基于相空间重构和长短期记忆算法的电力系统无功负荷预测模型

• 作者: 王闯 赵冬梅 马泰屹
• 来源期刊: 现代电力
• 学科: 工学
• 关键词: 相空间重构 长短期记忆 无功负荷预测 混沌 深度学习
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 智能电网
• 页码范围: 470-477
• 页数: 8页
• 分类号: TM73
• 语种: 中文
• DOI: 10.19725/j.cnki.1007-2322.2020.0235

摘要

为了优化无功控制策略,改善电压质量,减小网损,针对无功负荷的随机性与非线性,提出一种基于相空间重构和长短期记忆神经网络的无功负荷预测模型.利用C-C法确定最优重构维数和延迟时间;通过计算最大Lyapunov指数说明无功负荷的混沌性;利用相空间重构技术将无功序列映射到高维空间,在高维空间利用长短期记忆神经网络进行预测;最后以海南省某地区的有功及无功负荷数据为例,通过Kolmogorov熵证实无功负荷的混沌程度大于有功负荷的混沌程度,算例验证了该方法的可行性,能提高无功负荷预测结果的准确度,有利于对电力系统无功进行更合理的调配和控制.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵冬梅		80	1583	21.0	38.0
2	马泰屹		1	0	0.0	0.0
3	王闯		1	0	0.0	0.0