基于Apriori-BPNN分析的继电保护通信电路风险评估研究及应用

摘要：

为解决"海量数据"和"有限知识"之间的矛盾,提高继电保护通信电路风险评估准确性和算法效率,提升事前预警能力,论文提出一种融合关联规则分析和神经网络的风险评估方法Apriori-BPNN.该方法首先基于多源异构的数据构建初始指标体系,在此基础上采用改进的Apriori算法确定多种因素与目标的关联度,实现指标筛选;采用BP神经网络算法确定各因素的权重,并加权求得最终的综合风险评估指标.仿真结果表明,Apriori-BPNN既避免了传统层次分析法的不足,又简化了神经网络的结构,提高了继电保护通信电路风险评估准确度和算法效率,使运维人员能及时发现存在的隐患和风险,指导继电保护通信电路的主动预警与智能检修,提高继电保护业务运行的安全性和稳定性.

关键词：关联规则分析、神经网络、Apriori-BPNN分析、继电保护通信电路、风险评估

所属期刊栏目：45

分类号：TM73(输配电工程、电力网及电力系统)

资助基金：江苏省电力公司运用大数据技术的通信网络全景监测与智能调配技术研究与应用项目500327478

在线出版日期：2017-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：700-705,739