基于RBF神经网络的电网脆弱性评估及其趋势估计

论文摘要

建立了分层网状拓扑结构下的电网脆弱性评价体系,针对该体系提出了基于径向基函数(Radial Basis Function,RBF)神经网络的电网脆弱性评估方法。将电网综合脆弱性分为状态脆弱性和结构脆弱性,并与相应的子指标构成脆弱性网状评价体系,同时以高斯(Gauss)函数作为RBF神经网络函数的核函数解决指标间的非线性问题。通过MATLAB中的RBF神经网络函数对IEEE14母线系统计算分析,验证了该方法的全面性与有效性。最后,针对节点多个测量周期的脆弱性测度建立自回归(Auto Regression,AR)模型,通过判定AR模型的差分方程稳定性,分析了节点脆弱性测度的发展趋势。

论文目录

• 0 引言
• 1 脆弱性评价体系建立
•   1.1 脆弱性指标
•   1.2 各级评价指标间的相关性
• 2 RBF神经网络与脆弱性评价测度
•   2.1 指标测度向量与指标向量距离
•   2.2 RBF神经网络与指标关系
•   2.3 抽象指标
• 3 电网脆弱性趋势估计
•   3.1 AR模型
•   3.2 AR模型稳定性及其判断
• 4 计算实例
•   4.1 脆弱性指标参数
•   4.2 节点脆弱性测度计算
•   4.3 节点脆弱性测度趋势仿真
• 5 结束语

文章来源

类型: 期刊论文

作者: 王耀升,张英敏,王畅,漆万碧

关键词: 电网脆弱性,非线性,脆弱性指标,神经网络,模型,趋势估计

来源: 电测与仪表 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 四川大学电气信息学院

分类号: TM711;TP183

DOI: 10.19753/j.issn1001-1390.2019.09.009

页码: 49-55

总页数: 7

文件大小: 1026K

下载量: 289