基于前馈神经网络的智能信息物理电网失稳预测
系统与控制
2021-02-12 v1 系统与控制
摘要
由于大量传感器的使用以及通信网络使用的增加，信息物理系统(CPS)正变得易受网络攻击。CPS日益增加的复杂性带来了对数据驱动机器学习应用的需求，以填补描述系统行为所需模型创建的空白。本文提出一种基于级联前馈神经网络的新型稳定性条件预测器。该方法旨在将网络或物理扰动引起的异常识别为失稳的早期征兆。所提出的神经网络利用级联连接以提高预测精度。训练过程采用共轭梯度反向传播和Polak-Ribière公式。该方法还可预测关键发电机，以缓解系统中连锁故障及随之而来的停电影响。在IEEE 39总线系统上的仿真结果表明，所提方法在精度、速度和鲁棒性方面具有优越性。
引用
@article{arxiv.2102.05655,
title = {Instability Prediction in Smart Cyber-physical Grids Using Feedforward Neural Networks},
author = {Amirreza Jafari and Farzad Darbandi and Hadis Karimipour},
journal= {arXiv preprint arXiv:2102.05655},
year = {2021}
}