基于混沌时间序列的变电站设备温度预测

变电站输变线路和设备的温度变化能够反映其老化、负载过高等引起的安全隐患。通过对变电站设备温度数据的非线性分析和预测,实现对设备的有效预警,将避免事故引起的巨大损失。对变电站已测温度数据建立时间序列,利用小数据量法验证变电站设备温度时间序列的混沌特性。研究基于RBF神经网络的混沌时间序列预测并与神经网络预测进行对比,单步预测与多步预测结果均优于神经网络预测。仿真结论证明了基于神经网络的混沌时间序列预测方法的有效性。