基于混沌和小波神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測方法研究.pdf

1、短期電力負(fù)荷預(yù)測是電力部門有效制定電力調(diào)配計(jì)劃、合理安排發(fā)電機(jī)組的啟停和檢修以及有效保障電力系統(tǒng)穩(wěn)定運(yùn)行的前提和基礎(chǔ)，因此進(jìn)行短期電力負(fù)荷研究是具有重要意義的。
　　本文首先在混沌理論和相空間重構(gòu)理論的基礎(chǔ)上，對(duì)實(shí)際的電力負(fù)荷時(shí)間序列進(jìn)行了相空間重構(gòu)，通過C-C法計(jì)算了相空間重構(gòu)所需的時(shí)間延遲τ和嵌入維數(shù)m。在相空間重構(gòu)的基礎(chǔ)上，利用小數(shù)據(jù)量法計(jì)算電力負(fù)荷時(shí)間序列的李雅普諾夫指數(shù)來對(duì)其混沌特性進(jìn)行判別。通過實(shí)例仿真，驗(yàn)證了電力負(fù)荷

2、時(shí)間序列存在混沌特性并分析了電力負(fù)荷時(shí)間序列的短期可預(yù)測性。
　　然后將電力負(fù)荷時(shí)間序列相空間重構(gòu)和小波神經(jīng)網(wǎng)絡(luò)(Wavelet Neural Network，WNN)相結(jié)合，建立起基于相空間的WNN短期電力負(fù)荷預(yù)測模型，并對(duì)小波神經(jīng)網(wǎng)絡(luò)進(jìn)行了應(yīng)用設(shè)計(jì)。為對(duì)比分析，本文同時(shí)建立了基于相空間的BP神經(jīng)網(wǎng)絡(luò)(BPNN)短期電力負(fù)荷預(yù)測模型。通過實(shí)例仿真和對(duì)比分析，驗(yàn)證了基于相空間的WNN模型能取得比基于相空間的BPNN模型更優(yōu)的預(yù)測性

3、能。
　　最后在分析基本粒子群算法(Particle Swarm Optimization，PSO)不足的基礎(chǔ)上，將三種對(duì)基本粒子群算法的改進(jìn)策略進(jìn)行綜合，得到綜合的粒子群優(yōu)化算法(ComprehensiveParticle Swarm Optimization，CPSO)并通過性能測試函數(shù)進(jìn)行性能測試仿真，驗(yàn)證了將三種改進(jìn)策略進(jìn)行綜合的有效性。在分析傳統(tǒng)小波神經(jīng)網(wǎng)絡(luò)基于梯度下降學(xué)習(xí)算法不足后，將基本粒子群優(yōu)化算法(PSO)和綜合