基于相空间重构理论和优化递归神经网络结合的短期负荷预测方法

• 作者: 何云鹏 孙雅明 张智晟
• 来源期刊: 中国电力
• 学科: 工学
• 关键词: 短期负荷预测 优化递归神经网络 相空间重构理论 最近邻点 双重遗传算法
• 年，卷（期）: 2004,（1）
• 所属期刊栏目: 电力系统
• 页码范围: 19-23
• 页数: 5页
• 分类号: TM715
• 字数: 5209字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-9649.2004.01.005

摘要

根据电力负荷序列的混沌特性,提出以相空间重构理论和优化递归神经网络结合的电力系统短期负荷预测方法,以相空间重构理论确定递归神经网络输入维数;训练样本集由对应预测相点的最近邻相点集构成,并按预测相点步进动态相轨迹生成;优化递归神经网络是以双重遗传算法来确定递归神经网络的隐层结构和权值,总体寻优性可抑制伪近邻点的影响,保证提高预测精度及其稳定性.对两类不同负荷系统日、周预测仿真测试,证实其比传统神经网络预测模型能有效地提高预测精度0.8%.因此,所研究的预测模型和方法在实际预测领域有较高的实用价值.

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工程学院	56	3112	30.0	55.0
2	张智晟	天津大学电气自动化与能源工程学院	11	375	8.0	11.0
3	何云鹏		1	17	1.0	1.0