[發明專利]基于T?S模糊Elman神經網絡的短期電力負荷預測方法

在審

• 申請號: 201710141487.9
• 申請日: 2017-03-10
• 公開（公告）號: CN106971238A
• 公開（公告）日: 2017-07-21
• 發明（設計）人: 付宏宇;錢素琴
• 申請（專利權）人: 東華大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 上海申匯專利代理有限公司31001
• 代理人: 翁若瑩,柏子雵

技術領域

本發明涉及一種基于T-S模糊Elman神經網絡的短期電力負荷預測方法，屬于電力系統負荷預測領域。

背景技術

電力系統負荷預測根據預測周期分類可分為中長期負荷預測、短期負荷預測和超短期負荷預測。其中，短期負荷預測是指針對未來一天到一周時間內每天各時段的負荷預測的研究。短期負荷預測在電力系統負荷預測研究中是至關重要的，其預測的精度直接影響到電力系統安全經濟穩定運行、實現電網科學管理和調度。目前，主要采用的是人工神經網絡算法的反向傳播法(BP算法)，其在電力系統負荷預測研究方向得到了廣闊的應用。由于電力系統負荷易受氣候、經濟等因素的影響呈動態特性，而BP神經網絡是將動態建模問題轉換為靜態建模問題，這樣就會使網絡運行時存在陷入局部極小、單向傳播沒有反饋等問題。

發明內容

本發明要解決的技術問題是：更好地擬合電力負荷系統的非線性、動態性和時變性的特點。

為了解決上述技術問題，本發明的技術方案是提供了一種基于T-S模糊Elman神經網絡的短期電力負荷預測方法，其特征在于，包括以下步驟：

步驟1、獲取某地區的電力系統歷史負荷數據，對歷史負荷數據的異常數據進行處理；

步驟2、對影響電力負荷因素進行分析與量化，將修正后的負荷數據進行歸一化；

步驟3、確定神經網絡的輸入輸出數據，其中，將預測日當天的天氣特征、溫度、日期類型和t-1小時負荷值以及預測時刻的n-1、n-2日第t、t-1和t+1小時負荷值作為輸入數據，預測日的第t小時整點負荷值為輸出數據，并且確定最優的隱含層神經元的個數，在規則層引入延時單元，將規則層的輸出即上一時刻所有規則的激活強度作為當前時刻輸入的信息，從而建立基于T-S模糊Elman神經網絡；

步驟4、使用預測日前兩個月的歷史負荷數據、天氣參數數據和日期類型數據進行訓練，用訓練好的T-S模糊Elman神經網絡進行預測，并將預測的數據反歸一化從而得到最終的預測負荷值；

優選地，所述步驟1中獲取某地區的電力歷史負荷數據，其數據樣本來自于SCADA系統。

優選地，所述步驟1中的異常數據處理的處理方式包括水平處理、垂直處理或曲線擬合。

優選地，所述步驟2中的影響負荷因素包括溫度、天氣特征和日期類型，根據這些因素對負荷的影響程度將其進行量化處理。

優選地，所述步驟2中負荷數據歸一化，使用歸一化公式將負荷數據歸一化為[0，1]，使其處于同一數量級別，加快神經網絡收斂。

優選地，所述步驟3中確定最優的隱含層神經元的個數中，該網絡的隱含層為單隱含層，其神經元的個數根據經驗公式和訓練的效果進行確定。

優選地，所述步驟4中將預測的數據反歸一化得到最終的預測負荷值總，其反歸一化根據歸一化公式的變形即可得到反歸一化的公式，最終的數據就是實際數量級的負荷數據。

Elman神經網絡是一種典型的動態神經元網絡，具有適應時變特性的能力，同時T-S模糊控制使系統的輸出可以表示為輸入變量的線性組合，因此該系統可以很好的擬合電力負荷系統的非線性、動態性和時變性的特點。

由于采用了上述的技術方案，本發明與現有技術相比，具有以下的優點和積極效果：本發明將T-S模糊控制與Elman神經網絡相結合應用到短期電力負荷預測中，該模型兼具Elman神經網絡和模糊控制的優點，不僅具有很強的動態非線性擬合能力，而且較好的模擬了誤差反饋修正的動態過程，能夠更好的擬合電力負荷系統的非線性、動態性和時變性的特點，預測精度較高，可廣泛應用于電力系統短期負荷預測中。

附圖說明

圖1是本發明的流程圖；

圖2是本發明T-S模糊Elman神經網絡結構圖。

具體實施方式

下面結合具體實施例，進一步闡述本發明。應理解，這些實施例僅用于說明本發明而不用于限制本發明的范圍。此外應理解，在閱讀了本發明講授的內容之后，本領域技術人員可以對本發明作各種改動或修改，這些等價形式同樣落于本申請所附權利要求書所限定的范圍。

本發明的實施方式涉及一種基于T-S模糊Elman神經網絡的短期電力負荷預測方法，如圖1所示，包括以下步驟：

(1)獲取某地區的電力系統歷史負荷數據，對歷史負荷數據的異常數據進行處理；其中，歷史負荷數據樣本主要來自于SCADA系統；異常數據是由于其他一些因素的干擾該系統會存在不完整的數據，并存在錯誤數據。