电力系统短期负荷预测的模糊神经网络方法
姜勇
【摘 要】针对电力系统短期负荷预测问题,考虑气象因素对负荷的影响,提出了一种模糊神经网络的短期负荷预测方法,首先根据评价函数选取相似日学习样本,然后利用隶属函数对影响负荷的特征因素向量的分量进行模糊处理,采用反向传播算法,对24点每点建立一个预测模型,提高了学习效能.本方法适合在短期负荷预测中使用,具有较好的预测精度.
【期刊名称】《电力系统保护与控制》 【年(卷),期】2002(030)007 【总页数】3页(P11-13)
【关键词】短期负荷预测;隶属函数;人工神经网络 【作 者】姜勇
【作者单位】南京供电局,江苏,南京,210008 【正文语种】中 文 【中图分类】工业技术
第 30卷第7期 2002年7月 15 日 锥..RELAY Vol.30No.7July 15,200211 电力系统短期负荷预测的模糊神经网络方法姜勇（南京供电局，江苏南京 21αX>8) 摘要：针对电力系统短期负荷预测问题，考虑气象因素对负荷的影响，提出了一种模糊神经网络的短期负荷 预测方法，首先根据评价函数选取相似日学习样本，然后利用隶属函数对影响负荷的特征因素向量的分量进 行模糊处理，采用反向传播算
法，对 24 点每点建立一个预测模型，提高了学习效能。本方法适合在短期负荷 预测中使用，具有较好的预测精度。关键词：短期负荷预测； 隶属函数； 人工神经网络中图分类号： TM715文献标识码： A文章编号： 1003-48叨（ 2002）σ7-0011-031引言短期负荷预报是电力系统管理现代化的重要内 容之一，是对发电、输电和电能分配等合理安排的必 要前提，对提高电力系统的经济效益和社会效益，保 障电力系统的安全经济运行与国民经济的发展具有 非常重要的影响。因此，寻求有效的负荷预报方法， 提高预测结果的准确度具有重要意义。传统的预测模型是用显式的数学表达式加以描 述，这就决定了它的局限性。事实上，电力负荷变化 受天气情况和人们的社会活动等因素的强烈影响， 存在大量非线性关系，其发展规律很难用一个显式 的数学公式来表示。因此，将具备模糊数据处理能 力的模糊理论与擅长拟合非线性映射的神经网络方 法结合起来，是一种比较有效的预测技术。2模糊理论与人工神经网络方法简介［1,2] 模糊神经网络是通过将模糊理论和人工神经网 络理论有机结合来实现的，常见的结合方式有：（ 1) 仍采用普通神经网络的结构，但将普通非线性神经 元用模糊运算神经元代替；（2）采用普通神经网络的 结构和神经元作为信息处理工具，而网络的输入量、 输出量等则采用输入、输出信息的模糊隶属度。本 文采用的模糊神经网络为后一种类型，即将输入量 经过隶属度函数转化为模糊量后，再交给神经网络 进行处理，从而提高了系统的鲁棒性。2.1 模糊集合论的概念客观事物的差异在中介过渡时所呈现的亦此亦 彼的现象称为模糊性，它体现了事物变化的连续过 程。模糊集合论使用隶属度来描述中介过攘，是以 精确的数学语言对模糊性的一种表述。设论域 u=l 圳， u 到闭区间［ 0,1 ］的任一映射U,1(x): u[O,l],xU,1 (x ） 确定了 u 的一个模糊子集，简称模糊集，记作 A ，该映射称为 A 的隶属函数。 U,1 (x ） 的大小反映了 z 对模糊集 A 的隶属程度，简称为隶属度。实数集合上常用的隶属函数为F分布，主要有矩形分布，梯形分布，抛物形分布等， 在实际应用中可根据对象特点加以选
择。 2.2 人工棉经网络和反向传播算法的原理 神经网络是由处理单元组成的一种并行、分布 式信息处理结构，处理单元之间由单向信道相互连 接。人工神经元是神经网络的基本计算单元，模拟 了人脑中神经元的基本特征，一般是多输入／单输出 的非线性单元，可以有一定的内部状态和阑值。 反向传播（ Error BackPropa伊tion-BP）算法是多 层感知器的一种有效学习算法，它的模型为前向多 层网络，如图 1 所示：输入节点隐节点输出节点圄 I BP 网络 网络不仅有输入层节点，输出层节点，而且有隐含层节点，经过作用函数后，再把隐节点的输出信息 传播到输出节点，最后给出结果。节点的作用函数 通常选取 s 型函数，如 f(x) ＝」τ ，这个算法的 1+e 学习过程，由正向传播和反向传播组成。在正向传 播过程中，输入信号从输入层经隐含层逐层处理，并 传向输出层，每一层神经元的状态只影响下一层神第30卷第7期2002年7月 15 日锥..Vol.30 No.7 July 15,2002 11 摘要：针对电力系统短期负荷预测问题，考虑气象因素对负荷的影响，提出了一种模糊神经网络的短期负荷预测方法，首先根据评价函数选取相似日学习样本，然后利用隶属函数对影响负荷的特征因素向量的分量进行模糊处理，采用反向传播算法，对 24 点每点建立一个预测模型，提高了学习效能。本方法适合在短期负荷预测中使用，具有较好的预测精度。1 引言短期负荷预报是电力系统管理现代化的重要内容之一，是对发电、输电和电能分配等合理安排的必要前提，对提高电力系统的经济效益和社会效益，保障电力系统的安全经济运行与国民经济的发展具有非常重要的影响。因此，寻求有效的负荷预报方法，提高预测结果的准确度具有重要意义。传统的预测模型是用显式的数学表达式加以描述，这就决定了它的局限性。事实上，电力负荷变化受天气情况和人们的社会活动等因素的强烈影响，存在大量非线性关系，其发展规律很难用一个显式的数学公式来表示。因此，将具备模糊数据处理能力的模糊理论与擅长拟合非线性映射的神经网络方法结合起来，是一种比较有效的预测技术。模糊理论与人工神经网络方法简介［1,2]模糊神经网络
电力系统短期负荷预测的模糊神经网络方法
