- 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
电力通信网光纤保护通道风险评估
维普资讯
第 35卷 第 l5期 继 电器 Vbl_35No.15
2007年8月 1日 RELAY Aug.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,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
Riskevaluationofpowersystem communicationfiber-opticrelayprotectionchannels
GAOHui—sheng,FU Jian—min,SUN Yi-qun,ZHAOMin-hua
(DepartmentofElectronicsandCommunicationEngineering,NorthChinaElcetricPowerUniversity,Baoding071003,China)
Abstract: Theriskevaluationofpowersystem communicationfibe~opticrelayprotectionchannelsisnivestigated.Thepaperuses
thisapproachofprincipalcomponentnaalysis(PCA)--radialbasicfunctionneuralnetwork(RBFNN)toevaluatehtepowersystem
fiber-opticrelay protectionchanne1.Th epropo sedmehtodavoidshtecomplexityofinfluencingfactornaddifficultywhendescribing
evaluationinmodelsofmahtematics.Concretely,hteoriginalinputspaceisreconstructde byprincipal compo nentnaalysisnadhte
structureofhtenetworkisdeterminedaccordnigot htecontributionsfrom hteprincipal componentsrespectively,SOhteabiliyt of
rtainingspede na devaluation areimproved.Th eeffectivenessofhteproposde algorihtm isverifiedbyhtepractical dataforhte
fiber-opticrelayprotectionchannels.
Key words: risk evaluation;fiber-optic relay protection channels;po wer system communication;principal component
naalysis(PCA); radialbasicfunction(RBF)neuralnetwork
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
文档评论(0)