基于混沌模糊神经网络方法的短期负荷预测.pdfVIP

第 35 卷 　第 1 期 湖 南 大 学 学 报 ( 自 然 科 学 版 ) Vol . 35 ,No . 1 ( ) 2 0 0 8 年 1 月 Journal of Hunan University Natural Sciences J an 2 0 0 8 文章编号 (2008) 0 1005804 基于混沌模糊神经网络方法的短期负荷预测 曾　鸣 ,刘宝华 ,徐志勇 ,袁 　德 (华北电力大学 工商管理学院 ,北京 　102206 ) 　　摘 　要 :针对模糊神经网络的B P 学习算法提出改进 , 引入全局性较强的混沌搜索算 法 ,提出一种基于混沌搜索学习算法的模糊神经网络模型. 将改进的模型应用于短期负荷预 测建模 ,应用我国南方某市电网的实际负荷数据进行实证研究. 仿真结果显示改进后的模糊 神经网络较改进前在同一样本预测中精确度提高了 2 . 5 % ,增加算法运行时间仅为 3 . 1 s , 说明本文提出的新的负荷预测建模方法具有更好的预测效果. 关键词 :短期负荷 ;混沌算法 ;模糊神经网络 ;预测模型 中图分类号 : TM7 15 　　　　　　　　　　　　　　　文献标识码 :A ShortTerm Load Forecasting Based on Artificial Neural Net work and Fuzzy Theory ZEN G Ming , L IU Baohua , XU Zhiyong , YUAN De (College of Business Administration ,Nort h China Electric Power Univ , Beijing 　102206 , China) 　　Abstract :The p romotion of t he flaw was p ropo sed by int roducing t he chaotic searching algorit hm into t he fuzzy neural networks as it s learning t actic . Then , t he imp roved model was implemented , based on a Sout h Chi na power gir d operational load dat a . Simulation result s showed t hat t he forecasting p recision of t he p ropo sed met hod was enhanced by 2 . 5 % , while t he time co st only increased by 3 . 1 seconds , indicating t hat t he imp roved algorit hm could gain better forecasting effect . Key words :shortterm load ; chaotic searching algorit hm ; fuzzy neural networks ; forecasting model 　　目前短期负荷预测主要有两种方法 : 时间序列 到了广泛的应用 ,尤其是在对于复杂 、非线性系统的 法[ 1 - 2 ] 和基于神经