基于模糊聚类和灰色关联分析结合的神经网络负荷预测研究.pdfVIP

第八届中国青年运筹信息管理学者大会论文集 桂林，2006年8月18-22日，第9卜95页 基于模糊聚类和灰色关联分析结合的神经网络负荷预测 康丽峰尹成群孙伟 华北电力大学，河北保定，071003 摘要针对样本选择是关系到神经网络负荷预测模型训练速度和预测精度的关键问题，提出了 将模糊聚类和灰色关联分析相结合的方法，井与只采用其中一种的情况进行了对比，预测结果 表明本文所提方法的预测效果较好。 关键词负荷预测，模糊聚类，灰色关联分析，神经网络 1引言 电力负荷具有日周期性、周周期性等特性。负荷模式越相近，负荷曲线的形状越相似。 采用神经网络进行负荷预测时，如果选择的洲练样本的模式与预测时刻的负荷模式相近， 则预测效果就较好。灰色关联分析法是根据相似性选择训练样本的一种很好的方法，它需 要的数据量较少，也不需要满足某种分布，但是采用灰色关联分析每次都需要计算所有训 练样本与预测时刻的负荷模式的关联度，比较费时，所以，在此先采用模糊聚类分析法将 众多的样本分成若干类，然后再采用灰色关联分析计算各类与预测时刻负荷模式的相似 度，选择关联度蛙大的一类作为预测时刻的训练样本。通过对某地区1999年的负荷数据 结果表明了本文所提方法的有效性。 2灰色关联分析 灰色关联分析法是一种多因素统计分析方法，它是以备因素的样本数据为依据用灰色 关联度来描述因素间关系的强弱、大小和次序的。如果样本数据列反映出两因素变化的态 势基本一致，则它们之问的相关度较大：反之，关联度较小。灰色关联分析法具体的实现 步骤如下： (1)确定序列矩阵。把被影响序列用y0表示，比较序列用西，如，L，t表示，则构成 如下矩阵： fK(1)‘(1)Lt(1)1 MM M ‘1) (晶，^，屯，L，玉)=J I l匕(七)五(七)L葺(克)J 在电力负荷预测系统中，Io代表预测时刻的负荷模式，‘，屯，L，玉代表训练样本。 康丽峰尹成群孙伟 m (2)月初值化方法剃抚期化初值忪劫：水)=瑞一=L2’L 尼=L2,L，m，得到无量纲矩阵 0皿 z 0 @ = ≈咖 M拈产 砗 M扯“川i√¨ k=1，2，L，m，可得差值矩阵 舢m) L A。。(1)、 M I (3) ，．．．．．．．．．．．．．．．．．．．L 蛳M■) L A。。(m)J 同时找出差值矩阵中的最大数和最小数，用A。和△‰表示。 (4)计算关联系数。关联系数的计算公式为： ㈤ n。I 引咖焘带恚’i=1,2,L— K，十Ⅳn一 式中p为分辨系数，pc【o，1]，通常取p0．5，得到关联矩阵为： f f。。(1)Lf。。(1)1