基于自适应神经模糊推理系统ANFIS的电力系统短期负荷预测.pdfVIP

第f．届会国Il_l-T数学学术年会论文集 I墨皇囊 一I i, I S)的电力系统 基于自适应神经模糊推理系统(ANF 短期负荷预测 郭恒罗可唐贤瑛 (长沙理一人学计算机与通信I：科学院，湖南长沙410076) 摘 要 神经网络融合，利用神经网络来实现系统的模糊逻辑推理，采用混合学习算法调整前提参数和结论参数，自动产 生模糊规则。利用某局网负荷数据对刚络进行训练和柃测，所得结果表l!Jj利用ANFIS预测负荷有效。 关键词：自适应神经模糊推理系统；I【i力系统：矩期负f；l!l：预测 1引言 电力系统负荷预测是电力系统运行管理和实时控制所必需的基本内容，为系统潮流分布计算 和稳定性分析提供原始资料，对丁．电力系统安全可靠的运行起着十分重要的作用：短期负荷预测 是对一年内数月、数周、数大的电力系统负荷的发展变化情况所做的预测，是各级电力市场的重 要组成部分，它对于建立电簧计费系统、实行峰谷分时电价和建立模拟电力市场等均有深刻影响。 已经成为电力研究人员及学者研究的热点问题之一。 1970年，Sijesen采用谱分解技术进行负荷预测lll，开始将负荷预测技术应用于实际系统；1970 年，Toyoda将状态空间模型和卡尔曼滤波引入负荷预测f2J，获得了负荷预测的在线应用；20世纪 80年代末，Rahman把专家系统引入到短期负荷预测中l引，引起人们的极大关注。进入20世纪90 年代，人们开始运用神经网络技术进行短期负荷预测，并且取得了比传统预测方法更好的效果， 受到众多专家学者的重视，掀起了负荷预测的新高潮。 Inference 本文采用自适应神经模糊推理系统(ANFIS：AdaptiveNeuro．FuzzySystem)进行电 力系统短期负荷预测。ANFIS是模糊推理系统与神经网络相结合的产物，用神经网络实现了模糊 系统，同时具有模糊推理的可理解性上『神经网络的学习能力，可通过训练来求得其中的参数，不 必依赖专家经验人工事先确定。通过对某局网内的某负荷节点1998年12月的负荷进行预测，证 明本文所提出的方法能够取得精确的结果。 I 2用自适应模糊神经推理系统ANF s进行短期负荷预测 是一种对有精确输入、输出数据集产生模糊规则推理的系统化方法。它结合模糊逻辑与神经网络 二者之优势，改善了传统模糊控制设计中必须人为地不断调整隶属度函数以减小误差的不足，采 用混合学习算法调整前提参数和结论参数，白动产生模糊规则。对丁．一阶Sugeno模糊系统，假设 其具有两条模糊规则，即： 基于自适应神经模糊推理系统(ANFIS)的f乜力系统{iij!期负荷预测 ． i—i ■—■■—■■■曩墨I一． _一 一i—————i 一 一I——L皇墨葛置皇蔓皇_鼍墨量 and 规则l：矿x=Al Y=BI，ThenZ=PJ工+gly+一 and 规则2：矿x=A2Y=B2，Then^=P2x+q2Y+％ 本文采用自适应模糊推理系统进行电力系统短j{|j负荷预测，所选用的数据为前三天的实际负 荷数据，并将样本数据集分为训练数据集平¨测试数据集；所用的ANFIS模型为一个具有两输入单 输出的五层一阶Sugeno模糊系统。图1所示为其网络结构，其中节点的连线表示信号流向，方形 节点表示带有可调参数的’，点，劂形：1，点表示不带有可调参数的节点。下面简述各层的功能(这 里同一层的节点具有相同的函数)： 第四层 I