基于复合神经网络的电力系统暂态稳定评估和裕度预测

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 England39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