摘要: 1）提出了一种改进的深度学习算法之一—多层BP神经网络算法，并采用该算法，提出了一种针对省域电网功角稳定性、电压稳定性、功角及电压混叠稳定性风险程度评估的预警方法。2）在BP神经网络改进上，从“仿思维”角度提出了一种对于BP神经网络输入层进行动态的调节方法，使得神经网络能够面对海量的已经获得数据及未获得数据进行引导性的数据追加获取功能。3）在神经网络隐藏层结构建立上，考虑到隐藏层角度，人工根据经验设计的工作量巨大，提出了一种将 遗传算法引入隐藏层设计的方法，有效提高了针对海量数据、高维度因变量时的隐藏层结构设计效率。4）本文基于新英格兰39节点算例，以及某省、某年实际改动算例，对比了本文所提算法和单一BP神经网络的性能，计算结果表明本文所提BP神经网络预警预测电力系统多类型稳定性可行性，另外，对大量离线仿真获得的随机训练样本进行预处理具有一定的可行性，本文所提BP神经网络能够在保证BP神经网络预测精度的前提下，实现输入层神经元获取，并通过遗传算法能够有效提高BP神经网络结构的优化速度与其训练速度。