欢迎来到天天文库
浏览记录
ID:36775255
大小:371.76 KB
页数:5页
时间:2019-05-15
《基于改进DFNN的短期电价预测新方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、维普资讯http://www.cqvip.com第34卷第6期继电器Vol。34No.6342006年3月l6日RELAYMar.16.2006基于改进DFNN的短期电价预测新方法敖磊,刘旭东,吴耀武,熊信银(1.华中科技大学电力系,湖北武汉430074;2.湖北省宜昌供电公司,湖北宜昌443003)摘要:提出了一种改进的动态模糊神经网络DFNN(DynamicFuzzyNeuralNetwork)的短期电价预测方法。首先对采集到的信息进行特征提取,然后利用模糊粗糙集理论中的信息熵进行属性简化、去掉冗余信息,最后用得到的属性作为动态模糊神经网络(DFNN)的榆入进行训练预测。在模糊神经
2、网络内部引入递归环节,构成了动态模糊神经网络,并采用具有全局寻优能力的遗传算法来训练网络,克服了单纯BP算法易陷入局部最优解的困境。最后以关国加州电力市场公布的2000年数据进行了模型训练和预测,结果表明该方法所建立的预测模型具有较高的预测精度。关键词:出清电价;短期电价预测;动态模糊神经网络(DFNN)中圈分类号:TM715文献标识码:A文章编号:10034897(2006)06-0034-05对误差较大,与实用化仍有一定距离。文献[5]提0引言出基于BP神经网络预测下一交易日系统电价,该随着全球电力市场化。。大趋势的到来,电力行神经网络分为两部分:一部分用来预测规律性强的业逐渐由垄
3、断经营走向竞争,这与国际上电力工业基本系统电价;另一部分用来预测下一交易日与当解除政府管制(deregulation)引入竞争机制的改革浪日同一时段系统电价的差值,两部分神经网络之和潮相辉映。这一发展趋势开始于南美和欧洲,目前即为下一交易口预测时段的系统电价值,但该文献已经席卷美国。这一变革对电力工业的传统运营模并未给出具体模型和预测精度。式带来了深刻的影响。在新的模式下建立了区域性本文将模糊逻辑系统技术与神经网络相结合构的统一电力交易市场,通过市场的拍卖过程确定各成模糊神经网络系统,利用神经网络调整模糊逻辑相互竞争的电力企业的发电量。我国目前已经有部推理系统的隶属度函数和调整推理规则
4、,利用模糊分省份开始了电力系统市场化运行的试点工作】。推理规则的形式构造前向传播结构,从而可以充分出清电价(MarketClearingPrice)是电力市场中发挥各自的特点,实现相互补充。此外,普通的神经反映电力商品短期供求关系的重要数据从系统购网络具备反馈结构而使应片j范围仅限于静态问电方来看,MCP构成了它的单位购电成本,MCP的题,对动态问题控制无效。实际的短期出清电价预测使自身的动态成本控制成为可能;从发电方来预测中,过程的变量足时间的函数,具有动态特性,看,MCP是它的产品价格,其利润依赖于、f停确把握需要具有动态特性的预测技术此,本文在模糊短期市场走向,把握市场的关键是对
5、MCP的准确预神经网络内部引入递归环节,构成了动态模糊神经测。因此,电价预测就成为电力市场中急待f究和I料J络DFNN(DynamicFuzzyNeuralNetwork),井采用解决的课题具有全局寻优能力的遗传算法来训练网络,克服了单纯BP算法易陷入局部最优解的困境。文中把J出清电价预测方法概述Dl1、NN与常用BP及FUZZY方法进行了比较,仿真最近几年已有一些学者提出了一些适用于电价结果表明DFNN在网络结构、学习速度及处理动态预测的方法。文[3]对时间序列法作了比较详细的问题等方面示了其优势。介绍并将此方法应用于实际算例。文献[4]提出利另一面,模型输入变量的选择对于预测结果用
6、人工神经网络对输入量和输出量之问的非线性关的精度影响也很大,这也是短期电价预测系统建模系的强映射能来建立系统边际电价的预测模型,的关键问题,现有文献l6,7Jl_一般根据经验来选择分别建立了多个3层和4层反向传播(BP)神经网输入变量,尤法体现各输入变最对J:输出值影响的络模型,并以英国1995年的边际电价数据进行模型重要性程度。为此,本文引入粗糙集Rs(Rough的训练和测试,得到的两种模型的预测值的平均绝Set)埋论巾的信息熵计算方法来选择与待预测量相维普资讯http://www.cqvip.com敖磊,等基于改进DFNN的短期电价预测新方法35关性大的参数作为动态模糊神经网络系统
7、(DFNN)求解问题一般包括以下步骤:①对给定的优化问题,的输入,充分保证了模型输入参数的合理性,有效地设置目标函数;②设置待优化参数的变化区间;③对减少了模型的计算工作量,提高了模型的预测精度。待优化参数进行二进制(或实数)编码;④随机产生初始种群;⑤计算种群中每个个体的适应度,并进行评2粗糙集(RS)理论和遗传算法简介价;⑥对待优化参数父代个体进行交叉;⑦对待优化2.1粗糙集(RS)理论参数子代个体进行变异;⑧回到⑤~⑦反复进行迭RS是波兰
此文档下载收益归作者所有