反向传播算法运用于电力系统神经网络的分析研究

着重研究了神经网络模型中的反向传播算法即BP算法,并对电力系统中两个一次结线特殊的厂站的检修批答神经网络建立了BP模型,分析了BP算法中初始权值、学习因子、冲量因子、隐含层数和隐含层节点数对该神经网络学习过程的影响,实验结果证明,适当地选择初始权值、学习因子、隐含层节点数等可以大大提高神经网络的学习速度,减少迭代时间,满足电力系统神经网络在线学习的要求。