基于模糊神经网络的供热负荷预测.pdf

《基于模糊神经网络的供热负荷预测.pdf》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、圃■Ⅲ●■lⅢh"基于模糊神经网络的供热负荷预测沈晓峰张子平吕冬杰河北工程大学城市建设学院摘要：为了克服传统BP神经网络预测精度差，易陷入局部极值的缺陷，提出了模糊神经网络系统。利用模糊粗糙集通过历史负荷数据信息的模糊化替代负荷变化的离散化，快速寻找出样本数据间的连续属性的信息，将其与传统BP神经网络结合组成模糊神经网络对热负荷进行预测。实验结果表明：该模糊神经网络预测结果的相对误差很小不超过2％，在短期负荷预测方面具有的优越性。关键词：供热负荷；模糊神经网络；预测1前言随着我国城市集中供热的迅速发展

2、，采暖的能源消耗在全社会总的能耗中占的比例也越来越大。我国建筑能耗占全社会能耗的30％左右，而采暖能耗又是所有能耗中最主要的部分，约占建筑能耗40％。50％。对目前我国节能潜力大的建筑进行相关的研究，是必要且可行的。建筑节能的关键是对供热负荷进行预报。负荷预测的主要方法有：(1)自回归移动模型法；(2)时间序列法；(3)回归分析法以上方法均存在很大的局限性。随着智能技术的快速发展，采用BP神经网络进行负荷预测供的研究不断增多，但是BP神经网络学习速率固定需要较长的训练时间，易陷入局部最小值，网络隐含层

3、的选择困难。本文通过将模糊理论移植人BP神经网络模型来对其进行优化，以避免其固有的不足，提出了模糊神经网络模型．该模型可以快速、准确的对供热负荷进行预测。2模糊神经网路热负荷预测模型2．1模糊系统模糊系统是基于模糊逻辑的一种更加接近于人类的思维和自然语言。从原理方面来说，模糊逻辑为获取实际生活中不确定的特性提供了一种有效方式。模糊逻辑利用语言以及人们对外界认识概念的思维特性去研究智能，它可以利用自然语言对人的经验进行描述，模糊系统就是运用这一大优点。一般而言，模糊系统是指与模糊概念和模糊逻辑有直接关系

4、的系统，它由以下四个部分组成：模糊产生器、模糊推理机、模糊知识库和反模糊化器u1。2．2模糊神经网络模糊神经网络系统是两种不同信息处理方法的结合，是一种优良的混合预测方法。神经网络结构具有较强的自学习训练、自组织、非线性逼近和很强的容错能力，但在进行历史样本数据信息知识表达和解释能力方面较差，学习速度相对较慢且容易陷入局部寻优的死循环中。粗糙集中的知识简约理论能够发现大量非线性历史数据集合内部存在的潜在关系，可以将那些冗余、不必要的属性信息进行过滤剔除，从而简化了历史数据的时间空间复杂性。对于供热系统

5、短期负荷而言，利用模糊粗糙集通过历史负荷数据信息的模糊化替代负荷变化的离散化，能够快速寻找出样本数据间的连续属性的信息，故将二者的结合组成模糊神经网络可以充分发挥两者的优势，实现相互间功能的互补91。2。3模糊神经网路热负荷预测模型本文选择室外温度、每天8点时刻的供水流量两个影响因素作为输入变量。由于模糊神经网络的输入变量数和输入层的节点数一致，所以该模糊神经网络模型的输入层的节点数可选择为2个。本文选择供热负荷作为输出变量，因此得知输出层只有一个神经元。3负荷预测实验分析在该集中供热系统中，供热负荷

6、影响信号的形式不一致，分别为模糊信号、精确的数值信号。所以，我们需要将模糊信号统一处理成准确的数值信号，并将其作为网络的输入信号。为了加快神经网络处理数据，需要对数据进行归一化处理。以邯郸某热力公司的供热站的数据作为样本数据集，针对该模糊神经网络设计，我们选取连续30天的数据作为历史样本数据。由于篇幅限制，只列出了部分数据。见表1。表1数据表日期室外温度℃供水流量负荷(1(J／}1)2015．2．1-6．70．6528．92015．2．2-6．90．6530．82015．2．3-7．8O．6532．1

7、2015．2．4-7．40．6534．62015．2．5一11．70．6556．9本文采用模糊神经网络主要参数设置：常数分别为O．45，1．25，本神经网络设初始学习速率为0．001、样本模式、训练次数计数器均为l，把训练样本数据代入模糊神经网络，不断进行学习训练从而使得神经网络的连接权值达到最优化，最后输入测试样本数据，进一步得到热负荷的预测值。我们可以根据专家经验和控制工程知识选取隶属度函数初始参数。模糊神经网络中前一部分参数值可以大概估计出范围。一般情况下，可以在[o，1】间随机选取一个数作为权

8、值的初始值。用25天的样本数据作为训练样本，用5天的样本数据测试训练好的模糊神经网络。通过利用训练样本输入量和输出量，模糊神经网络实现TiJJl练和学习的过程，所得曲线如图1所示。为了验证仿真效果，所得曲线如图2所示。并把预测热负荷和实际热负荷进行对比所得曲线如图3、图4所示。B啡1岬h巾’脚膨bH札’4。?，“tP“h射％擗她卑9‘他《婶r==葛：—————、L一。。⋯一jj一∞J自}商#图1曲线图图2曲线图。⋯p#一⋯J。≯t二，i§睁·一”{{图3