信息平台，信息集成度差
v信息缺乏整体规划，存在多信息源及信息缺失问题
v数据多信息少，缺乏基于统一信息平台的知识管理
产生原因：
各企业、单位在不同的历史阶段建立了专门的信息处理系统，系统间相互隔离、结构各异、决策者们很难得到全局的决策信息。决策者们对大量的数据进行频繁的复杂分析处理，数据库系统负担沉重，这一现状导致了数据仓库概念的产生。
2-2.数据仓库DW
产生过程：
80年代中期由IBM公司首先提出，后来将这一概念作为提取数据的策略，被逐渐用于实际则是从90年代开始的。1993年，数据仓库之父W.H. Inmon根据社会需求，基于传统的关系数据库管理系统，借鉴了历史数据库和知识发现技术，在《建立数据仓库》一书中提出了数据仓库概念。到了90年代中期， 数据仓库技术已经形成潮流。在美国，数据仓库已经成为仅次于Internet之后的又一技术热点
2-3.数据仓库DW
基本定义：
数据仓库是支持决策分析的、面向主题的、集成的、不可更新的（稳定的）并随时间不断变化的数据集合。
面向主题：主题是一个抽象的概念，是在较高层次上将企业信息系统中的数据综合、归类后进行分析利用的抽象。在逻辑意义上，它是对应企业中某一宏观分析领域所涉及的分析对象，是针对某一决策问题而设置的
2-4.数据仓库DW
集成的数据：数据仓库中存储的数据是从原来分散的各子系统中提取出来，但并不是原来数据的简单拷贝，而是经过统一并综合。
数据不可更新：数据保存到数据仓库后，最终用户只能通过分析工具进行查询和分析，而不能修改，即数据仓库的数据对最终用户而言是只读的。但在一定时间后当前的数据需要按一定的方法转换成历史数据。
数据随时间不断变化：每隔一段时间间隔后，抽取运行数据库系统中产生的数据，转换后集成到数据仓库中。
2-6.数据仓库DW
数据仓库与一般数据库关系，数据仓库本质上是一个使用其自身数据管理系统的数据库系统，该数据库系统从其它支持日常业务的运行数据库中获取数据，如DB2、Oracle、Sybase、Microsoft SQL、Server等。利用不同的传播和复制方法保持数据在所有数据库中的一致性，实现从一个数据库向另一个数据库抽取和加载。但数据仓库技术又有别于目前的数据库管理系统（DBMS），它具有如下特征：（1）面向主题；（2）管理大量信息；（3）信息存储在多个存储介质上；（4）信息的概括和聚集；（5）集成异质数据并使之关联。
2-6.数据仓库DW
数据仓库没有严格的数学理论基础，也没有成熟的基本模式，更偏向于工程。起关键技术分为：
v数据抽取：数据进入仓库的入口
v存储和管理：数据仓库的关键
v数据表现：数据仓库的门面
2-8.数据仓库DW
联机分析处理(OLAP)技术和联机事务处理(OLTP):
• OLAP技术是数据仓库的一个关键的技术。
• OLAP的概念最早是由关系数据库之父E.F.Codd于1993年提出的。当时， Codd认为OLTP已不能满足终端用户对数据库查询分析的需要
• Codd提出了多维数据库和多维分析的概念，即OLAP。
• OLAP更简单明确的定义，即共享多维信息的快速分析。
2-9.数据仓库DW
1OLAP主要有以下一些特点：
1）快速性:用户对OLAP的快速反应能力有很高的要求，系统应能在5秒内对用户的大部分分析要求做出反应，这也是OLAP的一个显著的特点。
2）可分析性:OLAP系统应能处理与应用有关的任何逻辑分析和统计分析，用户无需编程就可以定义新的专门计算，将其作为分析的一部分，并以用户理想的方式给出报告。
3）多维性:多维性是OLAP的关键属性。系统必须提供对数据分析的多维视图和分析，包括对层次维和多重层次维的完全支持。事实上，多维分析是分析企业数据最有效的方法，是OLAP的灵魂。
4）信息性:不论数据量有多大，也不管数据存储在何处，OLAP系统应能及时获得信息，并且管理大容量信息。
5）共享性:在大量的用户群中共享潜在的数据是实现安全需求的需要。
2-10.数据仓库DW
OLAP有三种数据处理方法。事实上，多维数据计算不需要在数据存储位置上进行，而是采用如下方法：
（1）多维引擎在客户机或中层服务器上做大部分的计算工作，这样就可以利用ＲＡＭ来存储数据，提高响应速度。
（2）多维服务引擎。大部分OLAP应用在多维服务引擎上完成多维计算，并且具有良好的性能。
（3）对于日益增多的瘦型客户机，OLAP产品将把基于客户机的处理移到新的Web应用服务器上。
2-11.数据仓库DW
OLAP对数据立方体和超立方体的多维数据分析主要有:切块、切片、旋转、钻取等分析动作，目的是进行跨维、跨层次的计算和建模。
多维分析的一般过程是：先按某一维切块得到关注的内容，然后钻取数据到达适当的综合层次，再通过旋转动作更换数据观察角度，选取重要的数据进行切片分析。各个过程可能有一定的重复，如此经过切片、切块、旋转、钻取就可以形成数据新的观察角度和综合层次，就可能提取出有价值的信息，得到知识。
3-1.数据挖掘DM技术
数据库知识发现（KDD）就是从大量琐屑的数据中提取出有效的、新颖的和潜在有用的并能被人理解的模式处理过程，其最终目标是获取有用的信息和知识。
3-2.数据挖掘DM技术
数据库知识发现（Knowledge Discovery in Database, 缩写为KDD）的核心技术 ―― 数据挖掘（Data Mining, 缩写为DM）是近年来国际上较为活跃的研究领域，是人工智能与数据库技术相结合的产物。它应用一些专门的算法从数据中抽取出有效的模式，能从大量数据中发现潜在规律。以提取有用知识。以数据库、人工智能以及统计等学科为理论基础的数据挖掘在商业、工业领域中已得到了广泛的应用，显示出强大的生命力。
3-3.数据挖掘DM技术
定义：数据挖掘致力在大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
注：数据挖掘是一门交叉学科，它把人们对数据的应用从低层的简单查询提升到从数据中挖掘知识，提供决策支持。数据挖掘的出发点是代替专家从大量的数据中挖掘出隐含于其中的知识。
3-4.数据挖掘DM技术
数据挖掘所能发现的知识可以划分为如下几种知识模型：
a.分类模型（classify model）：通过对已知类别的个体进行归纳，提取出能代表群体共同的特征属性，即分类模式。
b.回归模型（regression model）：能用所分析对象属性的历史数据预测未来趋势。
c.时间序列模型（time series model）：能用已有的数据序列预测未来。与回归模型相比，时间序列模型更强调考虑时间特性，尤其要考虑时间周期的层次，如日、星期、月等，有时还要考虑日历的影响，如节假日等。
d.聚类模型（clustering model)：是将一个群体分成多个类，使同类个体尽可能相似而不同类个体差异尽可能大。与分类模型不同的是，聚类模型属于无导师学习过程。
e.关联模型（association model）：反映事物之间依赖或关联的知识，称为关联规则。关联规则的一般形式是：如果A发生，则B有c%的可能发生，c称为关联规则的可信度。
f.序列模型（sequence model）：与关联模型很相似，不同的是，序列模型的对象是在时域分布的，发现的规则也与先后顺序有关。
3-6.数据挖掘DM技术
数据挖掘过程一般由3个阶段组成：数据准备、数据挖掘及解释评估。数据挖掘可以描述为以下三个阶段的反复。
（一）数据准备。这个阶段又可细分为数据集成、数据选择、数据预处理和数据转换4个步骤。
（二）数据挖掘。这里的数据挖掘指的是运用选定的数据挖掘方法，从数据中提取用户需要的知识。
（三）解释评价。解释评价是数据挖掘过程的第三个阶段，它是指根据最终用户的决策目的对提取的知识进行分析，把最有价值的信息区分出来，提交给用户。
3-7.数据挖掘DM技术
数据挖掘是人工智能与数据库技术相结合的产物，它的许多方法来源于机器学习。因此机器学习、模式识别、人工智能领域的常规技术，如聚类（clustering）、决策树（decision tree）、统计等方法经过改进后均可用于数据挖掘。 对于不同的系统，数据挖掘需要采用不同的技术方法和手段，大致可归纳为下列几种类型。
（一） 基于传统数理统计等数学工具的方法：应用数学工具或专业知识进行相关分析、回归分析及因子分析等。
（二） 人工神经网络（ANN）技术
（三）决策树
（四） 进化计算（Evolutionary Computation，缩写为EC）：是模仿生物进化的一类计算方法的统称。包括遗传算法（GA）、遗传编程（GP）、进化策略（ES）、进化规划（EP）。
（五） 基于事例的推理方法（Case based Reasoning，缩写为CBR）
（六）粗糙集理论（Rough Set Theory）
（七）证据理论
（八）最临近技术和可视化技术
3-8.数据挖掘DM技术
数据挖掘DM技术与OLAP的关系：
vOLAP和DM是相辅相成的，但它们的侧重点不同；
vOLAP侧重于与用户的交互、快速响应速度及提供数据的多维视图，而DM则注重自动发现隐藏在数据中的模式和有用信息；
vOLAP的分析结果可以为DM提供分析信息作为挖掘依据， DM可以拓展OLAP的分析深度，可以发现OLAP所不能发现的更为复杂细致的信息。
4-1.智能体（Agent）和MAS技术(背景)
智能体技术是当前IT领域发展最快的方向之一;
1995年，来自Stanford大学的Hayes-Roth在IJCAI’95的特邀报告中谈到：智能的计算机主体（Agent）既是人工智能最初的目标，也是人工智能最终的目标;
1997年第十五届国际人工智能联合大会（IJCAI）上，最令人注目的研究课题是各类关于智能体的研究;
美国北卡罗来纳州立大学的Singh教授认为，开放的信息系统是未来人工智能乃至整个计算机领域研究的重要议题之一，所谓开放的信息系统是指由异构的、分布的、动态的、大规模的、自主的成分构成的系统，对这类系统的研究要求将人工智能与传统技术相结合，以获得更大的扩展性和适应性，智能体技术正是这种结合的产物;
智能体已成为分布式计算环境下的热门术语，智能体技术已成为当今人工智能研究的热点之一。
4-2.智能体（Agent）和MAS技术
近年来智能体技术得到了空前的发展，也带来了一些混乱，对智能体定义尚未统一。一种人工智能的方法是：“人工智能是计算机科学的一个分支，它的目标是构造表现出一定的智能行为的主体（Agent）。”所以，主体应该是人工智能的核心问题。
比较有影响力的关于智能体的定义主要有：
Lane认为智能体是一个具有控制问题求解机理的计算单元，它可以是一个机器人、专家系统、过程、模块或单元等；
Wooldridge和Jennings认为智能体是拥有自治性、社交能力、响应性、主动性的系统，另外还应有适应性、移动性、准确性、合理性；
Shoham认为，一个状态包含了诸如信念（Belief）、承诺（Commitment）、决定（Decision）和能力（Capability）等精神状态（mental state）的实体便是智能体；
4-3.智能体（Agent）和MAS技术
Nwana把智能体分为:
v协作主体、接口主体、移动主体、信息主体、反应主体、混合主体
4-4.智能体（Agent）和MAS技术
协商主体强调自治性和合作性。在这个体系结构中，主体被视作基于知识的系统，它包含一个用符号表达的、关于所研究领域的模型和一个规划图表，通过基于模式匹配和符号操作的逻辑推理进行决策。 4-5.智能体（Agent）和MAS技术2）接口主体的研究目的是为了更好地管理人机界面，为操作者完成一项复杂的任务和操作提供帮助。
4-6.智能体（Agent）和MAS技术3）移动主体是一类能够漫游于广域网络中，通过与各种主机的交互进行信息收集并将结果主动提交给主人的软件过程。 4-7.智能体（Agent）和MAS技术4）信息主体是为协助我们在“信息爆炸”时代管理、操纵、和整理分布的信息资源的工具。信息主体是按功能角色识别的，因此，它与前述的主体有一定重叠。
4-8.智能体（Agent）和MAS技术5）反应主体是一类以刺激-响应的方式对其所处环境作出反应的主体，由于使用符号的方法使非常简单的逻辑变成困难的定理证明以及符号处理算法的复杂性，有些学者认为使用符号的AI是AI发展的死胡同，为此提出了反应型体系结构。在这个系统中没有符号推理。 4-9.智能体（Agent）和MAS技术6）混合主体是根据其应用领域的要求综合应用上述各类主体的特性以达到更好的设计特性。
4-10.智能体（Agent）和MAS技术面向对象技术与智能体技术相比主要存在如下一些问题：
v（1）使用面向对象技术时，关心的是软件系统的设计和实现，而不是系统的执行；
v（2）对象被动地由消息激活，而扩展系统的动态行为需要更灵活的机制；
v（3）面向对象技术缺乏自治和推理能力。
面向智能体的程序设计风范是由Shoham最早提出的，他认为AOP（Agent Oriented Programming）是一种以计算的社会观为基础的新型程序设计范例，并将AOP看作OOP（Object Oriented Programming）的特例，智能体就是包含了信念、承诺、能力和决定的精神状态的实体，他定义了一种形式化语言来描述智能体的精神状态，同时又提出了一种对应的智能体程序设计语言
智能体技术较对象技术提供了更高层次的抽象、封装与数据隐藏，并支持并发和分布计算，为越来越复杂的企业应用系统提供了很好的解决方案。
4-12.智能体（Agent）和MAS技术v多智能体技术源于分布式人工智能研究，并可追溯到 1977 年 Hewitt 提出的并发Actor 模型。 这个模型中包含具有自控行为、相互作用和并发执行的对象，并取名为Actors 。
进入80年代，研究者的注意力主要集中于智能体之间的交互通信、协调合作、冲突解决等方面的研究，强调智能体之间的紧密群体合作，而非个体能力的自治和发挥。旨在如何说明、分析、设计和集成多个协作型智能体构成的系统。
80年代末，分布式计算环境的快速成长和普及成为多智能体技术发展的主要推动力。
4-13.智能体（Agent）和MAS技术有关智能体和多智能体系统的应用研究已成为国际上一个生机勃勃的研究领域，在国内，我国一些高等学校从“八五”期间就开始从事多智能体理论和应用研究。目前关于智能体和多智能体系统的应用成果主要集中在:
1)空中交通管制; 2)工业过程控制; 3)电子商务; 4)商业过程管理; 5)网络上的信息检索; 6)工作流管理; 7)医学应用以及娱乐; 8)复杂工业过程智能控制; 9)电力系统管理; 10)人机协同; 11)新型企业组织; 12)智能机器人; 13)分布式集成计算平台; 14)信息系统集成与协调; 等等
5-1.信息融合(Information Fusion)信息融合（Information Fusion），又称数据融合（Data Fusion），是70年代首先在军事中首先提出的，后来逐渐扩展到非军事应用中，如工业机器人、海洋监视、系统导航、柔性制造、故障诊断及数字图象处理等领域。
(大量的研究和开发表明这是一个非常有前途的研究方向。)
5-2.信息融合(Information Fusion)信息融合是一门新兴的交叉学科，目前还没有一个供认的定义。
定义：美国国防部从军事应用的角度将信息融合定义为这样一个过程，即把来自许多传感器和信息源的数据和信息加以联合、相关和组合，以获得精确的位置估计和身份估计，以及对战场情况和威胁及其重要程度进行适时的完整评价。
作用：信息融合能够把局部环境下的不完整信息加以综合，消除传感器间可能存在的冗余和矛盾信息，加以互补，降低其不确定性，以形成对系统环境的相对完整一致的感知描述，消除信息源不唯一性，从而提高智能系统的决策、策划、反应的快速性和正确性，降低决策风险。
5-3.信息融合(Information Fusion)目前重点研究：主要是信息的表示与转换、数据融合模型以及数据融合方法等，其中数据融合方法是数据融合的关键。
人们针对不同的应用领域提出了许多融合方法，主要有：
加权平均法、选举决策法、产生式规则法、卡尔曼滤波法、数理统计法、贝叶斯概率推理法、模糊推理法、神经网络法以及Dempster-Shafer证据推理法（简称DS方法），或者将以上的两种或多种方法组合成一种特定的融合方法。6-1.知识管理（KM）“在当前的知识经济时代，知识正成为生产力要素中最活跃最重要的部分，知识的创新和应用使企业在竞争中不断发展，并创造巨大财富。能把长期保存下来的信息资源，连同知识员工积累的实践经验和创新思想进行有效的挖掘、共享和利用，使企业了解自己的知识资源，并利用这些知识达到发展的目的，这对于保持企业的竞争优势是至关重要的。越来越多的企业开始认识到知识管理的意义，并开始探索建立实现知识管理的平台一知识管理系统。 ”6-2.知识管理（KM）知识管理定义：简单地说就是对一个组织所拥有的和所能接触到的知识资源，如何进行识别、获取、评价，从而充分有效地发挥作用的管理过程。这个过程的实现离不开信息系统的支持。在这个过程中，知识管理的基本活动都要在信息系统上展开，首先将获得的知识以文件的形式存入信息系统中，然后通过信息加工工具将知识分类、组合，以产生新的知识，最后通过网络通信系统将新知识分配给组织成员，使知识真正转化为生产力。
6-3.知识管理（KM）一般来讲，知识管理系统应该具备知识管理的四个基本职能：外化、内化、中介和认知过程：
外化是以外部贮存库的形式捕获知识，并根据分类框架或标准来组织它们。这一步要由数据库系统、文件管理系统和检索工具来实现。
内化是设法发现与特定商求相关的知识结构，从外部贮藏库中提取知识，并通过过滤来发现与知识寻求者相关的东西。
内化过程强调明确、固定的知识的传送，而中介是将知识寻求者和最佳知识源相匹配。通过追溯个体的经历和兴趣．中介能把需要研究某课题的人和在这一领域中有经验的人联系起来，中介通过群件产品、企业内部网、工作流和文件管理系统等技术来实现自动化。
认知是经由前三个功能交换得出的知识的运用，是知识哲理的终极目标。现有益术很少能实现认知过程的自动化，通常都是采用专家系统或使用人工智能技术。
6-4.知识管理（KM）研究进展：
知识管理已经在国内外学术界和企业界中引起了广泛的关注。
一般来说，知识的获取、转移和创新是知识管理过程的主要活动，其中知识的获取和转移是知识创新的前提。
目前，关于组织内知识转移方面的研究已经引起了国内外学者的重视，已见到的研究成果主要集中在知识转移理论方面和知识转移方法方面。
这些研究成果都具有各自的特点，但很少有将人工智能技术应用于知识转移问题研究中。
6-5.知识管理（KM）面向调度的知识管理：
调度员安全监视和评估
故障诊断、智能报警和事故处理。
故障预警
安全性预警
决策支持和控制
电力系统规划设计
智能操作票专家系统
无功控制
面向运行方式的知识管理：
基于数据挖掘技术的省级负荷预测
电网电压质量和经济性
概率潮流
6-7.知识管理（KM）面向自动化的知识管理
拓扑检错
参数估计
设备运行状态的监视21世纪电力自动化的几个动向
1.集成的智能化电力设备
2.电能质量控制技术
3. FRIENDS系统
4.先进表计系统
1.集成的智能化电力设备 为了实现电气设备紧凑化、模块化、智能化的目标，出现了不同设备集成以及强电设备和弱电设备集成的倾向。现在已研究出包括断路器、隔离开关、接地开关、电压及电流互感器、传感器及计算机处理器在内的紧凑化模块化的智能开关设备，它可以视为简化的GIS和控制设备的集成。因为占地小、结构简单，可以减少变电所投资、缩短安装周期。由于控制、保护、通信等微电子设备与高电压大电流主设备安装于一体，因此满足电磁兼容性要求将成为重要的技术关键。运行效果如何尚待实践检验。
ABB公司最近研制成功“电力发生器”
2.电能质量控制技术 电能质量控制技术将成为重要的配电技术。电能质量不只局限于对电压、频率、谐波和不对称度的要求，还需要对各种瞬态的波动和干扰，如电压闪变、电压暂降、脉冲、振荡加以抑制，因而需要发展电能质量控制新技术。
用户特定质电力（Custom Power）技术是应用现代电力电子技术和控制技术为用户提供用户特定要求质量电能的技术。主要设备有：用于配电网的静止同步补偿器，动态电压恢复器等。
3-1. FRIENDS系统放松管制后的电力流通系统应是一个利用各种装置构成的灵活、可靠性高（多品质电力）和节能的流通系统（英文缩写为FRIENDS）。它应满足以下要求：
通过静止型开关和分散信息处理，使系统的构成自由、灵活，能应付平常、事故和作业停电等各种情况。
利用来自变电所的电力、分布式电源和电能贮存设备，做到基本不停电的，高可靠性供电。
用户可自由选择电力品质、种类和供电者。
通过分布式电源、电能贮存设备和用户侧控制使电力负荷平滑和节电。
改善信息服务和用户服务。
完善的用户侧控制。3-2. FRIENDS系统举例用户附近的一个配电区间，其中设置了可接受来自多个高压配电线电力的电力改质中心。改质中心产生多种品质的电能，通过静止开关可与高压侧配电线和低压侧配电线灵活地连接。另一方面通过连结的光缆网，改质中心还进行信息处理和交换，操作改质中心开关和控制分站用的计算机与配电变电所、改质中心和用户设值的个人电脑联机，进行保护、控制，其数据存入运行维护、电价计算、测绘地图等电力流通系统的管理、运行和控制统一的数据库，施行一元化管理。为保护高压配电线和电力改质中心，设有故障检出设备。平时，传送必需的信息，故障时，参照近邻改质中心的信息，切断故障，形成自律的最佳的系统，不停止向负荷供电。
4.先进表计系统 先进表计（Advanced metering）是未来配电的重要组成部分。现代电能表计系统除具有智能化、模块化、数字化等一般的现代仪表的特征以外，还具有多功能、多用途的特征。例如，现在开发的电能表除电能计量的功能外，还具有负荷调查、实时电价、电价区间指示等功能；还具有电能质量监控的功能，如记录分析电压暂降、谐波、电压闪变等。此外还具有双向通信、用户访问、自诊断及警报、误差软件补偿等重要的功能。
====================================================
====================================================
订阅免费电子杂志〈名人传记〉
每期发送电子图书，广读博览融汇贯通。阅读电子书时，请注意保护视力。╭○═○╮╭◎═◎╮╭●═●╮同步发行《名人传记简装版》简装版只包含附件联接地址，大小控制在80k以内。同时发送《热点》期刊
1 邮件订阅方式
向下面的邮件地址发一封信，邮件正文（不是标题）填写subscribe zhuanji
1.主页订阅
主页地址一
http://list.cn99.com/cgi-bin/getlsts?listname=zhuanji
主页地址二 http://yjxsuccess.blog.hexun.com/
