基于混沌理论和模型识别神经网络样本预处理技术的负荷组合预测模型研究.pdf

维普资讯 第35卷 第5期 凳皋电力 Vo1．35 No．5 EastChiIlltElectricPower 2007年5月 May 2007 基于混沌理论和模型识别神经网络样本预处理 ’ 技术的负荷组合预测模型研究 张亚军 ，刘志刚，张大波 。苏玉香 (西南交通大学 电气化 自动化研究所，四川 成都 610031) 摘 要：针对神经网络在输入变量选择问题上存在的缺陷，提出不考虑影响负荷的所有因素，仅用混沌理论处 理后的负荷样本作为神经网络的输入。但是这种不考虑影响因素的方法不能明显提高预测精度，因此引人一 种只考虑影响因素的样本处理方法，并将这两种方法的预测结果进行组合预测。仿真结果表明将这两种方法 组合是可行的和有效的。 关键词：混沌时间序列；模式识别 ；神经网络；组合预测 基金项 目：教育部霍英东青年教师基金项 目(101060)；四川省杰出青年基金 (07JQ0075)资助项 目 作者简介：张亚军 (1982．)，男 ，硕士研究生，研究方向为电力系统负荷预测算法。 中图分类号：TP183 文献标识码：A 文章编号：1001—9529(2007)05-0016-04 Load forecastingmodelscombiningsamplepretreatmenttechniquesbasedon chaostheory andpatternrecognition ZHANGYa-jun，LIUZhi-gang，ZHANGDa-bo，SUYu-xiang (InstitueofElectrification＆Automation，SouthwestJiaotongUniv．，Chengdu610031，China) Abstract：Tosolvethedefectsofinputvariableselectionfornueralnetworks，anewmethodisproposedwhichonlyu- sestheloadsampletreatedbasedonchaoshteoryastheinputoftheneuralnetwork．Themethoddosenotconsider factorsinfluencingtheloadandcannotimprovetheforecastprecision．Therefore，asampletreatmentmehtodwhich onlyconsiderstheinfluencingfactorsisintroduced．Thepredictionresultsofhtetwomehtodsarecombined．Simula‘ tionshowshtatcombinationofthetwomehtodsisfeasibleandeffective． Keywords：chaotictimeseries；patternrecognition；neuralnetwork；combinedforecasting 化，但是预测地区地理范围比较大的时候，预测区 1 概述 域内各地的温度不一样，即使是同一地区不同时 准确的负荷预测有助于合理安排机组开停计 刻温度也不一样，选择何处何时的温度成为预测 划，有利于保持电网的安全稳定性，有利于提高经 的一个难点。 济效益和社会效益 ¨。 (2)各种