论文部分内容阅读
对变电站集中监控全面监视周期的影响因素进行了分析,包括变电站电压等级、集中监控缺陷发生频次、设备运行情况、变电站重要程度、变电站运行环境和设备平均负载6个方面。在此基础上提出了基于竞争神经网络的变电站全面监视周期分类方法,利用机器学习手段实现变电站全面监视周期的科学合理分类。仿真分析结果表明该方法可行有效。