基于模糊聚类与RBF网络的短期负荷预测

《基于模糊聚类与RBF网络的短期负荷预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、维普资讯http://www.cqvip.com第34卷第10期继电器Vo1．34No．10642006年5月16日RELAYMay16，2006基于模糊聚类与RBF网络的短期负荷预测王平，张亮，陈星莺(河海大学电气工程学院，江苏南京210098)摘要：采用模糊聚类分析方法，应用隶属度来描述负荷与影响负荷变化因素之间的关系，得到一批与预测日在样本信息上类似的历史日；改进RBF网络的训练算法，增强RBF网络的局部逼近能力和泛化能力，采用由模糊聚类分析获得的样本对RBF网络进行训练，在不需大量训练样本的前提下实现对短期负荷的预测。对浙江省某地区电网的实际负荷

2、数据仿真结果表明：该方法预测的日平均相对误差为19l％，预测准确度为97．4l％。关键词：模糊聚类；隶属度；RBF网络；短期负荷预测中图分类号：TM715文献标识码：A文章编号：1003-4897(2006)10-0064434本文在分析模糊聚类与ANN各自特点的基础0引言上，发挥它们各自的优势，提出一种新的短期负荷预短期负荷预测_l是指预测未来一天至一周的测方法：基于模糊聚类分析与径向基函数网络电力负荷，为电力系统预调度计划提供决策依据。(RBF)的短期负荷预测。在该方法中，首先从历史它通过对已有的历史负荷和影响负荷变化的各种相样本中采样，将影响负荷变

3、化的影响因素(气温、日关因素进行分析和研究，采用有效的预测方法，在满类型、光照量、降雨量)数值化，进行模糊聚类分析，足一定精度的前提下，对未来24h至168h的电力得到一批与预测日样本信息类似的历史日样本信负荷作出预测。息；然后将这些历史日样本信息及相应的历史日负模糊集理论2是数学领域近年来发展较快的荷值输入RBF神经网络，对网络进行训练；最后，将一个分支。模糊集将普通集合的特征函数灵活化，预测日样本信息输入训练好的RBF网络，实现对短使元素对集合的从属程度由只能取{01}中的值期负荷的预测。该方法利用模糊聚类分析对类似信扩充到[01]中的任何值，一个元

4、素和一个集合的息的聚类能力，从历史日中选取与预测日类似的一关系，不一定是绝对的“属于”或“不属于”，而需要批样本，利用RBF网络的局部逼近能力，保证了在考虑元素隶属于集合的程度是多少。所以，模糊集历史样本较少的情况下也能成功进行短期负荷预合是经典集合的推广，让精确的数学语言进入了模测。采用该方法对浙江省某地区电网的短期负荷预糊现象的禁区。短期负荷预测中，影响负荷变化的测结果显示：该方法的日平均相对误差为1．91％，因素与预测对象之间没有绝对的隶属关系，只有相预测准确度为97．41％。对的隶属程度。因此，用模糊集来刻画影响因素与1预测样本的模糊聚类分析预测

5、对象之间的关系，是非常合理的。基于模糊集理论的模糊聚类分析，近年来研究由Tamura首创的基于模糊等价关系的动态聚较多，并且已经在环境保护、地质勘探、气象预报等类分析方法J，发展较早，是一种实用的聚类分析方领域得到很多应用。但是，把模糊聚类分析应用法。该方法的基本思想是将预测样本的各项指标进于电力系统短期负荷预测，目前研究较少。行量化，形成指标特征值，然后对指标特征值进行相人工神经网络(ANN)是近十几年来的研究似陛标定，形成模糊矩阵R，通过模糊计算，形成具有热点，把ANN应用于电力系统短期负荷预测，研究自反性、对称性和传递性的模糊等价矩阵t(R)，最后

6、的较多，方法也较为成熟。但是，单纯采用ANN进选取水平值A进行分类。1．1模糊相似矩阵的建立行短期负荷预测，基本上都需要大量的训练样本，来设凡个样本组成的集合X={，：，⋯，}，每大范围映射负荷变化的因素与负荷值之间复杂的非线性关系，使得训练的过程中误差较大J。个样本有m个指标特征值Xj=(：一，面)，所维普资讯http://www.cqvip.com王平，等基于模糊聚类与RBF网络的短期负荷预测65以集合可用矩阵表示为X={z，其中为聚类样本指标i的特征值，i=1，2，⋯，m；_『=1，2，⋯，／7,。计算的：1n均值：x—i=1∑xi'(1)输入层隐

7、层输出层————一图1径向基函数网络标准差：sj=^，＼／17∑(一)(2)Fig．1Radialbasisfunctionnetwork,不同于反向传播(BP)网络的隐层节点作用函标准化值：=(3)i数(通常是Sigmoid函数)，RBF网络隐层的作用，，^，一^，函数通常采用高斯函数：相对隶属度：=卫(4)jmax—jram()=exp[一L_一L](7)式(1)、(2)、(3)是对样本数据的预处理，使得实际样本指标值差异较大的数据具有可比性，并且使所式(7)中，i=1，2，⋯，m，m是隐层神经元的个数；有样本值标准化在[0，1]闭区间中。式(4)中

8、，r称是／7,维输入向量；ci是第i个径向基函数的中心，与为样本_『的指标i对某