摘要：对具有混沌特性的电网售电量时间序列重构相空间，计算相空间的饱和嵌入维数和最大Lyapunov指数，并利用计算得到的饱和嵌入维数指导建立T-S模糊神经网络预测模型。采用递阶遗传算法对T-S模糊神经网络的结构和权值进行训练，可确定最适合的预测模型结构，提高神经网络的收敛速度，使其具有良好的泛化能力。在此基础上，对秦皇岛电力公司售电量数据进行预测，结果表明，该方法可精确地再现售电量时间序列的混沌动力学行为，在可预报尺度范围内，能对售电量作高精度的预测，且具有很强的适应能力。

关键词：混沌 模糊神经网络 相空间 最大lyapunov指数 售电量 

单位：燕山大学电气工程学院; 河北秦皇岛066004