【技术实现步骤摘要】
本专利技术涉及,即以电力日负荷为研究对象,基于混沌理论,重构电力负荷相空间,并结合神经网络的模型和算法,研究如何提取电力负荷的动力学信息特征,探讨负荷相空间中的非线性预测方案,然后应用到实际预测和安全监测中的物理建模分析方法,属于电力领域。
技术介绍
电力负荷数据作为水资源开发、优化配置、水库调度的重要依据。电力负荷预测对电力系统的安全经济运行起着十分重要的作用。电力系统的日负荷安全预测是电网为安排购电计划和输电方案的制定服务。实践中取得的电力负荷时间序列呈现出复杂性、不确定性、非线性的特点。而神经网络可以映射任意复杂的非线性关系,通过学习把样本隐含的特征和规律分布于神经网络的连接权上。基于混沌理论,重构电力负荷相空间,耦合神经网络 模型,研究如何提取电力负荷的动力学信息特征,探讨负荷相空间中的非线性预测方案,再应用到实际预测和安全监测中是非常有意义的。
技术实现思路
本专利技术提出的,其技术方案如下。I、采集电力系统日负荷数据构成日负荷时间序列。2、求取四川省电力日负荷的自相关函数。3、计算日负荷序列的饱和关联维数,从而证明序列的混沌特性。4、建立电力负荷混沌时间序列的多维相空间,构成学习样本和教师值。用自相关函数法确定最佳延迟时间r,用饱和关联维数法确定最佳嵌入维数&重构系统的相空间权利要求1.,其所述方法特征是依序包括如下步骤或特征 A.采集电力系统日负荷数据构成日负荷时间序列; B.求取四川省电力日负荷的自相关函数; C.计算日负荷序列的饱和关联维数,从而证明序列的混沌特性; D.建立电力负荷混沌时间序列的多维相空间,构成学习样本和教 ...
【技术保护点】
一种电力负荷的混沌相空间神经网络模型安全监测方法,其所述方法特征是:依序包括如下步骤或特征:A.?采集电力系统日负荷数据构成日负荷时间序列;B.?求取四川省电力日负荷的自相关函数;C.?计算日负荷序列的饱和关联维数,从而证明序列的混沌特性;D.?建立电力负荷混沌时间序列的多维相空间,构成学习样本和教师值;?E.?确定神经网络结构;F.?数据的归一化处理;?G.?网络的学习;?H.?预测模型;I.?用变换????????????????????????????????????????????????对神经网络输出[0,1]区间的值还原成实际负荷值。2012103607943100001dest_path_image001.jpg
【技术特征摘要】
【专利技术属性】
技术研发人员:李眉眉,第宝锋,黄正文,柯玲,丁晶,
申请(专利权)人:四川大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。