ИСПОЛЬЗОВАНИЕ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ПРИ ЭКСПЛУАТАЦИИ ЭНЕРГЕТИЧЕСКИХ ОБЪЕКТОВ

1. Паули В. К., Магид С. И., Ибрагимов И. М. Применение технологий искусственного интеллекта в энергетике (аналитический обзор). РАО «ЕЭС России». – М., 2000.

2. Камнев В. И., Ибрагимов И. М. Преимущества и возможности применения технологий искусственного интеллекта для оптимизации работы энергетических систем и оборудования // Известия Академии промышленной экологии. – 2003. – №1. – С. 10–21.

3. Li K., Thompson S., Wieringa P. A., Peng J., Duan G. R. Neural networks and genetic algorithms can cupport human supervisory control to reduce fossil fuel power plant emissions // Cogn. Tech. Work. – 2003. – Vol. 5. – P. 107–126.

4. Sehgal R., Marolda P. J. Intelligent Optimization of Coal Burning to Meet Demanding Power Loads, Emission Requirements, and Cost Objectives. GE Power Systems GER-4198. – 2000.

5. Cass R., Radl B. A neural network modeling and optimization system for online heat rate Improvement and NOX reduction of coal fired furnaces // Proc. World Congress on Neural Networks, 2. Washington, DC, July 1993. – P. 656–659.

6. Adali T., Bakal B., Sönmez M. K., Fakory R. NOX and CO prediction with variable tapped delay line neural networks // Journal of Integrated Computer-Aided Engineering, Special Issue on Neural Techniques for Industrial Applications. – 1999. – V. 6. – N. 1. – P. 27–39.

7. Jankowska A. Neural models of air pollutants emission in power units combustion processes // Symp. On Methods of Artificial Intelligence, Gliwice, Poland, Nov. 5–7 2003. – P. 141–144.

8. Williams J. Optimisation software for NOX reductions // World Coal. – 2002. – N. 1.

9. Molloy B. Virtual sensors // Readout. – 1998. – N. 98.01.

10. Monitoring and Control of Stoker-fired Boiler Plant using Neural Networks / UK Department of Trade and Industry, DTI PS-156, July 1999.

11. 500-MW Demonstration of Advanced Wall-Fired Combustion Techniques for the Reduction of Nitrogen Oxide Emissions from CoalFired Boilers. DOE/NETL-