混合混沌理论和关联度的神经网络短期电力预报模型的研究
提出一种将混沌理论、关联度和神经网络相结合的短期负荷预测模型,首先利用混沌理论重构负荷时间序列的相空间吸引子,然后用BP神经网络来拟合空间吸引子的演化,由于使用空间欧氏距离和关联度联合来选取神经网络的训练样本,这样就提高了神经网络对负荷序列混沌特性的联想和泛化推理能力,能够更好的拟合吸引子的演化.实例预测结果表明,本文所提出的预报是有效的、可行的。
混沌理论 短期负荷预测 神经网络 空间欧氏距离 关联度 电力预报模型
李如琦 孙艳 孙志媛
广西大学电气工程学院,广西省,南宁市,530004
国内会议
厦门
中文
678-681
2006-10-15（万方平台首次上网日期，不代表论文的发表时间）