结合模糊粗糙集和支持向量机的电力负荷短期预测方法.pdfVIP

结畲撩翱勰鞲集和嘉特向量栅的l毫匆爨帮德期 预测方法 赵慧材·，陈跃辉z，陈瑞先·，彭子扬1 (1．长沙理工大学智能电网运行与控制湖南省重点实验室，湖南长沙410114；2．湖南省电力公司，湖南长沙4l0007) 摘要：针对支持向量机(supportvectormachine，SVM)负荷预测方法中存在冗余信息、数据量过大而导致的 训练时间过长、速度变慢等缺陷，利用模糊粗糙集(FuzzyRou曲Sets，FRS)能有效地处理不精确或不完备知 识及冗余信息的特点．提出了一种结合FRS和SVM的短期负荷预测模型，将FRS理论中的属性约简算法用 于解决电力负荷中众多影响因素的信息膨胀问题．采用属性约简算法剔除与决策信息不相关的因素，将约 简后的因素作为SVM的输入．并采用SVM回归算法预测短期负荷。算例仿真表明，该预测模型可保证预测 精度．加快计算速度。 关键词：电力系统：短期负荷预测；模糊粗糙集；属性约简；隶属函数；输入变量选择；支持向量机；非线 性回归 中图分类号：TM715 文献标志码：A 文章编号：1004．9649(2015)02—0045．04 0引言 或不完备知识及冗余信息的问题．其中知识约 简算法被广泛用于解决SVM输入变量的选择问 电力短期负荷预测是调度部|’J制定机组发电 题Ⅲ一】 采用经典RS理论处理问题时．要求各输 计划的基础¨_”．对系统的安全、经济和可靠运行 入变量的取值是离散的．虽然当前对变量作离散 具有非常重要的作用 常用的预测方法主要包括 化处理并不闲难．但这些方法并未将各类元素间 以时间序列法为代表的传统方法和以神经网络法 的可分辨性考虑进来．因此采用该方法作属性约 为代表的智能方法两大类卜。I时间序列法原理和 简处理将有可能丢失关键信息．而FRS方法通过 模型相对简单．但不能考虑影响负荷的一些因素， 计算相应的隶属度以剔除冗余属性来完成约简． 如气象、休息日等 神经网络方法号虑r影响负 可使得到的属性约简中不丢失关键信息 基于以 荷的不确定因素．预测效果较时间序列法有了明 上分析．本文提出一种采用模糊粗糙集(FRS)和SVM 显的改善㈣．但在确定网络结构时缺乏有效的理论 的短期负荷预测方法：使用FRS理论中的属性 方法．基本上是凭经验和反复试验来确定，这无 约简算法对与负荷相关的各种影响因素作约简处 疑会影响到预测效果、 理．剔除与决策信息不相关的因素．再将约简后 支持向量机(SvM)方法很好地解决了小样本、的幽素作为SVM的输入该方法充分结合了2种 非线性、高维数和局部极小点等实际问题㈣，比神 智能算法的优点．不仅克服了以往依据经验选择 经网络法性能更优越．在电力负荷预测中获得了 SVM输入变量的缺陷．还简化rSVM网络的结 厂一泛的J赶用…卜¨l SvM方法的缺陷是：当待处理 构．节约了训练时间 的问题数据规模过大时．会造成信息膨胀．加重 j，SVM的训练负担．减慢了汁算速度【因此从影 1基于FRS约简的SVM模型输7＼变量确定 响负荷的众多因素中合理选择输入变量，成为基 丁SVM的负荷预测方法亟待处理的问题，，粗糙集 1．1 FRS基本理论 作为经典RS理论的扩展．FRS用模糊集合代 (roughsets，RS)理论112I能有效地处理存在不精确 收稿日期：2014一lO·27 基金项目：国家自然科学基金资助项目；湖南省高校创新平台开放基金资助项日(12K074) 作者简介：赵慧材(1989一)，男，湖南益阳人，硕十研究生．从事电力系统运行与规划方面的研究。 26．com E-mail：caizil 989@1 万方数据 替精确集合¨7圳l、通过在论域上引入模糊相似关系