二型模糊系統(tǒng)模糊性測試及其在電力負(fù)荷預(yù)測中的應(yīng)用研究.pdf

1、基于二型模糊邏輯的二型模糊系統(tǒng)辨識是非線性系統(tǒng)辨識的一種有效方法。二型模糊邏輯由傳統(tǒng)一型模糊邏輯擴(kuò)展而來，能夠利用語言形式的人類專家經(jīng)驗(yàn)，在處理不確定性方面具有獨(dú)特的優(yōu)勢，適用于非線性和隨機(jī)干擾嚴(yán)重的復(fù)雜系統(tǒng)。與一型模糊邏輯相比，二型模糊邏輯以二型模糊集合為基礎(chǔ)，可調(diào)節(jié)的隸屬度函數(shù)的參數(shù)增多了，并通過擴(kuò)展Sup-star合成來完成模糊推理過程，因而獲得了更好的處理不確定性的能力。模糊性測度是促進(jìn)模糊邏輯更好的發(fā)揮其作用的重要工具。一型模

2、糊性測度在一型模糊系統(tǒng)辨識中具有獨(dú)特的性能，利用其可以同時(shí)精簡冗余模糊集合與冗余模糊規(guī)則；而在二型模糊系統(tǒng)辨識中，類似的研究還鮮有人問津。本文重點(diǎn)研究二型模糊性測度及其在二型模糊系統(tǒng)辨識中的應(yīng)用，以消除冗余模糊集合與冗余模糊規(guī)則帶來的不良影響：并將構(gòu)建的精簡模型用于電力負(fù)荷時(shí)間序列預(yù)測，以提高預(yù)測精度。
　　 電力負(fù)荷預(yù)測是電力工業(yè)中的一項(xiàng)重要工作。準(zhǔn)確的電力負(fù)荷預(yù)測是合理進(jìn)行電力系統(tǒng)規(guī)劃、建設(shè)、生產(chǎn)、調(diào)度以及檢修的重要依據(jù)，可

3、以保證電網(wǎng)安全、經(jīng)濟(jì)的運(yùn)行，提高電力企業(yè)的經(jīng)濟(jì)和社會(huì)效益。然而，電力負(fù)荷的波動(dòng)是一個(gè)隨機(jī)非平穩(wěn)過程，受諸多自然、社會(huì)因素的影響，各種影響因素也是不確定的，因而對其準(zhǔn)確預(yù)測的難度很大。隨著電力市場化改革的不斷深入，電力系統(tǒng)中蘊(yùn)含的各種不確定因素使得決策工作面臨著一定程度的風(fēng)險(xiǎn)，而在決策工作中必須考慮電力需求的不確定性。在這種背景下，尋找一種能有效處理不確定性的方法來提高電力負(fù)荷的預(yù)測精度具有十分重要的意義。傳統(tǒng)的預(yù)測方法由于存在著諸多不足

4、而難以得到理想的效果，于是人們把注意力轉(zhuǎn)移到了一些基于人工智能理論的現(xiàn)代方法上，其中二型模糊邏輯具有較強(qiáng)的處理不確定性的能力，適用于時(shí)間序列預(yù)測，為電力負(fù)荷預(yù)測提供了新的思路。
　　 本文鑒于二型模糊性測度在二型模糊系統(tǒng)辨識領(lǐng)域中的重要性，研究了二型模糊性測度，提出了公理化定義下的普通二型模糊相似度與模糊包含度，其中的公理符合人們的直覺認(rèn)識。對于普通二型模糊集合而言，不確定性的跡與次隸屬度函數(shù)是最重要的因素，因此在構(gòu)建兩種測度的

5、計(jì)算公式時(shí)考慮了這兩個(gè)因素；分析了普通二型模糊包含度的性質(zhì)；討論了兩種新測度的相互轉(zhuǎn)換關(guān)系，揭示了其內(nèi)在聯(lián)系：最后通過實(shí)例來驗(yàn)證新測度的性能，并將普通二型模糊相似度與Yang-Shih聚類方法相結(jié)合用于高斯普通二型模糊集合的聚類分析，得到了合理的聚類結(jié)果，驗(yàn)證了新測度的合理性與有效性。區(qū)間二型模糊邏輯克服了普通二型模糊邏輯計(jì)算復(fù)雜的缺點(diǎn)，是目前理論研究和實(shí)際應(yīng)用的熱點(diǎn)。針對區(qū)間二型模糊邏輯的特點(diǎn)，在三種區(qū)間二型模糊性測度公理化定義的基礎(chǔ)

6、上，提出了新的區(qū)間二型模糊相似度、模糊包含度與模糊熵。考慮了區(qū)間二型模糊集合依賴上、下隸屬度函數(shù)運(yùn)算的特點(diǎn)，提出了三種測度的相應(yīng)計(jì)算公式；分析了區(qū)間二型模糊包含度的性質(zhì)；討論了三種新測度的相互轉(zhuǎn)換關(guān)系。最后，通過實(shí)例驗(yàn)證了新測度的性能，為下一步的應(yīng)用奠定了理論基礎(chǔ)。
　　 為了將本文提出的區(qū)間二型模糊相似度用于區(qū)間二型模糊系統(tǒng)辨識，提出了一種反向傳播-相似度-奇異值分解混合迭代算法。在利用反向傳播算法調(diào)節(jié)系統(tǒng)參數(shù)的基礎(chǔ)上，通過區(qū)

7、間二型模糊相似度來識別模糊規(guī)則庫中的冗余模糊集合，采用合并、刪除的手段來消除之，這樣就減少了模糊規(guī)則庫所需的模糊集合的數(shù)目，提高了模糊規(guī)則的可解釋性；若冗余性較強(qiáng)，還可以通過合并的手段減少冗余模糊規(guī)則的數(shù)目；然后在此基礎(chǔ)上利用奇異值分解法來優(yōu)選模糊規(guī)則?？傊?，該算法能夠有效地消除冗余模糊集合與冗余模糊規(guī)則帶來的不良影響，降低模糊推理過程的計(jì)算復(fù)雜度，并提高系統(tǒng)的逼近精度。最后，針對電力負(fù)荷具有強(qiáng)隨機(jī)性而難以準(zhǔn)確預(yù)測的問題，引入二型模糊邏