基于混沌理论的电力负荷短期预报的神经网络方法

蒋传文[1] 李承军[2] 等

探讨了电力负荷的混沌特性，提出一种基于混沌理论的神经网络训练样本预处理技术，该技术与常规方法相比，其预测精度和收敛速度都有较大的提高。

基于混沌学习算法的神经网络短期负荷预测

丁军威 孙雅明

基于混沌理论对电力负荷的复杂时间序列进行分析，得出该时间序列属于混沌序列的结论，就此提出了一种新的神经网络（ＮＮ）学习算法－－混沌学习算法。该算法中的混沌轨道激动性有利于跳出局域极值的束缚则寻求全局最优，这样克服了前馈ＮＮ的ＢＰ学习算法所存在的本上敛性好、速度快、误着落上。文中通过对实际系统负荷预测结果，与ＢＰ算法预测结果比较，证明了混沌法的电力负荷短期预测具有明显好的效果。

基于RBF改进模型的电力系统短期负荷预测

郭金伟 周渝慧

提出了一种改进的径向基函数神经网络预测模型.模型中,应用改进K-均值聚类算法确定该神经网络的聚类中心,运用最小均值方差算法确定了神经网络的权值,同时考虑了温度、天气状况、日期类型对负荷的影响.经初步测试表明,该方法具有良好的预测精度.[著者文摘]

基于RBF神经网络和天气数据的负荷预测虚拟仪器设计

Design of virtual instrument for load forecasting based on RBF neural network and weather data

夏昌浩 向学军 胡翔勇

气温、气压等天气因素决定了人体舒适度。随着社会经济的快速发展，空调和取暖负载在总用电负荷中的比重日益增加，天气对负荷波动的影响越来越明显。提出了一种考虑风速、降水、气压、气温、湿度等天气数据的径向基（RBF）神经网络日负荷预测模型，用实际负荷数据和天气数据进行训练，将预测结果与BP网络模型得到的结果进行比较，表明了该模型的优越性，也介绍了基于该模型和LabVIEW、Matlab的负荷预测虚拟仪器的前面板和流程图设计过程。结果表明，提出的模型算法简单、精度高、稳定性好，用虚拟仪器进行电力负荷预测具有操作简单、直观、节省费用等优点。所介绍的方法可以用于其它类型负荷预测模型的虚拟实现。[著者文摘]

Human body amenity is decided by weather factors such as temperature, atmospheric pressure, etc. In the wake of developments in society and economy, the proportion of load for air conditioning and heating in total power consumption load has increased day by day and the influence of weather upon load fluctuation has become more evident. This paper presents a kind of forecasting model for a daily load by taking weather data such as wend speed, precipitation, atmospheric pressure, temperature and humidity etc. into account and using radial basis function （RBF） neural network. After training network using actual load and weather data, the forecasting results, compared with those of BP network, show the model has clear superiority. The front panel and flow diagram of a virtual instrument for load forecasting based on the model, LabVIEW and MATLAB are also introduced, The results indicate that the model presented is simple, accurate, and steady in algorithm, and the forecasting using virtual instrument is easy , visual and inexpensive in operation, The method stated can be used for reference to the virtual realization of other load forecasting models,[著者文摘]

基于混沌时间序列和神经网络的电力短期负荷预测

Short-term Load Forecasting Based on Chaotic Time Series and Neural Networks

李如琦 孙艳 孙志媛

提出一种将混沌时间序列和神经网络相结合的短期负荷预测方法，利用混沌理论重构相空间的吸引子，然后用BP神经网络来拟合空间吸引子的演化，同时利用空间欧氏距离来选取神经网络的输入样本，实例预测结果表明所提出方法的有效性和可行性．[著者文摘]

A method of short-term load forecasting based on chaotic time series and neural networks is presented in this paper. Firstly, attractors in phase spaces using chaotic theory is reconstructed. Secondly, the attractor＇ s evolvement using BP neural networks is made, and the neural network＇ s input data using Euclid distance is selected. The result analysis of the practical examples show that the proposed method is effective and feasible.[著者文摘]

相空间重构和混沌神经网络融合的短期负荷预测研究

孙雅明 张智晟

该文首次提出基于PSRT和ICNN融合的电力系统STLF模型，所构造的ICNN预测模型对负荷初值和混沌轨迹的游动性有很强的敏感性，可表征复杂的动力学行为和具有全局寻优的性能，以PSRT确定ICNN输入维数，训练样本集按预测相点步进动态相轨迹和最近邻点集原理形成的，可增强预测模型对混沌动力学的联想和泛化推理能力；文中用遗传算法作为ICNN的学习算法，对两类不同负荷系统日、周预测仿真测试，证实所研究的预测模型能有效、稳定的提高预测精度，且有较高的适应能力，为将基于PSRT和ICNN融合的电力系统STLF方法用于实际运行系统在理论上取得了有效的进展。

短期电力负荷的混沌预测及其神经网络的实现

乐晓波 匡迎春 唐贤瑛

短期电力负荷预测是工程技术人员安排电力调度的重要依据．研究了利用混沌理论与RBF神经网络相结合实现短期电力负荷预测的方法．并用该方法预测湖南某地区的月负荷，预测的数据准确率较好，为短期电力负荷预测提供了一条新的途径．

粗糙集信息熵与自适应神经网络模糊系统相结合的电力短期负荷预测模型及方法

程其云 孙才新 周涑 雷绍兰 张晓星

电力系统短期负荷预测不仅要考虑负荷本身的历史时间序列，而且与气象因素密切相关，自适应神经网络模糊系统(Adaptive Neuro-Fuzzy Inference System，ANFIS)模型是一种有效的预测方法，而系统输入变量的合理性选择是影响预测效果的关键所在。作者通过粗糙集理论中的信息熵概念对解决这一问题进行了尝试，选取与待预测量相关性大的参数作为输入。所构造ANFIS系统是基于数据进行建模并进行参数辨识的，这样有效地避免了模糊推理系统(Fuzzy Inference System，FIS)中人为主观因素对预测的负面影响，客观地反映了相关变量与负荷值之间的复杂关系。用该方法与常用BP神经网络及常用FIS分别对重庆市某区进行了一周的日负荷预测，通过对实例的对比分析表明了该方法具有较好的收敛性和预测精度。

一种简单易行的短期负荷预测系统

张昊 吴捷

文章研究一种简单易行的自适应模糊预测系统，系统的规则集经过历史数据样本的自适应学习获得，学习算法每天启动运行一次，文中首先阐述从数据信息中获得模糊规则的一般性方法，然后给具体，易懂的预测模型设计。