基于模糊聚类和粗糙集的电力系统短期负荷预测

第35卷第3期2008年5月

　　　　　　　Journalof

华北电力大学学报Vol135,No13

NorthChinaElectricPowerUniversityMay,2008

基于模糊聚类和粗糙集的电力系统短期负荷预测

张春雷

(河北建投能源投资股份有限公司,河北石家庄050000)

摘要:电力系统短期负荷预测中存在大量的不确定因素直接影响到负荷预测结果的准确性,而粗糙集理论能有效地分析和处理各种不精确、不一致、不完整的信息,并从中发现隐含的知识,揭示潜在的规律。将模糊聚类分析和粗糙集理论结合在一起对电力系统短期负荷进行预测。首先通过模糊聚类分析,根据气温、相对湿度以及日类型等影响负荷的因素将负荷历史数据分成若干类,然后应用粗糙集理论分别建立相应的负荷预测模型。采用某电网提供的数据进行负荷预测,结果分析表明该方法有很高的预测精度,从而说明了基于模糊聚类和粗糙集理论的电力系统短期负荷预测方法的优越性。关键词:模糊聚类分析;粗糙集理论;短期负荷预测;电力系统

中图分类号:TM734　　　文献标识码:A　　　文章编号:1007-2691(2008)-06

Powersystemshort2termon

fuzzyclusteringsets

2lei

(EnergyInvestmentCo.Ltd.,Shijiazhuang050000,China)

Abstract:Inordergetmoreaccuracyloadforecastingresultinelectricpowersystemwhichexitslargeuncertainin2formation,roughsettheoryisproposedtodealwithinaccuracyanduncertaininformationthataffectstheaccuracyofloadforecastingresultinthispaper.Impliedknowledgeandrulescanalsobediscoveryandexcavatedbyusingroughset.Ashort2termelectricalloadforecastingmodelbasedonfuzzyclusteringandroughsetispresentedinthispaper.Atfirst,bymeansoffuzzyclusteringthehistoricaldataisdividedintoseveralgroupsaccordingtosimilaritydailycharacters,forexample,temperature,humidityanddaytypeetc.Thenthecorrespondingloadforecastingmodelbasedonroughsetisbuilt.Thesatisfactoryaccurateresultcanbegottenbyapplyingthismodelinthepracticalelec2tricityloadforecasting,whichshowsthesuperiorityofcombiningfuzzyclusteringandroughsetforshort2timeelectri2calloadforecasting.

Keywords:fuzzyclusteringanalysis;roughsettheory;short2termloadforecasting;electricpowersystem

效果较差[1]。近年来,专家系统法[2]、模糊逻辑

0　引　言

电力系统短期负荷预测是电力部门的一项重要工作。由于影响预测的因素众多且不确定、变化趋势随机性强,难以确定统一的数学模型,提高负荷预测精度有一定困难,因此短期负荷预测一直是国内外研究者研究的热点。目前的预测方法很多,早期以时间序列法、回归分析法为代表的预测方法难以反映负荷与气象等变量之间的动态、非线性的关系,对复杂多变的电力负荷预测

收稿日期:2007211220.

法[3]、灰色预测法[4]、小波分析法[5]以人工神经网络[6,7]等新型人工智能方法得到了广泛的应用。神经网络由于具有较强的自学习能力和泛化能力,并能实现任意非线性映射关系,因此其在电力负荷预测的应用中尤其活跃。但电力系统中庞大的信息系统使得神经网络训练学习的速度非常慢,而且容易陷入局部最优从而不能得出正确的结果。如何提高处理数据的实时性,缩短训练时间,单靠上述单一的方法是无法解决的。而面对历史数据中存在不准确、不完整信息问题,上述方法更是显得束手无策。粗糙集(RoughSet,RS)理论是一种新型的处理模糊和不确定知识的

第1页下一页