遗传模糊算法在短期负荷预测中的应用

　
　　其中α＋β＋γ＝1，α≥β≥γ。该量代表过去3周同类型日同一时刻T的负荷的加权平均值。如果过去3周同类型日中的某一天正好是节日，则取再前一周的数据，并根据α、β、γ的调节确定近期与远期历史数据对当前的影响。这一输入中包含负荷的动态信息和近期的发展趋势，对于预测的准确性是至关重要的。
　　其隶属函数的确定方式与输入量X2相似，但因该变量与预测负荷基本成线性关系，因此选取的隶属函数个数较少，选定三个模糊词，即T(A3)={NB(低),ZE(中),PB(高)}。
　　同理，输出量Y分为4档，设定模糊词集T(B)={NB(负大),NS(负小),PS(正小) ,PB(正大)}。
2.2 推理规则的选取
　　 推理规则由一系列多维多重模糊条件语句组成，本文中输入量有三个，因此是三维多重模糊条件语句，其基本形式为“IFx1 is Ali and x2 is A2j and x3 is A3k THEN y=Bm”。其中i、j、k分别为各输入量的隶属函数个数，m为输出量隶属函数的个数。由此可知本文系统可能的规则数为7×3×5＝105个，对105个模糊条件语句的确定实际上是对每一条语句选择合适的Bm。

3 遗传算法应用中的问题
　　编码方式的优劣决定了遗传算法总体效果的优劣，它直接影响着遗传算法的搜索能力和保持种群稳定性。如果编码不适当，会使得不可行解过多，搜索可行解困难重重，往往需要加上大量的前期或后期补救措施才能够完成计算。因此，如何制定优良的编码策略是绝大部分遗传算法问题中的重要问题。对几种编码进行分析比较后，本系统选用二进制编码方式，每三位基因串表示隶属函数的一个参数；使用两位基因表示每条推理条件句的推理结果，然后将两个基因串连接起来，形成表征模糊逻辑系统的染色体。
　　对于表示隶属函数的基因串部分，假设某一参数ai(或者bi)的取值范围是[Umin，Umax]，用一l位数来表示，其关系表示如下： u=Umin+(n/(2t-1))(Umax-Umin)。本文中l=3。正如第二节中所述，该系统输入量X2有5个隶属函数，输入量X3共有3隶属函数，输出量Y为4个隶属函数，每个隶属函数的待定参数为两个，于是基因串共长72位，形如下式：

　　从第73位开始至282位是对105条模糊条件语句的编码，每两位基因对应一条语句，例如如果X73X74若为“01”，则表示相应的模糊条件语句为“IF x1(日期类型)is A11（周一），and x2(T时刻气温)is A21(很低)and x3(近期负荷量趋势)is A31(底)then y(预测量)is B1 (很低)”。
　　在确定的编码方式后，遗传算法对种群中的染色体进行各种遗传算子操作（选择、交叉和变异等），应当采用各种改进措施以提高算法的搜索效率，避免早熟收敛等问题。

4 负荷预测仿真分析
　　为检测系统的可行性，针对所开发的系统进行计算机仿真。本文利用河南省某市2002和2003年夏季（4、5月份）负荷资料，对2003年5月份第三周星期一的日负荷进行模拟预测。
　　首先将两年中4、5月份负荷资料和天气资料按照24个不同时刻分成24份，然后选择出可以作为训练样本的数据来。此处我们选择了40份有效历史数据，按照第2、3节所叙述的方法对系统参数进行训练。最后对选定日进行日模拟负荷预测。表1给出了实际值，预测值和误差的记录。

5 结束语
　　电力系统短期负荷预测一项极为复杂的工作。由于负荷的变化要受到诸多因素的影响，而这种影响往往又难以用经典数学方法准确地加以描述，所以往往很难达到预期的预测效果。本文利用遗传算法对模糊系统中的隶属函数和推理规则进行训练，并将由该方法所确定的模糊逻辑预测系统应用于短期负荷预测。对影响负荷变化的因素进行研究，结合具体的问题，选取了适应于系统的输入量。在遗传编码方面，将确定隶属函数与推理规则的各种参数进行统一编码，以求得系统参数的最优组合。实验结果证明了该方法具有良好的预测性能，和较好的发展前景。

参考文献

[1]Yang Hong-Tzer, Huang Chao-Ming. A New Short-Term Load Forecasting Approach Using Self-Organizing Fuzzy ARMAX Models. IEEE PWRS,1998,13(1)
[2] 严　华,吴　捷,马志强,吴列鑫.模糊集理论在电力系统短期负荷预测中的应用[J].电力系统自动化.2000年6月:67~72
[3] 王天华,王平洋,范明天.遗传算法、模糊逻辑和运输模型在配电网空间负荷预测中的应用[J].电网技术. 1999,23(1):24~28
[4]Lambert G.. Fuzzy Knowledge Base for Load Forecasting. Intelligent Systems Applications to Power Systems (ISAP)' 91. 1991
[5]Ringwood J V, Commarmound T Q. Qualitative and Quantitative Fuzzy Modeling of a 24-Hour Electricity Consumption. In: EUFIT'97, ELITE Foundation 1997. Germany: 1997
[6] 郁滨, 张昊等.自适应模糊系统理论在负荷预测中的应用研究.控制与决策.1999,14(3):223~228
[7] 王宏伦, 吕庆风, 佟明安. 基于遗传算法的自学习模糊逻辑系统. 控制与决策. 2000,15(6):658-661

上一页  [1] [2] 

本文关键字：暂无联系方式电工文摘，电工技术 - 电工文摘