论文部分内容阅读
以某地区购网有功功率的负荷数据为背景，建立了3个BP神经网络负荷预测模型-SDBP，LMBP及BRBP模型进行短期负荷预测工作，并对其结果进行比较。针对传统的BP算法具有训练速度慢，易陷入局部最小点的缺点，采用具有较快收敛速度及稳定性的L-M（Levenberg—Marquardt）优化算法进行预测，使平均相对误差有了很大改善，而采用贝叶斯正则化算法可以解决网络过度拟合，提高网络的推广能力。