电力系统自动化
電力繫統自動化
전력계통자동화
AUTOMATION OF ELECTRIC POWER SYSTEMS
2013年
20期
41-46
,共6页
复合神经网络%暂态稳定评估%故障切除时间裕度预测%类型重叠
複閤神經網絡%暫態穩定評估%故障切除時間裕度預測%類型重疊
복합신경망락%잠태은정평고%고장절제시간유도예측%류형중첩
compound artificial neural network%transient stability assessment%critical clearing time margin prediction%classification overlapping
提出一种基于复合神经网络的暂态稳定评估与故障临界切除时间(CCT)裕度预测新方法,它将概率神经网络(PNN)和径向基函数(RBF)网络组合使用,充分利用两者各自的优点,以提高暂态稳定评估能力和CCT裕度预测能力.该方法首先利用PNN进行暂态事故场景分类,分类时充分考虑了相邻故障样本类型重叠的影响;进一步采用RBF网络对分类结果进行裕度预测;最后,通过自检和校正以提高预测精度.利用New England 39节点系统,通过与反向传播(BP)神经网络、RBF神经网络等方法的比较,证明了本文方法的优越性.
提齣一種基于複閤神經網絡的暫態穩定評估與故障臨界切除時間(CCT)裕度預測新方法,它將概率神經網絡(PNN)和徑嚮基函數(RBF)網絡組閤使用,充分利用兩者各自的優點,以提高暫態穩定評估能力和CCT裕度預測能力.該方法首先利用PNN進行暫態事故場景分類,分類時充分攷慮瞭相鄰故障樣本類型重疊的影響;進一步採用RBF網絡對分類結果進行裕度預測;最後,通過自檢和校正以提高預測精度.利用New England 39節點繫統,通過與反嚮傳播(BP)神經網絡、RBF神經網絡等方法的比較,證明瞭本文方法的優越性.
제출일충기우복합신경망락적잠태은정평고여고장림계절제시간(CCT)유도예측신방법,타장개솔신경망락(PNN)화경향기함수(RBF)망락조합사용,충분이용량자각자적우점,이제고잠태은정평고능력화CCT유도예측능력.해방법수선이용PNN진행잠태사고장경분류,분류시충분고필료상린고장양본류형중첩적영향;진일보채용RBF망락대분류결과진행유도예측;최후,통과자검화교정이제고예측정도.이용New England 39절점계통,통과여반향전파(BP)신경망락、RBF신경망락등방법적비교,증명료본문방법적우월성.