首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 281 毫秒

1.  人工神经网络和短时仿真结合的暂态安全评估事故筛选方法  
   顾雪平  曹绍杰  张文勤《电力系统自动化》,1999年第23卷第8期
   结合人工神经网络(ANN)和短时数字仿真提出一个用于在线暂态安全评估的事故筛选方法 ,将3层BP网络作为模式分类器,用来建立稳定评估结果和所选特征量之间的映射关系 。在故 障切除时刻终止的短时数字仿真被用来生成ANN的输入量,每个ANN处理一个特定的事故状态 。使用一个半监督学习算法,ANN可产生一个能够指示相对稳定度的连续分布的暂态稳定指 标。基于这个连续分布的稳定指标,设置一个相对保守的分类门槛值,避免了不安全状态的 漏报。10机新英格兰电力系统的应用结果证实了该方法的有效性。    

2.  基于神经网络暂态稳定评估方法的一种新思路  被引次数:3
   顾雪平  曹绍杰  张文勤《中国电机工程学报》,2000年第20卷第4期
   基于神经网络的暂态稳定评估技术提出了一种新思路。使用半监督学习算法来训练反向传播神经网络 ,得到一个连续分布的暂态稳定指标 ,该指标可用来指明相对稳定度和确定类间边界区。一种数据结构分析方法被用来观察输入空间的可分性及边界区。在此基础上 ,提出一种新的分类方法 ,即将边界区样本分为不确定类 ,以避免误分类。在两个系统中的应用结果表明 ,该方法对暂态稳定评估问题的有效性。    

3.  模糊子集和Taylor级数相结合的快速事故筛选方法  被引次数:1
   吕志来  张保会  哈恒旭《电力系统自动化》,2000年第24卷第22期
   为避免在暂态稳定分析中稳定与不稳定状态的漏报,文中结合模糊子集理论和高阶Taylor级数,提出了一种用于在线暂态安全分析的快速事故筛选方法。该方法首先定义了7种 反映事故严重程度的性能指标,并把它们作为模糊隶属函数的组合特征输入量,然后通过多 元 多变量的模糊隶属函数,产生一个能够指示相对稳定裕度的连续分布的暂态稳定指标。基于这个连续分布的稳定指标,可为运行人员提供3条带,即“绝对”稳定带(稳定指标大)、“绝 对 ”不稳定带(稳定指标小)、“模糊”带(稳定指标处于中间值,即稳定与不稳定边界地带 ),有了这3条带,就可对预想事故进行快速的暂态稳定识别。计算仿真结果表明了该方法 的快速性、可靠性和有效性。    

4.  基于改进BP神经网络的电子政务内网信息安全评估方法  
   何文才  张川  叶思水  贾新会  刘培鹤《网络安全技术与应用》,2014年第5期
   为了发现电子政务内网的信息安全隐患,提出一种采用改进反向传播人工神经网络(BP ANN)技术的电子政务内网信息安全的评估方法,基于改进BP ANN建立电子政务内网神经网络评估模型.以电子政务内网主要信息安全指标作为训练样本,对建立的BP ANN评估模型进行学习和训练,找到输入与输出之间的关系,并用样本对训练好的BP网络进行验证.仿真结果表明,评估方法能够较好的为复杂的电子政务内网进行信息安全评估,评估模型稳定且自适应性强.    

5.  信息融合技术在电力系统暂态稳定评估中的应用  被引次数:2
   黄辉  舒乃秋  王巍《电力科学与工程》,2005年第4期
   针对电力系统暂态稳定的特点和要求,运用人工神经网络并结合D-S证据理论的信息融合技术,提出了一种暂态稳定评估模型。这个模型综合来自不同传感器的信息,筛选出能迅速反映暂态稳定的特征量,并把特征量按照时间和空间进行分类,最后将这些特征量输入到该模型,得到电力系统暂态稳定评估的最终结果。在4机11节点的测试系统上进行的仿真表明:采用信息融合的模型,能提高运算速度和降低误判率,为在线进行电力系统的暂态稳定分析提供了一条新的思路。    

6.  用于暂态稳定评估的人工神经网络输入空间压缩方法  
   张琦  韩祯祥  曹绍杰  顾雪平《水电自动化与大坝监测》,2001年第25卷第2期
   应用粗糙集理论中的决策表化简技术,提出了一种压缩人工神经网络(ANN)输入空间的方法,改善了ANN用于电力系统暂态稳定评估(TSA)时面临的数据训练瓶颈问题。由于训练样本是连续性的数据,采取了3种离散化方法:等频法、等距法和最大熵法。用10机39节点的新英格兰系统测试了该数据压缩方法的有效性。ANN初始输入变量为11个,利用粗糙集化简方法抽取出6个关键特征变量,样本集压缩了45.5%,而ANN稳定分类器的判别效果并没有因此受到影响。    

7.  用于暂态稳定评估的人工神经网络输入空间压缩方法  被引次数:16
   张琦  韩祯祥  曹绍杰  顾雪平《电力系统自动化》,2001年第25卷第2期
   应用粗糙集理论中的决策表化简技术,提出了一种压缩人工神经网络(ANN)输入空间的方法,改善了ANN用于电力系统暂态稳定评估(TSA)时面临的数据训练瓶颈问题。由于训练样本是连续性的数据,采取了3种离散化方法:等频法、等距法和最大熵法。用10机39节点的新英格兰系统测试了该数据压缩方法的有效性。ANN初始输入变量为11个,利用粗糙集化简方法抽取出6个关键特征变量,样本集压缩了45.5%,而ANN稳定分类器的判别效果并没有因此受到影响。    

8.  基于小波变换和神经网络的暂态电能质量自动识别  被引次数:1
   刘晓芳  刘会金  柯定芳《供用电》,2005年第22卷第5期
   针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种暂态电能质量分类的新方法。先提取基波频段所在的小波系数将电压凹凸和电压中断分别检测出来,然后将小波包分解结果中的最佳子空间的熵值作为特征量,结合人工神经网络区分暂态脉冲和振荡。该方法利用小波和小波包各自的时频分解特点,能有效地避免噪声的影响,实现了暂态电能质量扰动的自动检测和分类。经仿真分析,验证了此方法的准确性和高效性。    

9.  基于小波变换和神经网络的暂态电能质量扰动自动识别  被引次数:4
   刘晓芳  刘会金  柯定芳《继电器》,2005年第33卷第23期
   针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种暂态电能质量分类的新方法。先提取基波频段所在的小波系数将电压凹陷、电压凸起和电压中断分别检测出来;然后将小波包分解结果中的最佳子空间的熵值作为特征量,结合人工神经网络区分暂态脉冲和振荡。该方法利用小波和小波包各自的时频分解特点,实现了暂态电能质量扰动的自动检测和分类。经仿真分析,验证了此方法的准确性和高效性。    

10.  基于小波变换和神经网络的暂态电能质量扰动自动识别  
   刘晓芳  LIU Hui-jin  刘会金  柯定芳《电力系统保护与控制》,2005年第33卷第23期
   针对短时电能质量变化和暂态扰动现象的不同特点,提出了一种暂态电能质量分类的新方法.先提取基波频段所在的小波系数将电压凹陷、电压凸起和电压中断分别检测出来;然后将小波包分解结果中的最佳子空间的熵值作为特征量,结合人工神经网络区分暂态脉冲和振荡.该方法利用小波和小波包各自的时频分解特点,实现了暂态电能质量扰动的自动检测和分类.经仿真分析,验证了此方法的准确性和高效性.    

11.  在线暂态安全稳定评估的分类滚动故障筛选方法  
   徐泰山  杜延菱  鲍颜红  马世英  任先成  向小蓉《电力系统自动化》,2018年第13期
   为满足在线暂态安全稳定评估对计算时间的要求,提出了基于模式和裕度估算的在线暂态安全稳定故障筛选方法。分别基于上一轮在线暂态安全稳定评估结果中各个预想故障的暂态功角稳定、暂态电压跌落安全、暂态电压稳定和暂态频率偏移安全的裕度及模式信息,并结合各个故障安全稳定模式中相关元件的潮流变化和投/退等信息,估算出新一轮在线暂态安全稳定评估所对应的运行状态下各个故障的暂态安全稳定裕度,并确定其相应的安全稳定模式,从而筛选出本轮在线暂态安全稳定评估需详细计算的预想故障子集。通过对实际电网在线数据的仿真分析,验证了所述方法的有效性和实用性。    

12.  一种用于半监督BP算法的实用结束判据及其应用  
   刘艳芳  顾雪平《水电自动化与大坝监测》,2003年第27卷第14期
   针对用于BP网络训练的半监督学习算法,提出了一种新的实用的训练结束判据,并将其应用于电力系统暂态稳定分类中。根据暂态稳定输入特征的空间分布,提出一个新的表征样本混杂度的指标,用于判断类别的可分离度。在新英格兰10机39节点系统中的应用表明,该训练结束判据用于半监督BP算法对BP网络进行训练,可以有效地避免基于神经网络暂态稳定评估的误分类,提高稳定评估结果的可靠度。    

13.  一种用于半监督BP算法的实用结束判据及其应用  
   刘艳芳  顾雪平《电力系统自动化》,2003年第27卷第14期
   针对用于BP网络训练的半监督学习算法,提出了一种新的实用的训练结束判据,并将其应用于电力系统暂态稳定分类中。根据暂态稳定输入特征的空间分布,提出一个新的表征样本混杂度的指标,用于判断类别的可分离度。在新英格兰l0机39节点系统中的应用表明,该训练结束判据用于半监督BP算法对BP网络进行训练,可以有效地避免基于神经网络暂态稳定评估的误分类,提高稳定评估结果的可靠度。    

14.  复合神经网络在电力系统暂态稳定评估中的应用  被引次数:6
   汤必强  邓长虹  刘丽芳《电网技术》,2004年第28卷第15期
   提出了一种基于复合人工神经网络的电力系统暂态稳定评估方法。该复合网络由Kohonen网络与若干径向基(RBF)网络组成。它结合了两种网络的优点,因此提高了稳定评估能力。分别采用Kohonen网络、径向基网络以及该复合网络对华中电网的仿真结果证实了该方法的优越性。    

15.  基于统计学习的模糊暂态稳定事故筛选与排序  被引次数:3
   王守相  张建军《电工技术学报》,2006年第21卷第3期
   暂态稳定事故筛选与排序的目的是针对一组预想事故集合挑选出严重事故或滤除掉无害事故,以减少待分析的预想事故数目,满足在线动态安全分析的需要.文中提出一种基于统计学习的模糊暂态稳定事故筛选与排序方法,该方法采用了反映事故严重程度的10个性能指标,并通过样本学习,在每个指标集合上具体定义了系统稳定性的模糊隶属度函数;然后综合运用这10个性能指标的稳定性模糊隶属度得到的平均稳定性模糊隶属度,对预想事故集合按严重性进行了排序;接着根据排序结果,结合所设定的稳定阈值,将无害事故过滤掉.最后,用新英格兰10机39节点网络验证了该方法的有效性.    

16.  基于信息融合技术的电力系统暂态稳定评估  被引次数:3
   黄辉  舒乃秋  李自品  李玲  裴春明《中国电机工程学报》,2007年第27卷第16期
   应用信息融合技术对电力系统暂态稳定进行评估,提出了一种基于"结合人工神经网络和D-S证据理论的信息融合模型"的电力系统暂态稳定评估方法。当电力系统发生故障时,采用该方法可以综合来自电网和发电机的多个信息源对电力系统的暂态稳定进行判别。首先,选取能迅速反映电力系统暂态过程的特征量,如功角、加速度、转子动能等,进行像素级融合。然后,将这些特征量划分为时间和空间2个征兆域,并分别输入至设定的3个子神经网络进行特征级融合。最后,将特征级融合的输出作为决策级融合的输入,利用D-S证据理论实现时间域和空间域的决策级融合,从而提高了电力系统暂态稳定评估的可靠性。利用中国版BPA暂态稳定程序和电力系统全过程动态仿真软件,对7机24节点系统进行了仿真。仿真结果表明,基于信息融合技术的电力系统暂态稳定评估方法较基于人工神经网络的评估方法更为快速、准确。    

17.  基于人工神经网络的供水管网爆管定位方法  
   陈海  赵梦珂  于冰  刘海星  冷祥阳《水资源研究》,2018年第2期
   供水管网发生爆管事故后,快速确定爆管位置,可以实现迅速抢修,有效降低事故的损失。针对爆管定位问题,本文基于人工神经网络(ANN),建立爆管位置与事故时压力监测点的压力变化率之间的非线性映射关系,构建了ANN爆管定位模型,并选取了一个供水管网案例,引入相关系数(R~2)指标评估模型的精度,验证了方法的可行性。此外,分析了不同监测点组合对模型定位精度的影响,发现监测点组合均匀分布在管网内部时,模型定位精度越高。    

18.  基于人工智能的大系统分层在线暂态稳定评估  被引次数:7
   管霖  曹绍杰《电力系统自动化》,2000年第24卷第2期
   在对比分析电力系统已有暂态稳定评估(TSA)方法的基础上,提出了一种以人工智能为主体的层次型大系统在线暂态稳定评估方案。以一个7机24节点系统为例,详细介绍了基于启发式推理和人工神经网络的方案实现过程及仿真测试结果,并重点讨论了基于样本的输入特征向量筛选方法。该方案无需时域积分运算,能提供故障筛选、稳定评级、主导失稳机组估计以及危险事件的故障临界切除时间(CCT)估计等多级稳定信息,较好地满足了在线TSA的要求。    

19.  Fisher识别用于暂态稳定评估的训练样本集压缩  被引次数:1
   张文朝  顾雪平  刘艳芳《华北电力大学学报(自然科学版)》,2002年第29卷第3期
   用Fisher线性识别技术考察了暂态稳定输入空间的线性可分性,并将其应用于神经网络训练样本集的压缩。利用Fisher识别,将样本集分成3个区域:稳定区域、失稳区域和不确定区域,对不确定区域的样本采用一种半监督的BP算法来获得一个连续分布的相对稳定指标。由于不确定区域样本数远远小于原始样本集的样本数,因此大大减轻了神经网络的训练负担,提高了训练的速度和效果。在一个10机39节点系统上的应用,表明所选方法的有效性。    

20.  基于模糊神经网络的电力系统预想事故排序方法  
   刘孟觉  余昆  刘皓明《江苏电机工程》,2007年第26卷第3期
   提出了一种基于模糊神经网络的电力系统预想事故排序新方法。该方法首先定义了反映预想事故严重程度的有功性能指标,同时构造3层人工神经网络(ANN)并采用误差反向传播(BP)算法加以训练;其次对ANN的输入用模糊神经网络进行特征选择,减少了输入层和中间隐含层的神经元个数及训练时间;最后通过IEEE 30节点系统验证了所提方法的有效性,仿真结果说明采用模糊神经网络进行输入量特征选择预处理可减少神经网络的训练时间。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号