基于神经网络和混沌特征选择的短期负荷预测方法
在激烈竞争的电力市场中,短期负荷预测(Short-term Load Forecasting,STLF)是电力系统高效运行的主要研究热点.针对具有高度波动性非线性信号的电力负载,提出了一种基于神经网络和混沌智能特征选择的预测方法,通过选择最佳候选输入集作为特征参数,将其作为预测输入数据.预测引擎采用一种多层感知层,具有差分进化的学习算法.输入通过的候选者进行相关性分析.对电力市场实际数据进行测试,并与其他STLF技术进行对比,结果表明该方法具有较高的准确度,可在不同电力系统中推广应用.
短期负荷预测、非线性信号、神经网络、混沌特征
37
TM76(输配电工程、电力网及电力系统)
2021-04-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
87-90