基于模糊神經網絡的短期負荷預測.pdf

1、電力系統(tǒng)短期負荷預測是電力系統(tǒng)調度運營和負荷管理的一項重要的日常工作，其預測精度的高低直接影響到電力系統(tǒng)運行的安全性、經濟性和供電質量，它的特點可以歸納為：要預測的數(shù)據個數(shù)多、影響預測的物理因素復雜且具有隨機性和預測精度要求高等。由于負荷預測的復雜性、不確定性，從而使傳統(tǒng)的基于解析模型和數(shù)值算法的模型難以獲得精確的預測結果。 本文結合電力系統(tǒng)負荷預測中存在的問題，在研究了神經網絡(ANN)理論和模糊理論的基本概念和方法的基礎上，

2、提出基于神經網絡和模糊神經網絡的兩種負荷預測方法。 在負荷預測的人工神經網絡方法中，采用了神經網絡中經典的BP算法，提出了適合電力系統(tǒng)短期負荷預測的神經網絡模型，該模型充分利用了神經網絡高度非線性建模能力。在保證有足夠的訓練樣本的前提下，對預測模型進行合理分類，構造了相應于不同季節(jié)和日類型的預測模型，并對輸入變量的選擇問題，進行了討論。 本文提出一種用于短期負荷預測的模糊系統(tǒng)。該系統(tǒng)集模糊推理、神經網絡結構和學習算法于一

3、體，構成基手神經網絡的模糊推理系統(tǒng)，又稱模糊神經網絡(FNN)。FNN利用神經網絡的反向傳播算法，對24點每一個點建立一個預測模型，根據輸入輸出樣本來自動設計和調整模糊系統(tǒng)的設計參數(shù)，實現(xiàn)模糊系統(tǒng)的自學習和自適應功能，同時還實現(xiàn)了模糊預測模型的自動更新，而且能不斷修正各模糊子集的隸屬函數(shù)，使模糊建模更具合理性。 ANN和FNN兩種方法都是從負荷變化的非線性本質出發(fā)，結合負荷時間序列隨時間變化的特點，提出預報模型。在預測過程中，