基于混沌理论和Legendre正交基神经网络的短期负荷预测.pdfVIP

学兔兔 第52卷 第l3期 电测与仪表 V01．52No．13 2015年 7月 10 日 ElectricalM easurement＆ InstrumentatiOn Jll1．10．2015 基于混沌理论和 Legendre正交基神经 网络的 短期负荷预测 术 杨胡萍 ，左士伟 ，涂雨曦 ，王承飞2 (1．南昌大学 信息工程学院，南昌330031；2．国网赣西供电分公司，江西 新余338025) 摘要：考虑到短期负荷所具有的混沌特性和神经网络的非线性映射能力，提出了一种基于混沌理论的Legendre 神经网络预测方法。该方法运用混沌理论对短期负荷数据进行向空间重构，并以欧式距离选取最佳训练样本， 而后采用以Legendre正交多项式为隐含层神经元激励函数的三层神经网络进行训练，并运用训练好的网络进 行预测。训练网络时，为了确定网络的最佳拓扑结构，文 中引入 了衍生算法来确定隐含层神经元的最佳个数 。 实例分析表明了该方法的可行性 ，且能得到较高的预测精度和 良好的预钡0效果。 关键词：混沌理论；Legendre；神经网络；衍生算法；短期负荷预测 中图分类号：T’M715 文献标识码 ：A 文章编号：1001—1390(2015)13—0063一o4 Short-term loadforecastingbasedon chaostheoryandlegendre orthogonalbasisneuralnetwork YangHuping ，ZuoShiwei，TuYuxi，WangChengfei (J．SchoolofInformationEngineering，NanchangUniversity，Nanchang330031，China． 2．StateGridGanxiPowerSupplyCompany，Xinyu338025，Jiangxi，China) Abstract：Considbringtheshort—term loadScharacteristicsofchaosandtheneuralnetworkSnonlinearmappingabili- ty，thispaperputsforwardakindofpredictionmethodwhichisbasedonchaostheoryandLegendreneuralnetwork． ThemethodselectsbesttrainingsamplesbasedonEuclideandistanceafterusingchaostheory toreconstructspacefor short—term loaddata，andthentrainsthenetworkusingthreelayerneuralnetworkswhoseexcitationfunctionofhidden layerisLegendreorthogonalpolynomials，atlastitusesthetrainednetworktoforecast．Inordertodeterminethenet— work Sbesttopologicalsturcturewhenthenetworkistraining，thispaperintroducesderivativealgorithm todetemr ine