基于相空间重构和Chebyshev正交基神经网络的短期负荷预测
电力系统短期负荷数据具有明显的混沌特性.在讲述混沌中相空间重构的相关理论后,计算了算例中需要用到的延迟时间和嵌入维数.根据正交多项式优越的泛化和预测性能,在简单介绍Chebyshev正交基函数后,构建了单输入Chebyshev正交基神经网络预测模型.由于重构后的相空间中每个相点的分量个数不止一个,故所构建的单输入预测模型无法满足要求.为此,在单输入的基础上,设计了基于相空间重构的多输入Chebyshev正交基神经网络动态预测模型,将该模型运用到短期负荷预测中,取得了很高的精度和很好的预测效果.
混沌理论、相空间重构、Chebyshev、神经网络、短期负荷预测
40
TM715(输配电工程、电力网及电力系统)
2013-04-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
95-99