![]() |
學(xué)校地址:湖南省 長沙市 雨花區(qū) 車站南路紅花坡路口 |
![]() |
學(xué)校地址:湖南省 長沙市 雨花區(qū) 車站南路紅花坡路口 |
電力系統(tǒng)短期負(fù)荷預(yù)測的模糊神經(jīng)網(wǎng)絡(luò)方法
姜 勇 盧 毅 東南大學(xué)(南京210096)
摘 要 針對電力系統(tǒng)短期負(fù)荷預(yù)測問題,考慮到氣象因素對負(fù)荷的影響,提出了一種模糊神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測方法,首先根據(jù)評價(jià)函數(shù)選取相似日學(xué)習(xí)樣本,然后利用隸屬函數(shù)對影響負(fù)荷的特征因素向量的分量進(jìn)行模糊處理,采用反向傳播算法,對24點(diǎn)每點(diǎn)建立一個(gè)預(yù)測模型,提高了學(xué)習(xí)效能。本方法適合在短期負(fù)荷預(yù)測中使用,具有較好的預(yù)測精度。
關(guān)鍵詞 短期負(fù)荷預(yù)測 隸屬函數(shù) 人工神經(jīng)網(wǎng)絡(luò)
0 引 言
短期負(fù)荷預(yù)報(bào)是電力系統(tǒng)管理現(xiàn)代化的重要內(nèi)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(jì)效益和社會效益,保障電力系統(tǒng)的安全經(jīng)濟(jì)運(yùn)行與國民經(jīng)濟(jì)的發(fā)展具有非常重要的影響。因此,尋求有效的負(fù)荷預(yù)報(bào)方法,提高預(yù)測結(jié)果的準(zhǔn)確度具有重要意義。
傳統(tǒng)的預(yù)測模型是用顯式的數(shù)學(xué)表達(dá)式加以描述,這就決定了它的局限性。事實(shí)上,電力負(fù)荷變化受天氣情況和人們的社會活動等因素的強(qiáng)烈影響,存在大量非線性關(guān)系,其發(fā)展規(guī)律很難用一個(gè)顯式的數(shù)學(xué)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(luò)方法結(jié)合起來,是一種比較有效的預(yù)測技術(shù)。
1 模糊理論與人工神經(jīng)網(wǎng)絡(luò)方法簡介〔1,2〕
模糊神經(jīng)網(wǎng)絡(luò)是通過將模糊理論和人工神經(jīng)網(wǎng)絡(luò)理論有機(jī)結(jié)合來實(shí)現(xiàn)的,常見的結(jié)合方式有:a.仍采用普通神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),但將普通非線性神經(jīng)元用模糊運(yùn)算神經(jīng)元代替;b.采用普通神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和神經(jīng)元作為信息處理工具,而網(wǎng)絡(luò)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(luò)為后一種類型,即將輸入量經(jīng)過隸屬度函數(shù)轉(zhuǎn)化為模糊量后,再交給神經(jīng)網(wǎng)絡(luò)進(jìn)行處理,以提高負(fù)荷預(yù)報(bào)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(shí)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(xué)語言對模糊性的一種表述。
設(shè)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(gè)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(shí)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(shí)際應(yīng)用中可根據(jù)對象特點(diǎn)加以選擇。
1.2 人工神經(jīng)網(wǎng)絡(luò)和反向傳播算法的原理
神經(jīng)網(wǎng)絡(luò)是由處理單元組成的一種并行、分布式信息處理結(jié)構(gòu),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(luò)的基本計(jì)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(nèi)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(xué)習(xí)算法,它的模型為前向多層網(wǎng)絡(luò),如圖1所示。
網(wǎng)絡(luò)不僅有輸入層節(jié)點(diǎn)、輸出層節(jié)點(diǎn),而且有隱含層節(jié)點(diǎn),經(jīng)過作用函數(shù)后,再把隱節(jié)點(diǎn)的輸出信息傳播到輸出節(jié)點(diǎn), 后給出結(jié)果。節(jié)點(diǎn)的作用函數(shù)通常選取s型函數(shù),如這個(gè)算法的學(xué)習(xí)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(zhuǎn)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(quán)值,使得誤差信號 小。
BP算法可描述為:
a.權(quán)值和閾值初始化:隨機(jī)地給全部權(quán)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(biāo)輸出yk;
其中為第l層第j個(gè)神經(jīng)元到第l+1層的第i個(gè)神經(jīng)元的權(quán)系數(shù),η為增益項(xiàng),δ(l)ik為第l層i節(jié)點(diǎn)的k模式的誤差項(xiàng),且有
若i為輸出節(jié)點(diǎn),則
其中是α-β的范數(shù),α為已知日的影響因素向量,β為預(yù)測日的影響因素向量(預(yù)測值),δ為設(shè)定的偏離值,要根據(jù)不同地區(qū)的實(shí)際情況由經(jīng)驗(yàn)決定。凡是滿足該評價(jià)函數(shù)的已知日均可加入學(xué)習(xí)樣本。
2.2 預(yù)測方法
為了提高BP網(wǎng)絡(luò)的學(xué)習(xí)速度和預(yù)測精度,對網(wǎng)絡(luò)輸出的實(shí)際負(fù)荷值進(jìn)行規(guī)一化處理,同時(shí)使用隸屬度函數(shù)對輸入網(wǎng)絡(luò)的影響因素向量進(jìn)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(zhuǎn)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(gè)公式,可分別求出對于低溫、中溫、高溫3個(gè)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(gè)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(dāng)?shù)貙?shí)際情況選擇建立相應(yīng)的分布函數(shù),從而求出光照的5個(gè)狀態(tài)隸屬度以及雨量的5個(gè)狀態(tài)隸屬度。
另外,為了降低求解規(guī)模,對1d的24點(diǎn)負(fù)荷每點(diǎn)建立1個(gè)預(yù)測模型,第i點(diǎn)的輸入輸出函數(shù)為:
參考文獻(xiàn)
1 楊綸標(biāo),高英儀.模糊數(shù)學(xué)原理及應(yīng)用.華南理工大學(xué)出版社.2001,3
2 胡守仁,余少波,戴葵.神經(jīng)網(wǎng)絡(luò)導(dǎo)論.長沙.國防科技大學(xué)出版社.1993,10
3 牛東曉,曹樹華,趙磊,張文文.電力負(fù)荷預(yù)測技術(shù)及其應(yīng)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(shù)學(xué)校常年開設(shè):手機(jī)維修培訓(xùn)、家電維修培訓(xùn)、電工培訓(xùn)、電腦維修培訓(xùn)、焊工培訓(xùn)—常年面向全國招生(http://www.hnygpx.com 報(bào)名電話:13807313137)。安置就業(yè)。考試合格頒發(fā)全國通用權(quán)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(dú)創(chuàng)的“模塊教學(xué)法”,理論與實(shí)踐相結(jié)合、原理+圖紙+機(jī)器三位一體的教學(xué)模式,半天理論,半天實(shí)踐,通俗易懂,確保無任何基礎(chǔ)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(fèi)學(xué)會為止)。*
Tags:神經(jīng)網(wǎng)絡(luò) 電力 負(fù)荷 系統(tǒng) 預(yù)測作者:佚名欄目導(dǎo)航本類熱門閱覽相關(guān)文章
關(guān)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(dāng)前在線: |