论文部分内容阅读
神经网络以其固有的高执行速度在电力系统暂态稳定评估领域具有良好的应用前景,但是神经网络存在的两个缺点限制了其在线应用。其一,随着系统规模的扩大,训练样本数目的增加,其训练速度慢的缺点显露出来。针对这个问题,本文提出基于信息熵的属性离散化算法用于训练样本集的压缩,从而大大提高了神经网络的训练速度。其二,由于暂态稳定评估问题输入空间的复杂性以及神经网络本身的局限性,神经网络的分类结果中不可避免地会存在误分类。本文针对误分类的问题,提出在特征矩阵的基础上,将神经网络和粗糙集理论相结合,构造新型的神经网络集