相空间重构和混沌神经网络融合的短期负荷预测研究

摘要：

该文首次提出基于PSRT和ICNN融合的电力系统STLF模型,所构造的ICNN预测模型对负荷初值和混沌轨迹的游动性有很强的敏感性,可表征复杂的动力学行为和具有全局寻优的性能,以PSRT确定ICNN输入维数,训练样本集按预测相点步进动态相轨迹和最近邻点集原理形成的,可增强预测模型对混沌动力学的联想和泛化推理能力;文中用遗传算法作为ICNN的学习算法,对两类不同负荷系统日、周预测仿真测试,证实所研究的预测模型能有效、稳定的提高预测精度,且有较高的适应能力,为将基于PSRT和ICNN融合的电力系统STLF方法用于实际运行系统在理论上取得了有效的进展.

关键词：短期负荷预测、混沌神经网络、相空间重构理论、最近邻点、遗传算法、神经网络

所属期刊栏目：24

分类号：TM715(输配电工程、电力网及电力系统)

在线出版日期：2004-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：44-48