摘要:为了提高超短期负荷预测精度,提出了一种改进的基于学习的时变非线性组合预测算法,该算法在基预测器中增加了基于最大Lyapunov指数的混沌时间序列预测模型,其中最大Lyapunov指数为序列特征属性,在进行组合预测时将序列的特征属性和基预测器预测的结果形成元知识,作为元预测器的输入,从而发现并且纠正基预测器的系统偏差。在元预测器中,通过门控网络确定各基预测器的权重,保证了权重的时变性和非负性。预测结果表明,该算法的预测精度较高,具有实际应用价值。
关键词:组合预测 元学习 门控网络 最大李雅普诺夫指数 超短期负荷预测
单位:湖南大学电气与信息工程学院 长沙410082 湖南省电力公司调度通信局 长沙410007 湖南省电力公司娄底电业局 娄底417000
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社