 |
學校地址：湖南省 長沙市 雨花區(qū) 車站南路紅花坡路口 |
當前位置：湖南陽光電子技術學校 → 文章資訊 → 電工焊工技術
電力系統(tǒng)短期負荷預測的模糊神經(jīng)網(wǎng)絡方法
減小字體
增大字體電力系統(tǒng)短期負荷預測的模糊神經(jīng)網(wǎng)絡方法
姜 勇 盧 毅 東南大學（南京210096）
摘 要 針對電力系統(tǒng)短期負荷預測問題，考慮到氣象因素對負荷的影響，提出了一種模糊神經(jīng)網(wǎng)絡的短期負荷預測方法，首先根據(jù)評價函數(shù)選取相似日學習樣本，然后利用隸屬函數(shù)對影響負荷的特征因素向量的分量進行模糊處理，采用反向傳播算法，對24點每點建立一個預測模型，提高了學習效能。本方法適合在短期負荷預測中使用，具有較好的預測精度。
關鍵詞 短期負荷預測 隸屬函數(shù) 人工神經(jīng)網(wǎng)絡
0 引 言
短期負荷預報是電力系統(tǒng)管理現(xiàn)代化的重要內容之一，是對發(fā)電、輸電和電能分配等合理介紹的必要前提，對提高電力系統(tǒng)的經(jīng)濟效益和社會效益，保障電力系統(tǒng)的安全經(jīng)濟運行與國民經(jīng)濟的發(fā)展具有非常重要的影響。因此，尋求有效的負荷預報方法，提高預測結果的準確度具有重要意義。
傳統(tǒng)的預測模型是用顯式的數(shù)學表達式加以描述，這就決定了它的局限性。事實上，電力負荷變化受天氣情況和人們的社會活動等因素的強烈影響，存在大量非線性關系，其發(fā)展規(guī)律很難用一個顯式的數(shù)學公式予以表示。因此，將具備模糊數(shù)據(jù)處理能力的模糊理論與擅長擬合非線性映射的神經(jīng)網(wǎng)絡方法結合起來，是一種比較有效的預測技術。
1 模糊理論與人工神經(jīng)網(wǎng)絡方法簡介〔1，2〕
模糊神經(jīng)網(wǎng)絡是通過將模糊理論和人工神經(jīng)網(wǎng)絡理論有機結合來實現(xiàn)的，常見的結合方式有：a．仍采用普通神經(jīng)網(wǎng)絡的結構，但將普通非線性神經(jīng)元用模糊運算神經(jīng)元代替；b．采用普通神經(jīng)網(wǎng)絡的結構和神經(jīng)元作為信息處理工具，而網(wǎng)絡的輸入量、輸出量等則采用輸入、輸出信息的模糊隸屬度。本文采用的模糊神經(jīng)網(wǎng)絡為后一種類型，即將輸入量經(jīng)過隸屬度函數(shù)轉化為模糊量后，再交給神經(jīng)網(wǎng)絡進行處理，以提高負荷預報的精度。
1．1 模糊集合論的概念
客觀事物的差異在中介過渡時所呈現(xiàn)的亦此亦彼的現(xiàn)象稱為模糊性，它體現(xiàn)了事物變化的連續(xù)過程。模糊集合論使用隸屬度來描述中介過渡，是以精確的數(shù)學語言對模糊性的一種表述。
設論域u＝｛x｝，u到閉區(qū)間〔0，1〕的任一映射uA（x）∶u→〔0，1〕，x→uA（x）確定了u的一個模糊子集，簡稱模糊集，記作A，該映射稱為A的隸屬函數(shù)。uA（x）的大小反映了x對模糊集A的隸屬程度，簡稱為隸屬度。實數(shù)集合上常用的隸屬函數(shù)為F分布，主要有矩形分布，梯形分布，拋物形分布等，在實際應用中可根據(jù)對象特點加以選擇。
1．2 人工神經(jīng)網(wǎng)絡和反向傳播算法的原理
神經(jīng)網(wǎng)絡是由處理單元組成的一種并行、分布式信息處理結構，處理單元之間由單向信道相互連接。人工神經(jīng)元是神經(jīng)網(wǎng)絡的基本計算單元，模擬了人腦中神經(jīng)元的基本特征，一般是多輸入／單輸出的非線性單元，可以有一定的內部狀態(tài)和閾值。
反向傳播（Error Back Propagation－BP）算法是多層感知器的一種有效學習算法，它的模型為前向多層網(wǎng)絡，如圖1所示。
網(wǎng)絡不僅有輸入層節(jié)點、輸出層節(jié)點，而且有隱含層節(jié)點，經(jīng)過作用函數(shù)后，再把隱節(jié)點的輸出信息傳播到輸出節(jié)點， 后給出結果。節(jié)點的作用函數(shù)通常選取s型函數(shù)，如
這個算法的學習過程由正向傳播和反向傳播組成。在正向傳播過程中，輸入信號從輸入層經(jīng)隱含層逐層處理，并傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層不能得到期望的輸出，則轉向反向傳播，將誤差信號沿原來的連接通道返回，通過修改各層神經(jīng)元的權值，使得誤差信號 小。
BP算法可描述為：
a．權值和閾值初始化：隨機地給全部權值和神經(jīng)元的閾值賦以較小的初始值；
b．給定輸入xk和目標輸出yk；
其中
為第l層第j個神經(jīng)元到第l＋1層的第i個神經(jīng)元的權系數(shù)，η為增益項，δ（l）ik為第l層i節(jié)點的k模式的誤差項，且有
若i為輸出節(jié)點，則
2 預測方法〔3〕
2．1 BP網(wǎng)絡學習樣本的選擇
根據(jù)差異評價函數(shù)選擇一批比較相似的負荷日，選擇方法如下：
a．首先將影響因素向量的各分量數(shù)值化，這些因素括日類型，工作日取1，雙休日取2；光照，晴天取1，少云取2，多云取3，陰天取4，下雨取5；雨量，無雨取0，小雨取1，中雨取2，大雨取3，暴雨取4； 高溫度、 低溫度、平均溫度等可取實際值。
b．建立評價函數(shù)
其中是α－β的范數(shù)，α為已知日的影響因素向量，β為預測日的影響因素向量（預測值），δ為設定的偏離值，要根據(jù)不同地區(qū)的實際情況由經(jīng)驗決定。凡是滿足該評價函數(shù)的已知日均可加入學習樣本。
2．2 預測方法
為了提高BP網(wǎng)絡的學習速度和預測精度，對網(wǎng)絡輸出的實際負荷值進行規(guī)一化處理，同時使用隸屬度函數(shù)對輸入網(wǎng)絡的影響因素向量進行模糊化處理，使得輸入向量的不同分量如工作日、光照、雨量、溫度等都轉換為模糊量。
日類型的隸屬度函數(shù)采用半矩形分布，形式如下。
對工作日的隸屬度函數(shù)為：
溫度的隸屬度函數(shù)分別如下。
對低溫的隸屬度函數(shù)采用偏小型梯形分布：
對中溫的隸屬度函數(shù)采用中間型梯形分布：
對高溫的隸屬度函數(shù)采用偏大型梯形分布：
將 高溫度th代入以上3個公式，可分別求出對于低溫、中溫、高溫3個狀態(tài)的隸屬度。對于 低溫度t1、平均溫度tα，可采用同樣方法求出它們的3個狀態(tài)隸屬度。
影響因素向量的其它分量如光照、雨量等的隸屬度函數(shù)與溫度相似，根據(jù)當?shù)貙嶋H情況選擇建立相應的分布函數(shù)，從而求出光照的5個狀態(tài)隸屬度以及雨量的5個狀態(tài)隸屬度。
另外，為了降低求解規(guī)模，對1d的24點負荷每點建立1個預測模型，第i點的輸入輸出函數(shù)為：
fi是指第i點的輸入輸出函數(shù)，α′j1，…α′jl是第j個樣本影響因素的隸屬度向量，括2個代表日類型的隸屬度，3個代表 高溫度的隸屬度，3個代表 低溫度的隸屬度，3個代表平均溫度的隸屬度，5個代表光照的隸屬度，5個代表雨量的隸屬度。當學習完成后，將預測日當天影響因素的隸屬度向量
代入（10）式，則可得第i點的負荷預測值。2．3 一些注意事項
a．偽數(shù)據(jù)的處理
因為神經(jīng)網(wǎng)絡所用的負荷數(shù)據(jù)來自電力部門的SCADA系統(tǒng)，由于各種原因會造成一定數(shù)量的異常數(shù)據(jù)�？紤]到負荷前后小時的自然變化，如果出現(xiàn)超常規(guī)值，必須將其剔除，代之以正常比例范圍內的估計值。
b．待選的相似日范圍
因為隨著時間的推移，系統(tǒng)負荷結構會發(fā)生緩慢的變化，當已知日和預測日相隔較遠時，即使它們的天氣情況等因素很相似，預測精度也不會高，因而取前3個星期的已知日作為待選范圍，同時還可以縮短程序選取樣本所花費的時間。
3 計算實例分析與結論
3．1 實例計算
對南京市某日24點的負荷進行預測，所得結果如表1。
3．2 結 論
準確進行短期負荷預測是電力行業(yè)所企盼的，本文提出一種模糊神經(jīng)網(wǎng)絡預測方法，利用模糊技術和神經(jīng)網(wǎng)絡各自的特長，充分發(fā)揮了ANN處理非線性問題的能力，具有訓練速度快，學習精度高，數(shù)值穩(wěn)定等優(yōu)點，算例也表明這是一種行之有效的短期日負荷預測方法。
參考文獻
1 楊綸標，高英儀．模糊數(shù)學原理及應用．華南理工大學出版社．2001，3
2 胡守仁，余少波，戴葵．神經(jīng)網(wǎng)絡導論．長沙．國防科技大學出版社．1993，10
3 牛東曉，曹樹華，趙磊，張文文．電力負荷預測技術及其應用．北京．中國電力出版社．1998，10
|
【javascript:history.back();">返回上頁】【javascript:window.print();">打印此頁】【查看參與評論】 * ** * ** 湖南省陽光電子技術學校常年開設：手機維修培訓、家電維修培訓、電工培訓、電腦維修培訓、焊工培訓—常年面向全國招生(http://www.hnygpx.com 報名電話：13807313137)。安置就業(yè)。考試合格頒發(fā)全國通用權威證書：《中華人民共和國職業(yè)資格證》 、《電工證》 、《焊工證》 。采用我校多年來獨創(chuàng)的“模塊教學法”,理論與實踐相結合、原理＋圖紙＋機器三位一體的教學模式，半天理論，半天實踐，通俗易懂，確保無任何基礎者也能全面掌握維修技能、成為同行業(yè)中的佼佼者。工作(一期不會，免費學會為止)。*
Tags：神經(jīng)網(wǎng)絡 電力 負荷 系統(tǒng) 預測作者：佚名欄目導航 本類熱門閱覽相關文章
關于收錄 |
網(wǎng)站幫助 |
廣告合作 |
下載聲明 |
友情連接 |
網(wǎng)站地圖 |
| 共有文章： 1954 篇
今日新文： 517 篇
當前在線： |
中查看“電力系統(tǒng)短期負荷預測的模糊神經(jīng)網(wǎng)絡方法”收錄情況
中查看“電力系統(tǒng)短期負荷預測的模糊神經(jīng)網(wǎng)絡方法”收錄情況