人们在日常生活中对电力资源的依赖越来越高,电力系统逐渐发展成为了大规模、跨区域的大型互联网络,成为了现代社会基础设施的重要组成部分。然而随着电网技术的不断发展,大规模电网带来的不稳定性和安全性问题也越来越受到重视。在过去发生的多起大停电事故中,不仅给受灾地区的居民带来了许多不便,也给整个社会造成了相当大的经济损失。所以电力系统安全问题一直是电力供应商、基础设施开发商和政府高度关注的问题,也是电气工程师和研究人员致力攻克的难题。本文首先基于复杂网络理论、电网结构和负载特性,结合信息网调度功能,构建电力信息相互依存网络模型。比较其与单一电网在遭受攻击时的异同并进行分析。再基于Back-Propagation神经网络(BP神经网络),利用电网节点的介数、初始功率和连边的介数、边权、初始电流绝对值,对电网级联故障结束后,网络结构完整度进行预测研究。具体研究内容如下:1、电力信息相互依存网络与单一电网级联故障比较的研究。基于电网结构和负载特性,结合信息网调度功能,构建电力信息相互依存网络模型。使用最高负载、最低负载和最高容量比三种节点攻击方式攻击电网单一节点,并与单层电网故障进行比较并分析。研究表明,在最高负载节点攻击下,初始负载较小时,电力信息相互依存网络的鲁棒性比单层电网弱,当初始负载较大时,两种网络鲁棒性接近;在最低负载和最高容量比节点攻击下,两种网络的鲁棒性差异并不明显;在相互依存网络上,最高负载节点攻击的级联故障最难完全消除。2、基于电网节点属性的电网级联故障后网络结构完整度预测研究。将电网部分节点的介数和初始功率作为BP神经网络的输入值,节点失效后网络结构完整度作为输出值,训练BP神经网络。再将未参与训练的电网节点的介数和初始功率输入训练好的BP神经网络,预测出当该节点失效时,电网级联故障结束后网络结构完整度值。研究表明,节点的介数和初始功率与电网级联故障规模大小有复杂函数关系;一个根据电网数据训练好的BP神经网络对于给定的节点输入值,能较准确的预测该节点失效导致的电网级联故障规模;两个或多个电网数据共同训练的BP神经网络,也能预测参与训练的电网级联故障后网络结构完整度值。3、基于电网连边属性的电网级联故障后网络结构完整度预测研究。使用电网连边介数、连边初始电流绝对值和连边失效后网络结构完整度,训练BP神经网络并评估预测的网络结构完整度误差,再定义边权替换连边介数重复实验,最后将三个电网数据混合训练并评估误差。研究表明,使用连边介数预测的效果要优于边权;不论是节点预测还是连边预测,预测误差与级联故障后网络结构完整度最大和最小值之差正相关;连边预测也可以使用多个电网数据共同训练BP神经网络来完成。