一种电力负荷的混沌相空间神经网络模型安全监测方法

摘要

本发明涉及一种电力负荷的混沌相空间神经网络模型安全监测方法，以电力日负荷为研究对象，基于混沌理论，重构相空间，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。其技术方案如下：A.采集电力系统日负荷数据构成时间序列；B.求取序列的自相关函数；C.计算日负荷序列的饱和关联维数，证明序列的混沌特性；D.建立电力负荷的多维相空间，构成学样本和教师值；E.确定神经网络结构；F.数据的归一化处理；G.网络的学；H.输出预测值；I.神经网络输出值还原成实际负荷值。本发明说明电力负荷具有混沌特性，模型的预测精度较高，能有效监测电力日负荷变化规律从而保障电力系统的安全经济运行。

主权项

1.一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。