优化相空间近邻点与递归神经网络融合的短期负荷预测

• 作者: 孙雅明 张智晟 李芳 王兆峰
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 电力系统 短期负荷预测 混沌时间序列 相空间重构 优化近邻点 递归性时延神经网络(TDNN) 局域Lyapunov指数
• 年，卷（期）: 2003,（8）
• 所属期刊栏目: 电力工程
• 页码范围: 44-49
• 页数: 6页
• 分类号: TM715
• 字数: 5170字
• 语种: 中文
• DOI: 10.3321/j.issn:0258-8013.2003.08.009

摘要

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 neighbo r 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.

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	天津大学电气与自动化工程学院	56	3112	30.0	55.0
2	张智晟	天津大学电气与自动化工程学院	11	375	8.0	11.0
3	王兆峰		2	78	2.0	2.0
4	李芳		2	66	2.0	2.0