基于Elman神经网络的短期负荷预测的研究.pdfVIP

全国高校电力系统及其自动化专业第十九届学术年会论文集 I 基于Eman神经网络的短期负荷预测研究 张智晟 孙雅明 (天津大学电气自动化与能源工程学院，天津300072) 摘要：本文根据电力负荷序列的混沌特性，提出以相空间重构理论和Elman神经网络结合的电力系统短期负荷预测方 法，以相空间重构理论确定Elman．NN的输入维数，采用具有动态递归性能的Elman神经网络，可增强负荷预测模型埘 混沌动力学的联想和泛化推理能力，保证负荷混沌动态行为的预测精度。经预测仿真测试，证实其比传统静态前馈NN 预测模型能有效地提高预测精度。因此，所研究的预测模型和方法在实际预测领域会有高的实用价值的。 关键词：短期负荷预测：混沌序列；Elman神经网络；相空间重构理论；静态神经网络： 0引言 Load 电力系统短期负荷预测(Short-Term 运行性能。特别是电力市场竞争机制的引入，要求各电力公司制订合理经济模型及具有竞争力的实时电 价，就必须依赖于准确和快速的负荷预测。 由STLF研究已知，电力系统