计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2003年
23期
217-220
,共4页
杨延西%刘丁%李琦%郑岗
楊延西%劉丁%李琦%鄭崗
양연서%류정%리기%정강
短期负荷预测%BP%多分辨率分析%混沌学习算法
短期負荷預測%BP%多分辨率分析%混沌學習算法
단기부하예측%BP%다분변솔분석%혼돈학습산법
该文提出了采用小波和神经网络混合模型进行电力系统短期负荷预测方法.首先基于小波多分辨率分析方法将负荷序列分解成具有不同频率特征的序列.然后,根据分解后的各个分量的特点构造不同的神经网络模型对各分量分别进行预测.神经网络算法采用混沌学习算法,与传统BP算法相比,该算法利用混沌轨道的游动性使系统能够跳出局域极值的束缚而寻求全局最优点,这样克服了BP学习算法所存在的本质问题,可以加快网络学习速度和提高学习精度.最后对各分量预测信号进行重构得到最终预测结果.在构建网络模型时,该文考虑了气候因素的影响,并把它作为网络的一组输入点.实验结果表明基于这一方法的负荷预测系统具有较好的精度及稳定性.
該文提齣瞭採用小波和神經網絡混閤模型進行電力繫統短期負荷預測方法.首先基于小波多分辨率分析方法將負荷序列分解成具有不同頻率特徵的序列.然後,根據分解後的各箇分量的特點構造不同的神經網絡模型對各分量分彆進行預測.神經網絡算法採用混沌學習算法,與傳統BP算法相比,該算法利用混沌軌道的遊動性使繫統能夠跳齣跼域極值的束縳而尋求全跼最優點,這樣剋服瞭BP學習算法所存在的本質問題,可以加快網絡學習速度和提高學習精度.最後對各分量預測信號進行重構得到最終預測結果.在構建網絡模型時,該文攷慮瞭氣候因素的影響,併把它作為網絡的一組輸入點.實驗結果錶明基于這一方法的負荷預測繫統具有較好的精度及穩定性.
해문제출료채용소파화신경망락혼합모형진행전력계통단기부하예측방법.수선기우소파다분변솔분석방법장부하서렬분해성구유불동빈솔특정적서렬.연후,근거분해후적각개분량적특점구조불동적신경망락모형대각분량분별진행예측.신경망락산법채용혼돈학습산법,여전통BP산법상비,해산법이용혼돈궤도적유동성사계통능구도출국역겁치적속박이심구전국최우점,저양극복료BP학습산법소존재적본질문제,가이가쾌망락학습속도화제고학습정도.최후대각분량예측신호진행중구득도최종예측결과.재구건망락모형시,해문고필료기후인소적영향,병파타작위망락적일조수입점.실험결과표명기우저일방법적부하예측계통구유교호적정도급은정성.