为提高电力短期负荷预测精度和充分利用混沌短期预测优势,拓展单变量时间序列相空间重构到多变量时间序列中,相空间重构了由历史负荷及其相关因素序列所构成的多变量时间序列,计算了多变量时间序列的嵌入维数和延迟时间并用RBF神经网络预测负荷.研究表明多变量重构相空间技术的预测效果优于单变量重构.

关键词: 短期负荷预测, 混沌, 多变量时间序列, 径向基函数神经网络, | 全部关键词