函数型连接神经网络偶发事件分类器设计

摘要：

偶发事件分析是电力系统安全分析和可靠性计算中的关键问题,需要大量的计算时间.为了有效地减少大电力系统开断模拟的计算工作量,提出一种用于识别偶发事件的函数型连接神经网络(FLNN)分类模型和算法.为获取事故后的系统状态信息,用相对于故障前系统状态的变化量反映事件的行为特征,设计了一组行为指标(PI),构造出神经网络分类器.讨论了各种行为指标及其组合对分类器的不同影响,指出支路功率行为指标是较好的行为指标.通过对IEEE-RTS24试验系统进行的分类计算表明,该分类器不仅网络结构和学习算法简单,而且提高了计算速度和精度.

关键词：函数型连接神经网络、偶发事件、分类器

所属期刊栏目：27

分类号：TM732(输配电工程、电力网及电力系统)

在线出版日期：2004-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：66-69