درمحیط رقابتی جدید، عدم قطعیت از پیش بینی شرایط بهره برداری آینده و بهره برداری سیستم قدرت آن هم نزدیک به قیود امنیتی نیازی را برای یک رویکرد جدید از ارزیابی فراهم کرده است. این مقاله الگوریتم جدیدی online امنیت برمبنای رشد و هرس زنی مورد استفاده در شبکه عصبی تابع پایه ای شعاعی 1 را برای ارزیابی امنیت استاتیکی و رتبه بندی سریع پیش آمدها 2 پیشنهاد می دهد. نرون های لایه مخفی بوسیله الگوریتم پیشنهادی انتخاب می شوند که دارای مزیت انتخاب خودکار بهترین مرکز و شعاع می باشد . سادگی ، سرعت و دقت این الگوریتم نسبت به روش های پیچیده موجود ارزیابی امنیت هوشمند سیستم قدرت مزیت اصلی این نوع الگوریتم می باشد. برای رتبه بندی شدت پیش آمدها از دو شاخص عملکرد 3 که به ترتیب شاخص عملکرد ولتاژ و شاخص عملکرد توان انتقالی می باشد استفاده شده است . به منظور کاهش بعد ورودی شبکه عصبی با استفاده از تکنیک انتخاب مشخصه 4 مناسب ترین مشخصه ها تعیین و به کمک آن به دقت بالایی از تخمین خواهیم رسید . روش ١ Radial Basis Function Neural Network (RBFNN) ٢ Contingency ٣ Performance Index (PI) ٤ Feature Selection IEEE پیشنهادی برای ارزیابی امنیت استاتیکی سیستم قدرت 14 باسه مورد آزمایش قرار گرفته است.

کلمات کلیدی