基于混沌理论的电力短期负荷预测

《基于混沌理论的电力短期负荷预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第35卷第5期鲁菜电力Vo1．35No．52007年5月EastChinaElectricPowerMay2007基于混沌理论的电力短期负荷预测姚永刚。张亚华(河南机电高等专科学校，河南新乡453002)摘要：采用基于混沌算法的自适应预测模型进行电力系统短期负荷预测，通过进化算法建立一种自适应机制，使得网络能够根据学习和训练的结果优化非线性反馈项。算例表明，该算法具有很强的自适应能力和鲁棒性，预测精度高。关键词：短期负荷预测；神经网络；混沌；Lyapunov指数基金项目：国家自然科学基金项目(50405030)作者简介：姚永刚(1

2、964．)，男，副教授，主要从事自动控制、检测技术等方面的教学与研究。中图分类号：TM715文献标识码：A文章编号：1001-9529(2007)05-0007-04Short-termloadforecastbasedonchaostheoryYAOYong-gang，ZHANGYa—hua(HenanMechanicalandElectricalEn~neefingCollege，Xinxiang453002，China)Abstract：Theself-adaptiveforecastmodelbasedonchaosalgorithmwasusedforshort—te

3、rmloadforecastofpowersystems．Aself-adaptabilitymechanismWasconstructedthroughevolutionalgorithm，andthenetworkCanconsequent—lyoptimizethenonlinearfeedbacktermaccordingtotheresultsoflearningandtraining．Calculationcaseshowsthatthealgorithmwhichhasstrongself-adaptabilityandrobustnessisaccuratein

4、forcast．Keywords：short—termloadforecast；neuralnetwork；chaos；Lyapunovexponent目前。电力系统短期负荷预测方法有：时间序项，使得网络的动力学具有混沌机制，根据EP进列、神经网络、模糊预测、小波分析等⋯。这些方化算法建立一种自适应机制，使得网络能够根据法从多个角度综合分析负荷预测中的问题，并得学习和训练结果选择出适当的非线性反馈项。通到了相对令人满意的结果。然而，对于大型电力过预测华北某电网负荷时间序列数据，结果令人系统的短期负荷预测，这些方法具有一定的局限满意，且具有很强的自适应能力和鲁棒性。性，因为这些方

5、法的共同特点是：事先必须建立数1模型与方法据序列的主观模型，然后根据主观模型进行计算和预测。由于影响13负荷预测的因素非常复杂，1．1负荷时间序列重构相空间和Lyapunov指如天气情况、时期类型和政治因素等，建立合理的数’数学模型较难，所以预测的可信度降低。混沌吸引子作为混沌系统的特征之一，体现混沌科学的发展使得预测可以不必事先建立着混沌系统的规律性，意味着混沌系统最终会落主观数学模型，而是根据序列本身计算找出其规人某一特定的轨迹之中。Takensl4证明了可以找律，然后进行预测。这样可以避免主观因素的影到一个合适的嵌入维m(延迟坐标的维数)和动响，从而提高预测的精度和可信度

6、。神经网络输力系统的维数d，满足m2d+1。在该嵌入维空入节数往往根据研究问题的需要来确定，输入节间里，可以把有规律的转迹恢复出来，即在重构的点数的多少直接关系到网络的模拟和预测精尺空间中的轨线上原动力系统保持微分同胚。度l2]。而选取重构相空间中的饱和嵌入维数作设单变量的负荷时间序列为{(t)，i=1，2，为神经网络的输入节点数J，能够避免输入节点⋯，}，该序列的时间间隔为h，重构相空间的具数选取的任意性。同时，在前馈式神经网络连接体方法如下：首先计算出关联维d，再由m≥2d+权空间学习算法的动力学方程中引进非线性反馈1确定嵌人维m。根据时间序列的自相关函数下维普资讯http

7、://www.cqvip.com8(总385)妻氧电力降到初始值的1—1／e或由互信息量第1次达到的动力学方程中引进非线性自反馈项，使得网络极小值来确定时间延迟=yh。这样，{(t)，i=的动力学具有混沌机制，网络系统在学习和训练1，2，⋯，n}的相空间可以表示为过程中能够跳出能量的局部极小达到全局极小或i(t)=(t)，(t+)，⋯，[t+(m一1)]其近似，权的调整公式为：i=1，2，⋯，(1)"(t+1)="(t)+叼D(￡)一(t)+式中Xi(f)——相空间中的点；D(t)一D(t一