电力推进船舶电力负荷的多变量混沌局部预测

被引：9

作者：

赵敏 ^{[1
]}

樊印海 ^{[1
]}

孙辉 ^{[2
]}

机构：

[1] 大连海事大学自动化与电气工程学院

[2] 大连理工大学

来源：

系统仿真学报 | 2008年 / 11期

关键词：

电力推进船舶; 电力负荷; 多变量时间序列; 正则化; 混沌局部预测;

D O I：

10.16182/j.cnki.joss.2008.11.001

中图分类号：

U664.14 [电力推动装置];

学科分类号：

摘要：

为提高电力推进船舶电力负荷预测精度,提出电力推进船舶电力负荷的多变量混沌局部预测。将相空间重构由单变量时间序列拓展到多变量时间序列,并依据电力推进船舶电力负荷及其相关因素构成的多变量时间序列进行相空间重构。针对每一分量时间序列采用互信息法进行最佳时间延迟的选择,最优嵌入维数则采用虚假邻点法进行确定。根据多变量混沌时序局部预测,提出基于正则化的电力推进船舶电力负荷多变量混沌局部预测。通过对实际船舶电力负荷的计算实例表明,基于多变量时间序列的预测方法比单变量预测具有较好的预测效果。

引用

页码：2797 / 2799+2805 +2805

页数：4

共 5 条

[1] 多变量时间序列最大李雅普诺夫指数的计算
卢山
王海燕
[J]. 物理学报, 2006, (02) : 572 - 576
[2] Neighbourhood selection for local modelling and prediction of hydrological time series[J] . A.W. Jayawardena,W.K. Li,P. Xu.Journal of Hydrology . 2002 (1)
[3] Multivariate nonlinear prediction of river flows[J] . A. Porporato,L. Ridolfi.Journal of Hydrology . 2001 (1)
[4] Non-linear noise reduction and detecting chaos: some evidence from the S＆P Composite Price Index[J] . Robert G. Harrison,Dejin Yu,Les Oxley,Weiping Lu,Donald George.Mathematics and Computers in Simulation . 1999 (4)
[5] The Short Term Load Forecasting of Power System Based on Adaptive Neural Network. Liang Z S. Journal of Northeast China Institute of Electric Power Engineer . 1994

← 1 →