文章展示了一种新的方法用于功率系统中短期负载预测。提出的方案使用混沌时间序列分析基于确定性混沌去捕捉复杂的负载行为特征。确定性的混沌允许我们重构一个时间序列并决定输入的变量个数。这篇文章描述了混沌时间序列对日间功率系统峰值的分析。确定性混沌的非线性图形通过多层感知器的神经网络得到。提出的方案在一个例子中具体阐述。-This paper presents a new approach to short-term load forecasting in power systems. The

分析了支持向量回归机在能源需求预测中的优势,确定了输入向量集合和输出向量集合,建立了基于Matlab技术的SVR能源需求预测模型.对我国1985-2008年能源需求相关数据进行模拟与仿真,并对中国2010年和2020年能源需求量进行预测.研究结果表明:一是中国未来对能源的需求量逐渐增加,从2010年的330400万吨标准煤上升到2020年418320万吨标准煤,年均增长率为2.39％；二是在解决我国能源系统小样本.非线性及高维模式识别问题中SVR比BP神经网络等方法有更高的预测精度.-Suppo

在MATLAB环境下，利用BP神经网络对电力负荷进行预测，编写了代码，并附上了仿真图。-In the MATLAB environment, the use of BP neural network to forecast the power load, writing the code, and attach the simulation diagram