混合智能建模技術及其在短期負荷預測中的應用研究.pdf

1、對于現(xiàn)實中存在的許多復雜系統(tǒng)，由于其具有非線性、過程不確定性、時變性、時滯性與多變量耦合等特性，使得人們對其演化過程難以辨識和預測?；谲浻嬎惴椒ǖ闹悄芙＜夹g為解決這類問題提供了一個有效的途徑。 論文首先介紹了智能建模技術的概念、研究發(fā)展及其應用情況，主要概述基于模糊推理系統(tǒng)的混合智能建模技術，并介紹了其在電力系統(tǒng)中的應用情況。本文的主要研究成果可分為兩大部分： 第一部分主要是提出幾種進化模糊系統(tǒng)并將其應用于混沌時間序

2、列預測和非線性動態(tài)系統(tǒng)辨識與控制中。這部分內容包括第二章至第四章，主要內容如下： 第二章提出了一種基于進化規(guī)劃和最小二乘法的自動模糊建模算法EPLSE，利用擴展T-S模型中的后件參數(shù)，對訓練誤差實現(xiàn)了二次修正，顯著地提高了建模精度并精簡了模糊規(guī)則基。這種建模方法在混沌非線性時間序列預測的仿真中顯示出一定的優(yōu)越性，也為第六章提出的三階段短期電力負荷預測方法提供了理論基礎。 第三章通過分析進化規(guī)劃和粒子群優(yōu)兩種不同類型進化算

3、法的各自優(yōu)缺點，提出了一種新型混合進化算法EPPSO，并將EPPSO應用于設計模糊辨識器與模糊控制器，在非線性動態(tài)系統(tǒng)的辨識與控制中得到了有效的應用。 第四章提出了本文的核心模型一自適應拓展模糊基函數(shù)網(wǎng)絡。該模型吸取了ANFIS建模的思想，但其在初始時首先實現(xiàn)模糊輸入空間的劃分，然后提出對初始模型進行微調的思想，為提高模型的性能提高提供了一種新的途徑。作為一種新型優(yōu)越的進化模糊系統(tǒng)，其在本章的混沌時間序列預測以及后續(xù)章節(jié)的負荷預

4、測中均得到了驗證。 第二部分則主要針對電力系統(tǒng)短期負荷預測(Short-Term Load Forecasting，STLF)研究，在完成異常數(shù)據(jù)辨識與修正的基礎上，對浙江省全年各個階段的負荷進行了提前24小時預測。第五章至第七章的內容主要如下： 第五章為進行電力系統(tǒng)負荷預測的數(shù)據(jù)清理環(huán)節(jié)，主要解決電力負荷異常數(shù)據(jù)的辨識與修正問題。本章基于統(tǒng)計的方法獲得負荷歷史數(shù)據(jù)中的異常部分，然后基于人工免疫網(wǎng)絡和圖論聚類算法所獲得負

5、荷特征曲線對異常數(shù)據(jù)進行修正。 第六章主要研究氣象敏感日的STLF問題，提出一種基于模糊推理系統(tǒng)的三階段混合智能建模技術。首先，基于最小二乘法實現(xiàn)對模糊輸入空間的劃分；然后，在第二階段，拓展單輸出模糊模型為一階T-S模糊模型，并應用混合進化算法EPPSO調節(jié)其前件參數(shù)，同時學習后件參數(shù)；第三階段在前面獲得的模糊模型的基礎上，將模型輸出誤差看作一個新的時間序列，基于氣象變量，應用最小二乘法選取最為重要的幾個變量加入模糊模型后件，同

6、時加以辨識。對浙江省電力公司2001年全年除節(jié)假日外所有負荷日進行了提前24小時負荷預測，其中對于氣象不敏感的春秋季應用前兩階段所獲得的模糊模型進行預測，全年預測結果顯示該模型非常有效。 第七章對節(jié)假日負荷提出一種新型預測方案，將預測問題分解成峰谷負荷預測和比例負荷曲線預測問題。對于峰谷負荷，應用一種模糊線性回歸方法來預測；而對于比例負荷曲線預測，則可直接采用第四章提出的自適應拓展模糊基函數(shù)網(wǎng)絡來進行預測。將兩種算法所獲得的預測