基于减法聚类模糊推理系统的短期负荷预测.docVIP

基于减法聚类模糊推理系统的短期负荷预测 　　摘要：采用减法聚类辅助模糊推理系统进行电力系统短期负荷预测。首先用减法聚类建立T-S模糊模型，然后通过调整聚类半径优选模糊规则数，以取得具有良好泛化性能的模型，最后利用梯度下降混合最小二乘算法精调参数。利用某局网负荷数据对ANFIS网络模型进行训练和检测，然后用于负荷预测，所得结果表明该算法鲁棒性好，抗干扰能力强，并且预测时间较ANFIS大大减少。 　　关键词：减法聚类辅助模糊推理系统；自适应神经模糊推理系统；电力系统；短期负荷预测 　　中图分类号：TP301文献标识码：A文章编号：1009-3044(2008)20-30363-03 　　 　　Short-term Load Forecasting Based on ANFIS with Subtractive Clustering 　　GUO Heng, SUI Ming-xiang 　　(Zhongshan Ploytechnique College, Zhongshan 528404, China) 　　Abstract: The application of Subtractive Clustering Fuzzy Inference System model to forecast short-term load is presented. Firstly, Subtractive clustering is used to generate a T-S fuzzy model. Secondly, the radius of a cluster center is adjusted to select optimal fuzzy rules, to acquire a fuzzy model with perfect generalization capability. Finally the parameters is fine-tuned by means of a hybrid gradient descent (GD) and least-squares estimation (LSE). This paper gives a certain network data to train and check the Adaptive Neuro-Fuzzy Interference System (ANFIS) with Subtractive Clustering neural network, then give the simulation example of modelingto forecast short-term load, and the results ware indicates that this strategy has good robust and anti-disturb ability, and it uses less training time than ANFIS. 　　Key words: Subtractive Clustering Fuzzy Inference System; Adaptive Neuro-Fuzzy Interference System (ANFIS); Power System; Short-Term Load Forecasting 　　 　　1 引言 　　 　　短期负荷预测是对一年内数月、数周、数天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，它对于建立电量计费系统、实行峰谷分时电价和建立模拟电力市场等均有深刻影响。从1970年，Sijesen采用谱分解技术、Toyoda将状态空间模型[1]和卡尔曼滤波进行负荷预测[2]、20世纪80年代末，Rahman把专家系统引入到短期负荷预测中[3]，到20世纪90年代，人们运用神经网络技术进行短期负荷预测[4-12]，出现了大量的负荷预测的方法[13-14]。 　　模糊神经网络综合了模糊逻辑系统对先验知识的概括提取能力和神经网络对未知特性的学习归纳能力，得到了非常广泛应用。应用模糊神经网络建模时，一般要经过结构辨识和参数辨识两个阶段，结构辨识决定了输入空间的初始划分以及模糊规则的数目[15]，对最终建模结果影响显著，目前多采用聚类法获取模糊规则以及确定模糊规则的数目。采用减法聚类建模，可无需提前规定聚类数，仅根据样本数据即可快速决定聚类中心，因此本文采用减法聚类进行模糊神经网络的结构辨识。减法聚类是一种用来估计一组数据中的聚类个数及聚类中心位置的快速单次算法，由减法聚类算法得到的聚类估计可用于自适应神经网络模糊系统ANFIS（Adaptive Neu