基于改进BP算法的短期电力系统负荷预测

BP算法较强的自学习能力使之可对短期电力负荷进行预测,将一种改进的BP神经网络学习算法应用于短期电力负荷预测中,该算法由于加入动量项修正权值阈值提高了BP神经网络本身的精度,使得预测结果具有更高的精度,算例验证了该算法处理短期电力系统负荷预测的高效性。     

基于改进遗传算法的无功优化方法的研究

电力系统的无功优化是降低网损、保障电压质量的有效手段,遗传算法是解决这种多约束非线性组合优化问题的很好方法。简单遗传算法（SGA）中的交叉率和变异率分别是一个过大或者过小的固定值,造成了高适应度基因遭到破坏和算法陷入迟钝,本文中改进遗传算法（IGA）使用变化的交叉率和变异率避免了此类现象。文献中以IEEE33节点系统为例,分别用两种算法进行了无功优化的计算,通过比较得到结论,IGA具有最优解更加准确、收敛速度更加迅速的优点。