基于Elman神经网络的短期负荷预测研究

摘要：

本文根据电力负荷序列的混沌特性,提出以相空间重构理论和Elman神经网络结合的电力系统短期负荷预测方法,以相空间重构理论确定Elman-NN的输入维数,采用具有动态递归性能的Elman神经网络,可增强负荷预测模型对混沌动力学的联想和泛化推理能力,保证负荷混沌动态行为的预测精度.经预测仿真测试,证实其比传统静态前馈NN预测模型能有效地提高预测精度.因此,所研究的预测模型和方法在实际预测领域会有高的实用价值的.

关键词： 短期负荷预测 混沌序列 Elman神经网络 相空间重构理论 静态神经网络 电力系统

作者: 张智晟 孙雅明

作者单位: 天津大学电气自动化与能源工程学院(天津)

会议类型: 国内会议

会议名称: 2003年全国高等学校电力系统及其自动化专业第十九届学术年会

会议地点: 成都

会议语种:中文

页码: 1539-1543

在线出版日期: 2003-10-01（万方平台首次上网日期，不代表论文的发表时间）