[发明专利]一种电力负荷的混沌相空间神经网络模型安全监测方法

权利要求书

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。

2.权利要求1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m，重构系统的相空间：

其中N=n-(m-1)*τ为向量序列的长度。

3. 权利要求1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m，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1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

                                    

 将负荷换算为[0，1]区间的值。

5.权利要求1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和（其中T为预见期），它们在相空间中的非线性演化函数关系，由人工神经网络来拟合;

 虽然预测输出点为m维矢量，但实际上前（m-1）维是已知量，为简单起见取网络的输出为的第m个分量;

 对任意一个非线性单元的神经元j，其输入输出关系有：

             （1）

D. 式中，x为神经元的输入，ω为连接权重，θ为阈值，y为该神经元的输出；

 E.  f为激励函数，常用的是Sigmoid函数，即:

                       （2）

 

 F. 神经网络的连接权重和阈值的学习按误差反向传播算法（BP算法），这是一种有教师的学习算法;

 G. 学习过程包括正、反两个过程，首先按式（1）正向计算网络各层输出，再计算输出和教师值之间的误差，利用误差反向修改连接权和阈值，重复以上两个过程直到输出和样本教师值的误差小到某一设定值ε;

 H. 假设输入学习样本为k个，，输出的预测值为，对应的教师值为，目标函数为：

                                   （3）

 I. 连接权和阈值的修正采用梯度下降法，为了防止震荡和加速收敛，采用附加动量项的算法：

                        （4）

     式中，分别输入层、隐层和输出层的连接权重或阈值，为迭代次数，η为训练速率, 为修改值，为动量因子。

6.权利要求1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。