基于 GA-BP神经网络的稳态电能质量预测

针对稳态电能质量指标数据的时序性和非线性,提出一种基于遗传算法(GA)和BP神经网络的电能质量预测方法,将电能质量历史数据和负荷数据、气象数据作为网络输入,使用GA优化BP神经网络的初始权值、阈值,通过该网络完成数据集的训练与预测.最后使用某线路电能质量检测点获得的真实数据验证了模型的准确性、可行性.     

遗传算法优化BP神经网络的电能质量预测预警研究

电能质量稳态指标的预测和预警对于优化电网运行方式具有重要意义.以某监测点为研究对象,根据该监测点的历史天气信息、有功功率、无功功率和电能质量数据,使用遗传算法改进BP神经网络,构建复合型神经网络预测系统.给出了电能质量分等级预警方式,通过模糊聚类合理灵活地设置阈值并给出电能质量预警信息,以适应不同场合的预警.算例验证证明了该方法的有效性与实用性.