改进模糊神经网络在负荷预测中的应用研究

《改进模糊神经网络在负荷预测中的应用研究》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、第24卷第2期电力学报V0L24NO．22009年4月JOuRNALOFELECTRICPOWERApr．2009文章编号：1005—6548(2009)02—0101—04改进模糊神经网络在负荷预测中的应用研究丁思敏，吴军基(南京理工大学动力工程学院，南京2J0094)摘要：电力系统短期负荷预测是电网调度中一项重要的工作，精确的负荷预测可以为调度员提供必要的基础数据，电网运行安排也都是以负荷预测的数据作为根据。利用人工神经网络可以任意逼近非线性系统的特性，将其用于短期负荷预测。研究了改进的误差反向传播算法——动量及自适应lrBP的梯度递减训练算法，预测结果表明比标准BP算

2、法具有更好的性能。同时，针对大量无法用精确数值来量化的信息的影响，引入模糊理论的方法，定义了不同的隶属度函数，模糊化后输入到网络中进行训练和预测，结果表明其精度比输入量非模糊化的人工神经网络更高。关键词：神经网络；改进BP；负荷预测；模糊输入中图分类号：TM715；TP183文献标识码：A电力负荷预测是供电部门的重要工作之一，准网应用最为普遍。节点的作用函数通常选取S型确的负荷预测，可以经济合理地安排电网内部发电函数。机组的启停，保持电网的安全稳定性，减少不必要的对某市电力负荷作了预测仿真。又引入各模糊旋转储备量，合理安排机组检修计划，保证社会的正变量的隶属度函数，将输入量

3、模糊化的模糊神经网常生产和生活，有效地降低发电成本并提高经济效络应用于短期电力系统负荷预测，进行了比较。益和社会效益，己成为电力系统不容忽视的研究课1(z)一寿·题之一[。运用改进的人工神经网络进行电力系统短期负荷预测，针对传统的BP网络的训练速度太慢的缺点，讨论了BP网络的改进算法，使之能显著提高训练速度并使算法实用化。1改进的人工神经网络算法及模糊集合图1三层BP神经网络模型1．1改进的人工神经网络算法算法的基本思想是，学习过程有信号的正向传人工神经网络(ArtificialNeuralNetworks)简称播与误差的反向传播两个过程组成。正向传播时，ANN或NN，它是

4、对人脑或自然神经网络(Natural输人样本从输入层传人，经各隐层逐层处理后，传向NeuralNetwork)若干基本特性的抽象和模拟。神经输出层。若输出层的实际输出与期望输出(教师信网络是由处理单元组成的一种并行的分布式信息处号)不符，则转人误差的反向传播阶段。误差反传是理结构，处理单元之间由单向信道相互连接。人工神将输出误差以某种形式通过隐层向输入层逐层反经元是神经网络的基本计算单元，模拟了人脑中神经传，并将误传分摊给各层的所有单元，从而获得各层元的基本特征，一般是多输入／单输出的非线性单元，单元的误差信号，此误差信号即作为修正各单元权可以有一定的内部状态和阂值。值的依

5、据。这种信号正向传播与误差反向传播的各运用误差反向传播学习算法(Back—Propagation层权值调整过程，是周而复始地进行的。权值不断TrainingAlgorithm)的前馈多层网络，通常称为BP调整的过程，也就是网络的学习训练过程。此过程网络[5剐。如图1所示的单隐层BP网络即三层BP收稿日期：200901—1O作者简介：丁思敏(1986一)，女，江苏南京人，硕士研究生，主要研究方向为电力系统分析、运行、控制与规划，(E—mail)erinlesley3@yahoo．con)．．ci1102电力学报第24卷一直进行到网络输出的误差减少到可接受的程度，整且使误差增大

6、的改变量无效。或进行到预先设定的学习次数为止。1．2模糊集合学习算法的实现步骤为：模糊集合的基本思想是把经典集合中的绝对隶①初始化。对权值矩阵赋随机数，误差E置0，属关系模糊化。对象5C对集合A的隶属程度不再学习率卵设为0～1内的小数，网络训练后达到的精局限于取O和1，而是可以取从0到1的任何一个度E⋯设为一个正的小数。数值，反映了对象z隶属于集合A的程度，由此引②从训练样本集中取某一样本，把它的输入信入隶属函数的概念1引。所谓域X上的一个模糊息输入到网络中。子集(简称模糊集)A是指对任何z∈X，都有一个③由网络正向计算出各层节点的输出。数(z)∈[O，1]与之对应，并且称

7、X属于模糊子④计算网络的实际输出与期望输出的误差。集A的隶属度(Degreeofmembership)，即指的是⑤从输出层起始反向计算到第一个隐层，按一映射为：定原则向减少误差方向调整网络的各个连接权值。A：X—+[O，1]，z一A(z)．⑥对训练样本集中的每一个样本重复以上步映射由称为模糊子集A的隶属函数(Member—骤，直到对整个训练样本集的误差达到要求为止。shipfunction)。为加快BP算法训练速度，避免陷入局部极小2基于改进模糊神经网络负荷预测值和改善算法的有效性，有以下两种方法_7剖：①增加动量