电力系统短期负荷的混沌时间序列预测  

Short-term load forecasting based on chaotic time series

作　　者：钟瑜[1] 张春涛[1] 黄孝超 郭永慧[1] 

机构地区：[1]重庆三峡学院数学与统计学院,重庆万州404100 [2]重庆市电力公司万州供电局,重庆万州404100

出　　处：《重庆三峡学院学报》2011年第3期15-19,共5页Journal of Chongqing Three Gorges University

基　　金：重庆三峡学院第六届"挑战杯"大学生课外学术科技作品竞赛项目(编号21)成果

摘　　要：电力系统短期负荷预测在电力系统的调度和管理中起着重要的作用,已有研究证明了电力短期负荷是一非线性动力系统,负荷时间序列是混沌时间序列.文章讨论混沌时间序列的相空间重构技术,并以实际电网为例重构了该电力系统的相空间,最后采用Elman递归神经网络对负荷时间序列进行仿真预测,预测结果表明采用该方法能取得较好的预测效果.Short-term load forecasting is very important for dispatching and Management of power systems.It＇s proved that short-term load is an nonlinear dynamic system,so power load time series is a kind of chaotic time series.Firstly,this article studies chaotic time series＇ phase space reconstruction technology,and reconstructs phase space of a practical power system＇s short-term load.In the end,the practical power system＇s numerical simulation reveals that the method of using Elman network can obtain better performance.

关 键 词：混沌时间序列 负荷时间序列 相空间重构 Elman神经网络预测 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]