改进BP神经网络在负荷动静比例确定中的应用

指出了电力系统负荷动、静组成比例在实际电力系统分析、计算中的重要性,并应用一种改进的BP算法——Levenberg-Marquardt反向传播算法来对神经网络进行训练,进而利用人工神经网络（ANN）来确定电力系统综合负荷动、静组成比例为β=F’[Y（t）,Y（t-1）,…,Y（t-n）,U（t）,U（t-1）,…,U（t-n）]。其中,β为动态负荷在综合负荷中所占的比例,Y=[P,Q]T,U=[V,f]T。该算法改进了BP神经网络学习速度慢的缺点。应用该方法对仿真数据、动模实验数据和现场实测数据进行了测算,得出了其相应的动、静组成比例。测算结果验证了在确定负荷动、静比例时可以忽略频率的变化,证明了BP神经网络用于确定负荷动、静组成比例的有效性。