粗糙集及神經網絡在配電網故障診斷中的應用研究.pdf

1、隨著我國電網聯(lián)網工程的順利完成，電網規(guī)模不斷擴大和加強，當電網發(fā)生故障時，要判定故障區(qū)域將是一件比較困難的事情。為此，本文嘗試借助粗糙集理論所具有分析約簡能力，提出了基于可辨識矩陣與布爾代數相結合的屬性約簡算法以及改進的值約簡算法，并將其應用于由斷路器和保護為條件屬性，考慮各種故障情況所組成的診斷決策表的約簡過程中，形成了故障診斷總體規(guī)則知識庫模型，從算例結果看基本達到了實際應用設計要求，但也存在一個缺陷，即粗糙集的容錯能力還不夠理想，

2、當核屬性受噪聲污染時有可能會出現誤判的情況。因此為了提高粗糙集的容錯能力，將粗糙集理論與神經網絡相結合，構建粗糙集和神經網絡智能混合系統(tǒng)，充分利用粗糙集理論對知識的約簡能力和神經網絡的容錯學習能力。首先利用粗糙集方法對原始數據進行約簡，形成精簡的規(guī)則集，然后神經網絡通過調用最簡規(guī)則集進行學習訓練，這樣既減少了神經網絡的學習訓練時間，又提高了診斷的準確度。最后對21個測試樣本數據進行測試仿真，仿真結果表明該算法具有高容錯性和高診斷正確率（