改进模糊神经网络在负荷预测中的应用研究 research on the use of improved fuzzy artificial neural network in load forecasting.pdfVIP

第24卷第2期 电 力 学 报 V01．24NO．2 POWER 2009 2009年4月 JoURNAL0FELECTRIC Apr． 文章编号： 1005—6548(2009)02—0101—04 改进模糊神经网络在负荷预测中的应用研究 丁思敏，吴军基 (南京理工大学动力工程学院，南京210094) 摘 要：电力系统短期负荷预测是电网调度中一项重要的工作，精确的负荷预测可以为调度员 提供必-re的基础数据，电网运行安排也都是以负荷预测的数据作为根据。利用人工神经网络可以 任意逼近非线性系统的特性，将其用于短期负荷预测。研究了改进的误差反向传45算法——动量 及自适应lrBP的梯度递减训练算法，预测结果表明比标准BP算法具有更好的性能。同时，针对 大量无法用精确数值来量化的信息的影响，引入模糊理论的方法，定义了不同的隶属度函数，模糊 化后输入到网络中进行训练和预测，结果表明其精度比输入量非模糊化的人工神经网络更高。 关键词：神经网络；改进BP；负荷预测；模糊输入 中图分类号：TM715；TPl83文献标识码：A 电力负荷预测是供电部门的重要工作之一，准 网应用最为普遍。节点的作用函数通常选取s型 确的负荷预测，可以经济合理地安排电网内部发电 函数。 机组的启停，保持电网的安全稳定性，减少不必要的 对某市电力负荷作了预测仿真。又引入各模糊 旋转储备量，合理安排机组检修计划，保证社会的正 变量的隶属度函数，将输入量模糊化的模糊神经网 常生产和生活，有效地降低发电成本并提高经济效 络应用于短期电力系统负荷预测，进行了比较。 益和社会效益，已成为电力系统不容忽视的研究课 1 题之一m]。 厂(z)一南· 运用改进的人工神经网络进行电力系统短期负 荷预测。针对传统的BP网络的训练速度太慢的缺 点，讨论了BP网络的改进算法，使之能显著提高训 练速度并使算法实用化。 1 改进的人工神经网络算法及模糊集合 图1三层BP神经网络模型 1．1 改进的人工神经网络算法 算法的基本思想是，学习过程有信号的正向传 Neural 人工神经网络(ArtificialNetworks)简称 播与误差的反向传播两个过程组成。正向传播时， ANN或NN，它是对人脑或自然神经网络(Natural 输入样本从输入层传入，经各隐层逐层处理后，传向 Neural Network)若干基本特性的抽象和模拟。神经 输出层。若输出层的实际输出与期望输出(教师信 网络是由处理单元组成的一种并行的分布式信息处 号)不符，则转入误差的反向传播阶段。误差反传是 理结构，处理单元之间由单向信道相互连接。人工神 将输出误差以某种形式通过隐层向输入层逐层反 经元是神经网络的基本计算单元，模拟了人脑中神经 传，并将误传分摊给各层的所有单元，从