基于模糊聚类与RBF网络的短期负荷预测.pdf

维普资讯 第34卷 第10期 继 电器 Vo1．34 No．10 64 2006年5月16日 RELAY May16 ，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 {0 1}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[0 1]中的任何值，一个元素和一个集合的 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