摘要:短期负荷序列数据表现出混沌特性,可以使用混沌时序局域方法进行预测。在混沌时序重构相空间中预则中心相点和趋势相点之间的映射关系不是单纯的线性关系,而常用的线性回归预测模型只能逼近线性映射。提出利用径向基函数神经网络(RBFNN)来建立预测模型,可以更加精确逼近预则中心相点和预测相点之间的映射关系,并用欧氏距离和关联系数联合方法选取近邻相点,选取的近邻相点与预测中心相点的关联性更好。利用西北电网的负荷数据所做的实验证明,本文提出的基于RBFNN的局域预测法比线性局域预测法获得了更为满意的预测精度。
关键词:短期负荷预测 混沌时序 径向基函数神经网络 局域模型
单位:第二炮兵工程学院101教研室; 陕西西安710025; 西安交通大学电子与信息工程学院; 陕西西安710049; 华东交通大学信息工程学院; 江西南昌330013
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社