二型模糊系統(tǒng)模糊性測試及其在電力負荷預測中的應用研究.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)一型模糊邏輯擴展而來，能夠利用語言形式的人類專家經驗，在處理不確定性方面具有獨特的優(yōu)勢，適用于非線性和隨機干擾嚴重的復雜系統(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，可調節(jié)的隸屬度函數(shù)的參數(shù)增多了，并通過擴展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)辨識中具有獨特的性能，利用其可以同時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。本文重點研究二型模糊性測度及其在二型模糊系統(tǒng)辨識中的應用，以消除冗余模糊集合與冗余模糊規(guī)則帶來的不良影響：并將構建的精簡模型用于電力負荷時間序列預測，以提高預測精度。
　　 電力負荷預測是電力工業(yè)中的一項重要工作。準確的電力負荷預測是合理進行電力系統(tǒng)規(guī)劃、建設、生產、調度以及檢修的重要依據(jù)，可

3、以保證電網(wǎng)安全、經濟的運行，提高電力企業(yè)的經濟和社會效益。然而，電力負荷的波動是一個隨機非平穩(wěn)過程，受諸多自然、社會因素的影響，各種影響因素也是不確定的，因而對其準確預測的難度很大。隨著電力市場化改革的不斷深入，電力系統(tǒng)中蘊含的各種不確定因素使得決策工作面臨著一定程度的風險，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荷的預測精度具有十分重要的意義。傳統(tǒng)的預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的處理不確定性的能力，適用于時間序列預測，為電力負荷預測提供了新的思路。
　　 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，因此在構建兩種測度的

5、計算公式時考慮了這兩個因素；分析了普通二型模糊包含度的性質；討論了兩種新測度的相互轉換關系，揭示了其內在聯(lián)系：最后通過實例來驗證新測度的性能，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果，驗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算復雜的缺點，是目前理論研究和實際應用的熱點。針對區(qū)間二型模糊邏輯的特點，在三種區(qū)間二型模糊性測度公理化定義的基礎

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)運算的特點，提出了三種測度的相應計算公式；分析了區(qū)間二型模糊包含度的性質；討論了三種新測度的相互轉換關系。最后，通過實例驗證了新測度的性能，為下一步的應用奠定了理論基礎。
　　 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節(jié)系統(tǒng)參數(shù)的基礎上，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，還可以通過合并的手段減少冗余模糊規(guī)則的數(shù)目；然后在此基礎上利用奇異值分解法來優(yōu)選模糊規(guī)則?？傊撍惴軌蛴行У叵哂嗄：吓c冗余模糊規(guī)則帶來的不良影響，降低模糊推理過程的計算復雜度，并提高系統(tǒng)的逼近精度。最后，針對電力負荷具有強隨機性而難以準確預測的問題，引入二型模糊邏