优化相空间近邻点与递归神经网络融合的短期负荷预测.pdfVIP

第23 卷 第8 期 中 国 电 机 工 程 学 报 Vol.23 No.8 Aug. 2003 2003 年8 月 Proceedings of the CSEE ©2003 Chin.Soc.for Elec.Eng. 文章编号 0258-8013 (2003) 08-0044-06 中图分类号 TM715 文献标识码 A 学科分类号 4704054 优化相空间近邻点与递归神经网络 融合的短期负荷预测 1 1 2 3 张智晟 , 孙雅明 , 王兆峰 , 李 芳 1. 天津大学电气与自动化工程学院 天津300072 2. 天津城东供电局, 天津 300250 3. 天津电力局, 天津 300010 A NEW STLF APPROACH BASED ON THE FUSION OF OPTIMAL NEIGHBOR POINTS IN PHASE SPACE AND THE RECURSIVE NEURAL NETWORK 1 1 2 3 ZHANG Zhi-sheng , SUN Ya-ming , WANG Zhao-feng , LI Fang (1.Tianjin University, Tianjin 300072, China 2. Tianjin Power Supply Bureau on the East of the City , Tianjin 300250, China 3. Tianjin Electric Power Bureau, Tianjin 300010, China) ABSTRACT: Based on the time evolution principle of the 络 Time Delay Neural Network, TDNN 模型融合的STLF topological neighbors in the PSR, a Short-Term Load 法 具有动态性能的TDNN 是按优化近邻相点的演化轨 Forecasting (STLF) approach on selecting the optimal neighbor 迹构造 是属于对预测点跟踪的智能辩识动态行为模型 points (ONP) is presented in this paper. It can eliminate some 它能增强模型对系统动力学的联想性和泛化能力 使预测 false neighbor points through identifying exponential 精度提高一倍以上 该文经两类不同负荷系统周 日预测 separating rate of time evolutional trajectory, and can improve 仿真测试 证实所研究的预测模型能有效 稳定地提高预 the precision of STLF. Further the STLF approach is proposed 测精度 且有高的适应能力 为基于相空间理论预测法用 based on the fusion of ONP and TDNN (time-delay neural 于实际取得有效的进展 network) model with recursiveness. The TDNN model with the 关键词 电力系统 短期负荷预测 混沌