基于混沌学习算法的神经网络短期负荷预测

• 作者: 丁军威 孙雅明
• 来源期刊: 电力系统自动化
• 学科: 工学
• 关键词: 神经网络 负荷预测 混沌学习算法 Lyapunov指数 相空间重构
• 年，卷（期）: 2000,（2）
• 所属期刊栏目: 专题研讨--人工智能在电力系统中的应用
• 页码范围: 32-35
• 页数: 4页
• 分类号: TM715|TP18
• 字数: 425字
• 语种: 中文
• DOI: 10.3321/j.issn:1000-1026.2000.02.006

摘要

基于混沌理论对电力负荷的复杂时间序列进行分析,得出该时间序列属于混沌序列的结论,就此提出了一种新的神经网络(NN)学习算法--混沌学习算法.该算法中的混沌轨道的游动性有利于系统跳出局域极值的束缚而寻求全局最优,这样克服了前馈NN 的BP学习算法所存在的本质问题,使NN训练的收敛性好、速度快、误差小.文中通过对实际系统负荷预测结果,与BP算法预测结果比较,证明了混沌学习算法的电力负荷短期预测具有明显好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙雅明	天津大学电气自动化与能源学院	56	3112	30.0	55.0
2	丁军威	天津大学电气自动化与能源学院	1	127	1.0	1.0