基于模糊聚类和关节控制器神经网络的边际电价预测.pdf

第 25卷第 6期 电 力 科 学 与 工 程 Vo1．25，No。6 J衄 ．，2009 5l 2009年6月 ElectricPowerScienceandEngineering 基于模糊聚类和关节控制器神经网络的边际电价预测 刘吉来 (浙江水利水电专科学校，浙江杭州310018) 摘要：应用基于模糊聚类和关节控制器神经网络的边际电价预测方法，精确预测边际电价，并有效克服BP 等算法中负荷峰谷时段出现的预测误差大、结果不稳定的现象。通过计算实例进行边际电价预测，预测结 果表明：方法输出稳定性好、计算速度快、预测精度较高。 关键词：关节控制器；模糊聚类；电价预测 中图分类号：TM73；F123．9 文献标识码：A 显。针对这一现象，本文采用了模糊聚类 (FCM) 0 引 言 和小脑模型关节控制器 (CMAC)神经网络方法。 通过FCM算法将交易时段分为3个负荷水平，峰 电力市场的实质是通过建立一个充满竞争和选 负荷、腰负荷和谷负荷，然后根据不同类型的交易 择的电力系统运营环境，提高电力行业的效率。竞 时段分别对CMAC神经网络进行训练，构建不同 价问题主要针对电力联营体市场。在该市场中，电 时段的短期市场边际电价预测模型。通过使用澳大 力供应商向电力交易中心提交下一交易时段所能提 利亚昆士兰州电力市场实际数据进行训练和验证， 供的电力以及要求的价格。电力交易中心根据预测 结果显示，该方法能有效克服上述方法缺点，预测 的负荷和竟价曲线进行发电机调度计算，选择发电 速度快、精度较高且预测结果稳定。 单元并制定计划。在这个过程中，决定电力供应商 1 FCM 算法 能否中标的关键一是竟价曲线的制定，二是所有电 力供应商的报价；而边际电价对竟价曲线的制定起 在很多实际问题中，经常遇到一些用数字不能 到十分关键的作用。 准确描述的模糊信息。模糊聚类分析法能够较好地 关于边际电价预测的研究方法有许多种。文献 处理关于模糊信息的聚类问题。Bezdek定义FCM 【1~8】对各种BP模型电价预测方法作了详尽的阐 算法的目标函数如下： 述。文献中使用BP模型进行预测，存在输出不稳 N C 定的问题，即使使用同一训练样本，其输出结果也 = ∑∑( lI一 II(1≤ )(1) f=lc=l 往往是不同的，尤其在峰谷时段预测结果误差较 式中c为聚类数；Ⅳ为数据总数： 为第f个数据 大；虽适当加大训练样本误差可有所减小，但训练 向量； 为 和 之间的隶属度函数。在 FCM 时间将增加数倍。文献 [9~10】中使用CMAC模 算法中，聚类数是固定的，C的值 由问题的要求和 型进行预测，所需样本少，输出稳定性较好，较 特性所决定。 BP算法优越，但在峰谷时段预测结果误差还是较 当目标函数J( )最