基于BP神经网络的极限传输容量预测方法

传统断面极限传输容量计算采用线性回归的方法,将非线性电力系统转化为线性模型求解,计算过程复杂。故提出基于BP神经网络的非线性极限传输容量预测方法,把系统实际运行数据抽象转化为特征属性,采用基于K-means聚类的分组特征选择方法,降维后择优选取部分属性作为断面关键特征,再将其作为神经网络输入层向量,经过重复训练构建系统关键特征和极限传输容量的非线性对应关系。算例分析表明,基于BP神经网络的断面极限传输容量预测方法,既满足时效性要求又能提高预测的精确性。