基于混沌理论和模型识别神经网络样本预处理技术的负荷组合预测模型研究

《基于混沌理论和模型识别神经网络样本预处理技术的负荷组合预测模型研究》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期凳皋电力Vo1．35No．52007年5月EastChiIlltElectricPowerMay2007基于混沌理论和模型识别神经网络样本预处理’技术的负荷组合预测模型研究张亚军，刘志刚，张大波。苏玉香(西南交通大学电气化自动化研究所，四川成都610031)摘要：针对神经网络在输入变量选择问题上存在的缺陷，提出不考虑影响负荷的所有因素，仅用混沌理论处理后的负荷样本作为神经网络的输入。但是这种不考虑影响因素的方法不能明显提高预测精度，因此引人一种只考虑影响因素的样本处理方法，并将这两种方法的预测结果进行组合预测。

2、仿真结果表明将这两种方法组合是可行的和有效的。关键词：混沌时间序列；模式识别；神经网络；组合预测基金项目：教育部霍英东青年教师基金项目(101060)；四川省杰出青年基金(07JQ0075)资助项目作者简介：张亚军(1982．)，男，硕士研究生，研究方向为电力系统负荷预测算法。中图分类号：TP183文献标识码：A文章编号：1001—9529(2007)05-0016-04LoadforecastingmodelscombiningsamplepretreatmenttechniquesbasedonchaostheoryandpatternrecognitionZHANG

3、Ya-jun，LIUZhi-gang，ZHANGDa-bo，SUYu-xiang(InstitueofElectrification＆Automation，SouthwestJiaotongUniv．，Chengdu610031，China)Abstract：Tosolvethedefectsofinputvariableselectionfornueralnetworks，anewmethodisproposedwhichonlyu-sestheloadsampletreatedbasedonchaostheoryastheinputoftheneuralnetwork

4、．Themethoddosenotconsiderfactorsinfluencingtheloadandcannotimprovetheforecastprecision．Therefore，asampletreatmentmethodwhichonlyconsiderstheinfluencingfactorsisintroduced．Thepredictionresultsofthetwomethodsarecombined．Simula‘tionshowsthatcombinationofthetwomethodsisfeasibleandeffective．Ke

5、ywords：chaotictimeseries；patternrecognition；neuralnetwork；combinedforecasting化，但是预测地区地理范围比较大的时候，预测区1概述域内各地的温度不一样，即使是同一地区不同时准确的负荷预测有助于合理安排机组开停计刻温度也不一样，选择何处何时的温度成为预测划，有利于保持电网的安全稳定性，有利于提高经的一个难点。济效益和社会效益¨。(2)各种因素对负荷的影响程度不一样，一短期负荷预测方面，由于神经网络剖具有并起作为神经网络的输入不合理。行分布信息、自学习及任意逼近连续函数的能力，(3)影响负荷的因素比较多

6、，如果将各种影尤其能实现非线性映射，因而能捕获电力负荷的响因素都包含在输入变量中，可能造成输入变量各种变化趋势，受到研究人员的青睐，成为近10过多，加重了神经网络的训练负担，增加了陷入局年来研究和使用最多的一种方法。部最小点的可能性。在应用神经网络进行预测时，关键是输入变(4)购买详细的预测天气情况会加大预测成量的选择，它直接关系到预测结果的好坏。一般本。因此对于短期负荷预测而言，如果不考虑影的做法是将负荷值以及影响负荷的主要因素作为响负荷的各种因素，仅将历史负荷数据作为神经神经网络的输入变量。但是这种做法有一定的缺网络的输入，对于预测而言具有重要理论意义和陷：现实意义。

7、(1)对负荷影响最大的输入应该是温度的变不考虑影响负荷的因素，历史负荷数据就是维普资讯http://www.cqvip.com张亚军。等基于混沌理论和模型识别神经网络样本预处理技术的负荷组合预测模型研究17(总394)一时间序列，可以形成具有时序关系的样本集，用t=mr+1，m(r+1)+1，⋯，rt(2)来训练神经网络。但是不能确定选择几个历史负因此可以将用混沌理论处理后的样本作为神荷作为神经网络的输人是最合理的，考虑到混沌经网络的训练样本。另外，m和r对于预测结果理论的相空间重构技术j，本文用混沌理论进行影响较大，文献[8