专利名称：一种电力负荷的混沌相空间神经网络模型安全监测方法
技术领域：
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，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。
背景技术：
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。
发明内容
本发明提出的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
1.一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； 1.用变换
2.权利要求I所述一种电力负荷的混沌相空间神经网络模型安全监测方法，其特征是所述D步骤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时，用自相关函数法确定最佳延迟时间τ，用饱和关联维数法确定最佳嵌入维数《，重构系统的相空间
3.权利要求I所述一种电力负荷的混沌相空间神经网络模型安全监测方法，其特征是所述E步骤确定神经网络结构时，由网络的输入层维数为《，即混沌相空间的嵌入维数，输出维数为一维(即预测的输出)，隐层单元维数由试错法在网络训练学习中来确定。
4.权利要求I所述一种电力负荷的混沌相空间神经网络模型安全监测方法，其特征是所述F步骤数据的归一化处理时，对所有的样本值、教师值和输出值用统一的归一化方法，用变换
5.权利要求I所述一种电力负荷的混沌相空间神经网络模型安全监测方法，其特征是所述G步骤网络的学习时，依序包括以下特征 混沌相空间中的任意两个相点
6.权利要求I所述一种电力负荷的混沌相空间神经网络模型安全监测方法，其特征是所述H步骤预测模型时将混沌相空间的起报相点输入到神经网络，网络的输出即为预测值。
全文摘要
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.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。
文档编号G06Q50/06GK102915511SQ20121036079
公开日2013年2月6日 申请日期2012年9月21日 优先权日2012年9月21日
发明者李眉眉, 第宝锋, 黄正文, 柯玲, 丁晶 申请人:四川大学