相关模糊神经网络的电力负荷短期预测

《相关模糊神经网络的电力负荷短期预测》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、·电气与自动化·范山东，等·基于模糊神经网络的电力负荷短期预测基于模糊神经网络的电力负荷短期预测范山东，赵宏宇(1．黑龙江科技学院，电气与信息工程学院，黑龙江哈尔滨150027；2．河南省南阳供电公司电费管理中心，河南南阳473000)摘要：电力系统短期负荷预测是电力部门的一项重要工作，它对合理安排机组启停、确定燃料供应计划、进行电力交易等都具有重要的意义。应用模糊神经网络结合遗传算法实现预测系统通过对历史数据的自适应学习建立的模糊预测模型，算法上采用改进的BP算法。通过MATLAB仿真分析了该预测系统的优越性和准确性。关键词：模糊神经

2、；遗传算法；电力负荷；BP算法中图分类号：TP273．4文献标志码：B文章编号：1671—5276(2013)02—018203Short-TermLoadForecastBasedonFuzzyNeuralNetworkFANShan—dong，ZHAOHong—yu(1．ColegeofElectrical&InformationEngineering，HeilongjiangInstituteofScience&Technology，Harbin150027，China；2．TheElectricityManagementCent

3、erofNanYangPowerCompany，Nanyang473000，China)Abstract：Theforecastoftheaccurateshort-termloadistheimportantworkforthepowercompany。whichisofgreatimportancetodetermintingtheMotorunitof／onreasonablyandtheplanoffuelsupply，tradingelectricity．Anapproachbasedonthefuzzyneuralnetwo

4、rkandgeneticalgorithmsisproposedfortheshort—termloadforecastandthisalgorithmssuperiorityandaccuracyisanalyzedthroughMATLAB．KeyWords：fuzzy-neuralnetwork；geneticalgorithm；powerload；BPalgorithm0引言1系统模型结构短期电力负荷预测是电力系统运行调度中一项非常将一种模糊神经网络应用于短期负荷预测，这种模型重要的内容，它是保证电力系统安全经济运行和实现电不但

5、实现了模糊预测模型的自动更新，而且能不断修正各网科学管理及调度的重要方面，是能量管理系统(EMS)模糊子集的隶属函数，使模糊建模更具合理性。采用前馈的组成部分。负荷预测是实现电力系统优化运行的基型模糊神经网络应用于短期负荷预测，它的基本构成如图础。预测准确与否对电力系统的安全、优质、经济运行1所示。这一网络型模糊推理系统主要由模糊化层、模糊具有显著的影响。因此，寻求合适的负荷预测方法以期推理层和去模糊化层组成。最大限度地提高预测精度具有重要的应用价值。目前短期负荷预测方法大致可以分为两类：1)以时间序列为代表的传统方法。2)以人工神经网

6、络为代表的人工智能方法。传统方法比较成熟，算法简单，速度快，但本质上都是线性模型方法，存在着很多的缺点和局限性，无法真正反映电力系统的不同负荷模型的非线性特性。人工智能方法包括人工神经网络法、专家系统方法、遗传算法方法和模糊推理方法等。人工神经网络负荷预测是近十年来研究和使用最多的一种方法。但是，利用人工神经网络进行负荷预测存在着诸如训练需要大量的历史数据，对不确定性和模糊信息学习处理能力较差等缺点。实践证明，将模糊系统和神经网络结合的模糊神经网络(fuzzyneuralnetwork，FNN)是一个有效(I)(Ⅱ)(Ⅲ)(Ⅳ)的方法。

7、图1模糊神经网络模型中网络的主要部分的(I)～(II)层对应于模糊控制规作者简介：范山东(1986一)，男，山东济宁人，硕士研究生，研究方向为矿山控制技术。．182．http：fZZHD．chinajourna1．net．cnE-mail：ZZHD@chainajourna1．net．cn《机械制造与自动化》·电气与自动化·范山东，等·基于模糊神经网络的电力负荷短期预测则的前提“IF．part”部分，(III)层对应模糊推理层，每个节作为网络样本的数据。点的输出表示一条规则的触发强度，运行的是模糊AND此外，由于环境因素对电力负荷的影响

8、也比较大，例操作，(IV)层对应规则的结论“Then—part”。网络的输入一如最高气温以及最低气温等，因此，还需要获得预测日的输出影射关系如下：最高／最低气温以及天气的特征值，其中包括阴天、晴天和(I)层