电网技术

2006, (S2) 678-681

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

混合混沌理论和关联度的神经网络短期电力预报模型的研究
Short-term Load Forecasting Model Based on Chaotic Theory,Correlation And Neural Networks

李如琦;孙艳;孙志媛;

摘要(Abstract):

提出一种将混沌理论、关联度和神经网络相结合的短期负荷预测模型,首先利用混沌理论重构负荷时间序列的相空间吸引子,然后用BP神经网络来拟合空间吸引子的演化,由于使用空间欧氏距离和关联度联合来选取神经网络的训练样本,这样就提高了神经网络对负荷序列混沌特性的联想和泛化推理能力,能够更好的拟合吸引子的演化。实例预测结果表明,本文所提出的预报是有效的、可行的。

关键词(KeyWords): 混沌理论;短期负荷预测;神经网络;欧氏距离;关联度;嵌入维数

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 李如琦;孙艳;孙志媛;

Email:

DOI: 10.13335/j.1000-3673.pst.2006.s2.153

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享