基于混沌时间序列和BP神经网络的短期负荷预测.pdfVIP

高新技术 基于混沌时间序列和BP神经网络的短期负荷预测 王昌龙 董 鑫 王文亮 于天蛟 (1．东北电力大学。吉林 吉林 132012 ；2．吉林供电公司，吉林 吉林 132001) 【摘 要 】混沌时间序列法是至今发展最为成熟的电力短期负 图1吸引子关联维数 d随Jn值的变化曲线 荷预测方法之一 ，它可以预测时间序列的微小起伏波动和精细结构。 由上图可知：当嵌入维数 m=8时，吸引子维数d=3．419，并且此时 神经网络法是一种智能化的算法，处理非线性问题的能力非常强。 吸引子维数 d在一定误差范围内保持不变，所 以，选择此时的空间 两种方法都有各 自的优势，为了将两种算法的优势结合起来以提高 维数为重构相空间的最佳嵌入维数，即m=8。 电力负荷预测的精度，本文建立了混沌时间序列和 BP神经网络相 2BP神经网络的结构和算法 结合的预测模型，并利用此模型进行预测，得到了令人满意的预测 2．1BP神经网络的结构 效果。 任意复杂的映射问题都可以用 BP神经网络实现，BP网络是没 【关键字 】混沌时间序列；BP神经网络；负荷预测 有反馈的前向网络。前向网络是多层映射网络，每一层中的神经元 都是只接受来 自前一层神经元的信号，信号是单向传播的。所 以BP 引言 网络也被称作单向传播的多层前向网络。结构图如图2所示： 短期负荷预测工作是电力系统运行计划的一个重要组成部分， 是电力系统分析系统安全、安排生产计划、进行实时调度的重要参 考依据之一，其预测精度直接影响着 电力系统的经济效益。 滚 1电力负荷的混沌特性分析 1．1重构相空间 图2 BP网络结构 图 电力系统负荷数据是按照固定的时间间隔取样而得到的离散时 间序列。对于这样的时间序列，Pakark和T~ens等人提出了重构 BP网络除输入输出节点外，可以有一层或者多层隐含层节点， 同层节点间没有任何耦合 。输入信号从输入层节点，依次传过各隐 相空间的思想，该理论的基本思想：系统中全部分量的变化都是由 含层节点，然后传到输出节点，每一层节点的输 出只影响下一层节 与之相互作用着的其它分量的变化所决定的，所以全部分量的隐含 点的输 出 “。 信息就包含在与其相关联的其它分量里 。 假设负荷序列为： ，i=1，2．．N}，将该序列嵌入到m维相空间 中，会得到m维相空间下的相点如下： i ： ＼二 ／ ；x【o+r x0+2T)X(1+伽 一1)f 。 ／ (2+f) (2+2f) (2+ 一) 图3 神经元结构模型 式中， 为延迟时间， =N．fm．1)r表示由N个X点构成m维