-
题名优化相空间近邻点与递归神经网络融合的短期负荷预测
被引量:24
- 1
-
-
作者
张智晟
孙雅明
王兆峰
李芳
-
机构
天津大学电气与自动化工程学院
天津城东供电局
天津电力局
-
出处
《中国电机工程学报》
EI
CSCD
北大核心
2003年第8期44-49,共6页
-
文摘
根据在相空间重构拓扑近邻点的时间演化原理,提出了优化近邻点(optimal neighbor points, ONP)的短期负荷预测(Short-term load forecasting, STLF)法,它可克服伪近邻点在高嵌入维对局域动力学估计的不利影响,以提高预测精度。在此基础上,又提出ONP与递归性时延神经网络(Time Delay Neural Network, TDNN)模型融合的STLF法, 具有动态性能的TDNN是按优化近邻相点的演化轨迹构造,是属于对预测点跟踪的智能辩识动态行为模型。它能增强模型对系统动力学的联想性和泛化能力,使预测精度提高一倍以上。该文经两类不同负荷系统周、日预测仿真测试,证实所研究的预测模型能有效、稳定地提高预测精度,且有高的适应能力,为基于相空间理论预测法用于实际取得有效的进展。
-
关键词
电力系统
电网
短期负荷预测
优化
相空间近邻点
递归神经网络
-
Keywords
Power system
Short-term load forecasting (STLF)
Chaotic time series
Phase space reconstruction
Optimal neighbor points
Recursive time-delay neural network (TDNN)
Local dominant Lyapunov exponent
-
分类号
TM715
[电气工程—电力系统及自动化]
TP183
[自动化与计算机技术—控制理论与控制工程]
-