基于模糊聚类和FNN预测模型组合的短期负荷预测研究

《基于模糊聚类和FNN预测模型组合的短期负荷预测研究》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、中文摘要随着我国电力事业的发展，电网管理日趋现代化。负荷预测问题的研究也越来越引起人们的注意，是现代电力系统运行研究中的一个重要课题，它是研究电力系统规划问题、电力系统经济运行及调度自动化的重要依据。随着电力市场的发展，电力市场运营各方对负荷预测尤其是短期负荷预测的精度要求越来越高，因此电力系统短期负荷预测是电力系统运行的重要组成部分。本文在广泛和深入了解国内外电力系统短期负荷预测研究纂础上，对电力系统负荷特性进行研究发现:节假门、温度和气象条件等不确定因素对负荷的影响具有模糊性，同时也具有一定的规律性。因此，本

2、文提出一种模糊模式识别的思想应用于短期负荷预测:基于模糊聚类分析方法和模糊模式识别理论对样本空间进行重构，从而解析节假日、温度和气象等不确定因素与负荷非线性时变关系。本文的预测模型是模糊神经网络与模糊聚类分析方法、模糊模式识别相结合的组合预测模型:将小时负荷分解成以24小时为周期变化的周期性负荷分量和受人们生活、温度和气象条件等不确定因素影响的变动性负荷分量，对这两个分量分别建模预测。首先应用模糊聚类对样本空间重构形成若干个聚类子空间。变动性负荷分量预测模型进行聚类时，主要考虑负荷与气象条件等因素，因此本文也把其

3、称为气象修正模型:周期性负荷分量预测模型进行聚类时，主要考虑负荷本身的影响。本文应用模糊模式识别与模糊聚类方法相结合构建成气象修正模型，用模糊神经网络构建成周期性负荷分量模型。本文提出了基于模糊理论为核心的组合短期负荷预测模型，它是由模糊综合聚类、模式识别、模糊神经网络三部分组合成新型级联模型。将神经网络与模糊理论相结合，弥补了ANN不透明和PL5学习能力差的缺陷，是一种既具有学习、联想、自适应性，又可以处理模糊信息的新型结构。在预测性能方面，对于夏季高温时段预测的精度较传统预测的方法有明显的改进，对于节假日的预

4、测性能有一定程度的提高。关键词:模糊集理论、短期负荷预测、模糊神经网络、模糊聚类分析ABSTRACTWiththedevelopmentofpowersystem，theadministrationofpowersystemismoreandmoremodernized.Theplanning,theeconomicoperationandtheautomaticdispatchingofpowersystemallgreatlydependonloadforecasting.Withthefastdevelop

5、mentofmodernelectricpowersystems,theoperationofpowermarketrequireshighprecisionofshort-termloadforecasting(STLF)fortheminimalcostofpowersystemoperation.SoitisveryimportanttodoSTLFforpowersystemAfterstudyingthemethodsofSTLFathomeandabroadandthecharacteristicso

6、fpowersystemloadbroadlyanddeeply,theinfluenceoftheuncertainelementssuchasholiday,temperatureandweatherconditioncanbedescribedasfuzzyquantitiesandisofsomeregularitytosomedegree.SoaSTLFmethodoffuzzypatternrecognizingisproposed，thatis,thereconstructionoftraining

7、setsbasedonfuzzyintegratedclusteringanalysisandpaternrecognizingisdonetogetthenonlineartime-variousrelationbetweenpowersystemloadandtheuncertainfactorssuchasholiday,temperatureandweathercondition.Theloadforecastingcombinationmodelpresentedinthispaperemploysfu

8、zzyneuralnetwork,fuzzyclusteringanalysisandfuzzypatternrecognizing.Inthismodel,thehourlyloadisdividedintotwocomponents,whicharemodeledindependently:oneisL,,whichchangesperiodicallyforever