基于PSRT与Elman神经网络的短期负荷多步预测

被引：2

作者：

李如琦 ^{[1
]}

孙艳 ^{[1
]}

孙志媛 ^{[2
]}

唐卓贞 ^{[1
]}

机构：

[1] 广西大学电气工程学院

[2] 广西电力试验研究院有限公司

来源：

电力系统及其自动化学报 | 2007年 / 06期

关键词：

相空间重构; 混沌时间序列; 短期负荷预测; Elman神经网络; 欧氏距离;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; TM715 [电力系统规划];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 080802 ;

摘要：

短期负荷预测(short-term load forcastings,STLF)对电力系统的经济和安全运行有着重要的作用。为提高短期负荷预测的精度,根据短期负荷的基本特性,提出了一种将相空间重构理论(phase space reconstruction space,PSRT)与Elman神经网络相结合的短期负荷多步预测模型。首先利用PSRT重构相空间的吸引子,然后用Elman神经网络来拟合相空间吸引子的多步演化,其中利用空间欧氏距离来选取Elman网络的输入样本。通过对广西电网短期负荷预测的分析表明,该多步预测方法是有效可行的。

引用

页码：84 / 87+113 +113

页数：5

共 15 条

[1] 混沌神经网络在小电网电力负荷中的应用 [J].