用自适应模糊推理系统预测电力短期负荷

被引：11

作者：

杨帆 ^{[1
]}

吴耀武 ^{[1
]}

熊信银 ^{[1
]}

娄素华 ^{[1
]}

彭丰 ^{[2
]}

机构：

[1] 华中科技大学电力安全与高效湖北省重点实验室

[2] 湖北超高压输变电公司

来源：

高电压技术 | 2007年 / 04期

关键词：

短期负荷预测; Takagi-Sugeno模型; 减法聚类; 自适应神经模糊推理系统; 神经网络; 混合学习算法;

D O I：

10.13336/j.1003-6520.hve.2007.04.033

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

为寻求有效的电力系统负荷预测方法以提高预测结果的准确度,提出了基于Takagi-Sugeno(T-S)模型的自适应神经模糊推理系统(ANFIS)。该系统采用减法聚类初始化模糊推理,把神经网络学习机制引入到逻辑推理中,并用混合学习算法调整前件参数和结论参数,自动产生模糊规则。考虑气象、日期类型等因素后将学习样本分为3组进行训练和检测。该方法对于受天气影响较明显的电网,能有效防止不合理预测结果的出现。对于武汉地区实际负荷的预测结果的分析表明该方法有较高的预测准确度,取得了令人满意的结果。

引用

页码：129 / 133

页数：5

共 8 条

[1] 基于自适应神经模糊推理系统(ANFIS)的电力系统短期负荷预测 [J].