电力通信网光纤保护通道风险评估

《电力通信网光纤保护通道风险评估》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、维普资讯http://www.cqvip.com第35卷第l5期继电器Vbl_35No．152007年8月1日RELAYAug．1，2007电力通信网光纤保护通道风险评估高会生，付建敏，孙逸群，赵敏华(华北电力大学电子与通信工程系，河北保定071003)摘要：对电力通信网光纤保护通道风险评估进行了研究，针对电力通信网光纤保护通道风险评估的影响因素繁多，复杂性和重要程度不同，难以用精确数学模型描述的特点，提议利用主成分分析(PeA)一径向基(RBF)神经网络进行风险评估的方法。具体是利用主成分分析(PcA)方法对原输入空间进行重构，并根据各个主成分的贡献率来确定径向基网络结构，

2、从而提高了网络的训练速度和评估能力。最后对某省实际运行的光纤保护通道进行风险评估来验证该方法的优越性。关键词：风险评估；光纤保护通道；电力通信网；主成分分析：径向基神经网络Riskevaluationofpowersystemcommunicationfiber-opticrelayprotectionchannelsGAOHui—sheng，FUJian—min，SUNYi-qun，ZHAOMin-hua(DepartmentofElectronicsandCommunicationEngineering，NorthChinaElectricPowerUniversity,

3、Baoding071003，China)Abstract：Theriskevaluationofpowersystemcommunicationfibe~opticrelayprotectionchannelsisinvestigated．Thepaperusesthisapproachofprincipalcomponentanalysis(PCA)-radialbasicfunctionneuralnetwork(RBFNN)toevaluatethepowersystemfiber-opticrelayprotectionchanne1．Theproposedmetho

4、davoidsthecomplexityofinfluencingfactoranddificultywhendescribingevaluationinmodelsofmathematics．Concretely，theoriginalinputspaceisreconstructedbyprincipalcomponentanalysisandthestructureofthenetworkisdeterminedaccordingtothecontributionsfromtheprincipalcomponentsrespectively,SOtheabilityof

5、trainingspeedandevaluationareimproved．Theefectivenessoftheproposedalgorithmisverifiedbythepracticaldataforthefiber-opticrelayprotectionchannels．Keywords：riskevaluation；fiber-opticrelayprotectionchannels；powersystemcommunication；principalcomponentanalysis(PCA)；radialbasicfunction(RBF)neuraln

6、etwork中图分类号：TP183；TN915文献标识码：A文章编号：1003．4897(2007)15．0032．03的复杂性，降低精度。因此，引用了主成分分析(PCA)0引言一径向基(RBF)神经网络这个方法。首先，利用主成风险评估是指确定在系统和网络中每一种资源分分析法对指标集进行约简，这样减少了网络的输缺失或遭到破坏对整个系统造成的预计损失，是对入维数；然后，利用径向基神经网络的特点和总是威胁、脆弱点以及由此带来的风险大小的评估。风收敛的原理对其进行训练、测试，得到最后的风险险评估常用的方法有层次分析法、模糊综合评判法和各个因素的权重。这个方法使得网络的输入简单，、模

7、糊多目标决策和信息扩等。这些方法在风险训练时间短，精度高。评估的应用中比较成熟，但本质上都要求风险结果1方法原理能由影响因素显式地表示出来，这样就存在很大缺陷和局限性。如果遇到影响因素非常复杂，很难由本文之所以引用主成分分析(PCA)一径向基显式的数学表达式描述风险结果的情况，这些方法(RBF)神经网络这个方法，主要是由主成分和径向基在精度和速度上就不能达到满意的效果。神经网络的特点决定的。图l给出了这个方法的过人工神经网络是人工智能方法的重要分支，近程图。年，国内外对其应用于风险评估进行了大量而深入主