基于Apriori-BPNN分析的继电保护通信电路风险评估研究及应用

为解决"海量数据"和"有限知识"之间的矛盾,提高继电保护通信电路风险评估准确性和算法效率,提升事前预警能力,论文提出一种融合关联规则分析和神经网络的风险评估方法 Apriori-BPNN。该方法首先基于多源异构的数据构建初始指标体系,在此基础上采用改进的Apriori算法确定多种因素与目标的关联度,实现指标筛选;采用BP神经网络算法确定各因素的权重,并加权求得最终的综合风险评估指标。仿真结果表明,Apriori-BPNN既避免了传统层次分析法的不足,又简化了神经网络的结构,提高了继电保护通信电路风险评估准确度和算法效率,使运维人员能及时发现存在的隐患和风险,指导继电保护通信电路的主动预警与智能检修,提高继电保护业务运行的安全性和稳定性。