基于改进DFNN的短期电价预测新方法.pdf

维普资讯 第34卷 第6期 继 电器 Vol。34 No．6 34 2006年3月l6日 RELAY Mar．16．2006 基于改进 DFNN的短期电价预测新方法 敖 磊 ，刘旭东 ，吴耀武 ，熊信银 (1．华中科技大学电力系，湖北 武汉430074； 2．湖北省宜昌供电公司，湖北 宜昌443003) 摘要：提 出了一种改进的动态模糊神经网络DFNN(DynamicFuzzyNeuralNetwork)的短期电价预测方法。首 先对采集到的信息进行特征提取 ，然后利用模糊粗糙集理论 中的信息熵进行属性简化、去掉冗余信息，最后用 得到的属性作为动态模糊神经网络(DFNN)的榆入进行训练预测。在模糊神经网络 内部引入递归环节，构成 了动态模糊神经网络，并采用具有全局寻优能力的遗传算法来训练网络，克服 了单纯BP算法易陷入局部最 优解的困境。最后以关国加州电力市场公布的2000年数据进行 了模型训练和预测，结果表明该方法所建立 的预测模型具有较高的预测精度。 关键词：出清电价；短期电价预测； 动态模糊神经网络(DFNN) 中圈分类号：TM715 文献标识码：A 文章编号2006)06-0034-05 对误差较大，与实用化仍有一定距离。文献[5]提 0 引言 出基于BP神经网络预测下一交易 日系统电价，该 随着全球电力市场化。。大趋势的到来，电力行 神经网络分为两部分：一部分用来预测规律性强的 业逐渐由垄断经营走向竞争，这与国际上电力工业 基本系统电价；另一部分用来预测下一交易 日与当 解除政府管制(deregulation)引入竞争机制的改革浪 日同一时段系统电价的差值，两部分神经网络之和 潮相辉映。这一发展趋势开始于南美和欧洲，目前 即为下一交易口预测时段的系统电价值，但该文献 已经席卷美国。这一变革对电力工业的传统运营模 并未给出具体模型和预测精度。 式带来了深刻的影响。在新的模式下建立了区域性 本文将模糊逻辑系统技术与神经网络相结合构 的统一电力交易市场，通过市场的拍卖过程确定各 成模糊神经网络系统，利用神经网络调整模糊逻辑 相互竞争的电力企业的发电量。我国目前已经有部 推理系统的隶属度函数和调整推理规则，利用模糊 分省份开始了电力系统市场化运行的试点工作 】。 推理规则的形式构造前向传播结构，从而可以充分 出清电价(MarketClearingPrice)是电力市场中 发挥各 自的特点，实现相互补充。此外，普通的神经 反映电力商品短期供求关系的重要数据 从系统购 网络 具备反馈结构而使应片j范围仅限于静态问 电方来看，MCP构成了它的单位购电成本，MCP的 题，对动态问题控制无效。 实际的短期出清电价 预测使 自身的动态成本控制成为可能；从发电方来 预测中，过程的变量足时间的函数，具有动态特性， 看，MCP是它的产品价格，其利润依赖于f、停确把握 需要具有动态特性的预测技术 此 ，本文在模糊 短期市场走向，把握市场的关键是对MCP的准确预 神经网络内部引入递归环节，构成了动态模糊神经 测。因此，电价预测就成为电力市场中急待 f究和 I料J络 DFNN(DynamicFuzzyNeuralNetwork)，井采用 解决的课题 具有全局寻优能力的遗传算法来训练网络，克服了 单纯 BP算法易陷入局部最优解的困境。文中把 J 出清电价预测方法概