函数型连接神经网络偶发事件分类器设计

• 作者: 周家启 张安邦 王韶
• 来源期刊: 重庆大学学报(自然科学版)
• 学科: 工学
• 关键词: 函数型连接神经网络 偶发事件 分类器
• 年，卷（期）: 2004,（5）
• 页码范围: 66-69
• 页数: 4页
• 分类号: TM732
• 字数: 3852字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-582X.2004.05.019

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周家启	重庆大学高电压与电工新技术教育部重点实验室	97	5171	45.0	70.0
2	王韶	重庆大学高电压与电工新技术教育部重点实验室	10	310	7.0	10.0
3	张安邦	重庆大学高电压与电工新技术教育部重点实验室	4	158	2.0	4.0