摘要：分析了电力系统负荷的组成、分类及其周期性的变化规律，对神经网络基本理论方法进行了细致地研究。应用改进的BP神经网络，建立了充分考虑各种因素的电力系统短期负荷预测模型。最后通过实例仿真，比较三种改进的BP学习算法，结果表明在本模型中，Levenberg—Marquardt（LM）学习算法在收敛速度以及预测精度上要优于拟牛顿法和SCG算法。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社