本发明提供一种基于FNP‑BPNN融合驱动的电力系统频率最低点预测方法，属于电力系统频率稳定分析与控制领域。作为物理驱动环节，频率最低点预测(Frequency Nadir Prediciton,FNP)模型可以求解频率最低点的解析解，并在高速下获得初始预测结果。作为数据驱动环节，反向传播神经网络(Back Propagation Neural Network,BPNN)可以在线修正初始预测结果的误差，提高预测精度。使用串行模式将两者融合使用，可以高效、准确地获取最终预测结果。与现有的融合驱动方法相比，FNP模型可以保留更多的关键影响因素，极大程度上降低了BPNN对样本数据和特征维度的依赖，因此本发明可以为电力系统频率稳定分析和控制提供更可靠的指标和依据。