崔林然 侯云超 楊海柱

（1.河南理工大學(xué) 2.國(guó)網(wǎng)晉城供電公司）

0 引言

短期負(fù)荷預(yù)測(cè)主要是從已知的電力需求出發(fā)，通過(guò)對(duì)以往的數(shù)據(jù)分析，并且對(duì)經(jīng)濟(jì)、氣候等因素進(jìn)行綜合考慮，從而對(duì)未來(lái)一段時(shí)間的用電需求作出判斷和預(yù)測(cè)。同時(shí)，短期負(fù)荷預(yù)測(cè)也是電力系統(tǒng)規(guī)劃、供電、調(diào)度的重點(diǎn)內(nèi)容，合理的預(yù)測(cè)可以有效保證電網(wǎng)運(yùn)行的安全性和穩(wěn)定性，并且可以根據(jù)未來(lái)的需求，適當(dāng)對(duì)電網(wǎng)進(jìn)行增容和改建。同時(shí)，隨著各項(xiàng)先進(jìn)技術(shù)的發(fā)展，將RBF神經(jīng)網(wǎng)絡(luò)與模糊控制應(yīng)用于短期負(fù)荷預(yù)測(cè)中，這樣可以有效解決傳統(tǒng)線性預(yù)測(cè)存在的不足和缺陷，利用RBF神經(jīng)網(wǎng)絡(luò)與模糊控制進(jìn)行網(wǎng)絡(luò)仿真和訓(xùn)練，可以有效提升預(yù)測(cè)的準(zhǔn)確性。另外，RBF神經(jīng)網(wǎng)絡(luò)與模糊控制理論的應(yīng)用，也是電力系統(tǒng)未來(lái)發(fā)展的重要的方向。

1 模糊控制概述

1.1 定義

模糊控制主要是模糊數(shù)學(xué)語(yǔ)言進(jìn)行描述，從而對(duì)系統(tǒng)工作的控制方式進(jìn)行操縱，并且模糊控制主要分為四個(gè)方面，主要有模糊化、規(guī)則庫(kù)、模糊推論、解模糊等方面，第一，模糊化主要的作用為選定模糊控制器的輸入量，并且將其進(jìn)行轉(zhuǎn)換，成為系統(tǒng)可識(shí)別的模糊量（主要包括三點(diǎn)，首先對(duì)輸入量滿足的模糊控制需求進(jìn)行處理［1］；其次，將輸入量進(jìn)行尺寸轉(zhuǎn)換；最后，需要對(duì)各個(gè)輸入量的數(shù)據(jù)語(yǔ)言取值以及相應(yīng)的隸屬度函數(shù)進(jìn)行確定）；第二，規(guī)則庫(kù)主要是根據(jù)專(zhuān)家的經(jīng)驗(yàn)構(gòu)建完善的模糊規(guī)則庫(kù)，并且模糊規(guī)則庫(kù)包含了諸多的眾多的控制規(guī)則，從實(shí)際控制經(jīng)驗(yàn)轉(zhuǎn)換成模糊控制；第三，模糊推論是根據(jù)知識(shí)展開(kāi)推理決策；第四，解模糊的作用就是將推理所得到的控制量進(jìn)行轉(zhuǎn)化，形成控制輸出。

1.2 控制規(guī)則

模糊控制規(guī)則主要表現(xiàn)為專(zhuān)家經(jīng)驗(yàn)和知識(shí)、操作員的操作模式、學(xué)習(xí)等方面，下面就針對(duì)這幾點(diǎn)內(nèi)容，展開(kāi)了分析和闡述。

（1）專(zhuān)家經(jīng)驗(yàn)和知識(shí)。模糊控制也可以叫做控制系統(tǒng)中的專(zhuān)家系統(tǒng)，并且將人類(lèi)日常生活作為基礎(chǔ)，對(duì)各項(xiàng)事情進(jìn)行判斷，利用語(yǔ)言定性分析對(duì)于數(shù)值定量。同時(shí)，模糊控制還可以提供一個(gè)描述人行為以及決策的自然架構(gòu)。另外，專(zhuān)家知識(shí)一般可以用if….then型式進(jìn)行表示。

（2）操作員操作模式。專(zhuān)家可以根據(jù)模糊控制理論，對(duì)復(fù)雜的控制對(duì)象進(jìn)行操作，但是將專(zhuān)家訣竅進(jìn)行邏輯化描述相對(duì)較為困難，這時(shí)就需要在控制上采取一些技巧。同時(shí)，在操作模式中，可以將各項(xiàng)數(shù)據(jù)整理為if….then的型式，從而形成一組控制規(guī)則。

（3）學(xué)習(xí)。為了進(jìn)一步的改善模糊控制設(shè)備的使用性能，必須讓各項(xiàng)設(shè)備擁有自我學(xué)習(xí)能力，以及自我組織的能力，促使模糊控制設(shè)備根據(jù)預(yù)先誰(shuí)當(dāng)?shù)哪繕?biāo)，增加或合刪減、修改控制規(guī)則。

1.3 優(yōu)勢(shì)

（1）在非線性、時(shí)變、滯后、模型不完全系統(tǒng)控制等方面模糊控制可以將系統(tǒng)設(shè)計(jì)變?yōu)楹?jiǎn)單。同時(shí)，模糊控制不會(huì)依賴于被控制對(duì)象的數(shù)學(xué)模型，確?？刂频木珳?zhǔn)度。

（2）模糊控制主要是利用控制法，對(duì)系統(tǒng)變量之間的關(guān)系進(jìn)行描述，并且在描述期間，不需要利用數(shù)值，僅僅是利用語(yǔ)言模式的模糊變量進(jìn)行描述，并且也不許對(duì)控制對(duì)象構(gòu)建數(shù)據(jù)模型。同時(shí)，模糊控制屬于一種語(yǔ)言控制模式，為操作人員利用自然語(yǔ)言在人機(jī)對(duì)話方面提供了便利的條件。另外，模糊控制也相對(duì)容易控制，具有良好的適應(yīng)性和容錯(cuò)性特點(diǎn)。

2 RBF神經(jīng)網(wǎng)絡(luò)概述

2.1 定義

RBF神經(jīng)網(wǎng)絡(luò)屬于一種向前神經(jīng)網(wǎng)絡(luò)，并且其性能相對(duì)較好，具有全局逼真的性質(zhì)，不存在局部最小的問(wèn)題。同時(shí)，RBF神經(jīng)網(wǎng)絡(luò)的泛化性能較好，計(jì)算量也相對(duì)較小，學(xué)習(xí)速度也比其他算法要快，所以被廣泛應(yīng)用到系統(tǒng)辨識(shí)和參評(píng)估等［2］。通常情況下，隱含層的各個(gè)節(jié)點(diǎn)均采用相同徑向基函數(shù)，采用分布式函數(shù)展開(kāi)計(jì)算。另外，徑向基函數(shù)的對(duì)應(yīng)中心量以及寬度是RBF神經(jīng)網(wǎng)絡(luò)中的重要參數(shù)，并且隱含層節(jié)點(diǎn)的傳遞函數(shù)表達(dá)公式為：

如果公式中xk＝（xk1，xk2，…，xkn），為訓(xùn)練樣集中第k條輸入樣本，這時(shí)Vi＝（Vi1，Vi2，…，Vim）屬于第i個(gè)隱含層神經(jīng)元的核心，σj為第i個(gè)高斯函數(shù)寬度。

2.2 特點(diǎn)

RBF神經(jīng)網(wǎng)可以結(jié)合實(shí)際情況，隨機(jī)選取數(shù)據(jù)，直接進(jìn)行計(jì)算，并且這種計(jì)算方式相對(duì)較為簡(jiǎn)單。同時(shí)，在這種計(jì)算方式中，隱層單元傳遞函數(shù)的中心可以根據(jù)輸入的樣本數(shù)據(jù)進(jìn)行隨機(jī)選取，并且中心處于固定的狀態(tài)。另外，RBF神經(jīng)網(wǎng)中心確定以后，方差計(jì)算公式為：

其中中心之間的最大距離也叫做基函數(shù)的最大值。另外，隱層單元中心數(shù)在確定中心和方差以后，隱層單元的數(shù)據(jù)就會(huì)呈現(xiàn)已知的狀態(tài)，這樣網(wǎng)絡(luò)的連接可以利用線性方程確定。

RBF神經(jīng)網(wǎng)的中心以長(zhǎng)線移動(dòng)的狀態(tài)，利用自組學(xué)習(xí)的方式去定中心位置。同時(shí)，輸出層的線性權(quán)數(shù)值可以利用監(jiān)督學(xué)習(xí)的規(guī)則進(jìn)行計(jì)算，所以說(shuō)RBF神經(jīng)網(wǎng)屬于一種混合的學(xué)習(xí)方式。RBF神經(jīng)網(wǎng)的自組織學(xué)習(xí)過(guò)程，可以從某種角度來(lái)說(shuō)，對(duì)網(wǎng)絡(luò)資源進(jìn)行了充分的利用和分配，促使RBF神經(jīng)網(wǎng)的中心屬于輸入空間的重要區(qū)域。另外，RBF神經(jīng)網(wǎng)絡(luò)計(jì)算過(guò)程相對(duì)較為簡(jiǎn)單，計(jì)算速度相對(duì)較快，且便于使用。同時(shí)，RBF神經(jīng)網(wǎng)計(jì)算主要是由兩個(gè)方面組成，第一，為自組織學(xué)習(xí)階段，也就是學(xué)習(xí)隱層基函數(shù)中心與方差階段；第二，為監(jiān)督學(xué)習(xí)階段，也就是輸出層權(quán)數(shù)值階段。

3 RBF神經(jīng)網(wǎng)絡(luò)與模糊控制的具體應(yīng)用

為了保證短期負(fù)荷預(yù)測(cè)的準(zhǔn)確性，將RBF神經(jīng)網(wǎng)絡(luò)與模糊控制應(yīng)用到其中，下面就對(duì)這兩點(diǎn)內(nèi)容的具體應(yīng)用，展開(kāi)了分析和闡述。

3.1 RBF神經(jīng)網(wǎng)絡(luò)的短期負(fù)荷預(yù)測(cè)

為了降低問(wèn)題求解的規(guī)模，需要對(duì)每一個(gè)預(yù)測(cè)點(diǎn)進(jìn)行預(yù)測(cè)模型的構(gòu)建，并且在模型構(gòu)建的時(shí)候，設(shè)置t日為預(yù)測(cè)日，將樣本輸入其中，主要包括t－1日的i、h的負(fù)荷值；t－2日的i、h的負(fù)荷值，選取t－1和t－2的最高溫度、最低溫度、平均溫度、天氣值等，以此對(duì)短期負(fù)荷進(jìn)行預(yù)測(cè)。同時(shí)，如果每個(gè)樣本含有較多的特性指標(biāo)，這時(shí)就需要根據(jù)經(jīng)驗(yàn)，對(duì)輸入樣本進(jìn)行合理的選擇，確保后期計(jì)算的準(zhǔn)確性［3］。另外，在訓(xùn)練樣本輸入到RBF神經(jīng)網(wǎng)絡(luò)以后，需要對(duì)天氣、日類(lèi)型因素等進(jìn)行綜合考慮，基于此進(jìn)行模糊量化，并且需要將訓(xùn)練樣本負(fù)荷值進(jìn)行歸一化處理，確保處理的參數(shù)值在［－1，1］區(qū)間。歸一化函數(shù)計(jì)算公式為：

公式中的i＝1，2，…，m，xij為原始參數(shù)，xjmax，xjmix為：x1j，x2j，…，x1j中的最大參數(shù)值，或者最小參數(shù)值。在計(jì)算期間，還需要將溫度數(shù)據(jù)進(jìn)行規(guī)格化處理，其公式為：

并且需要對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行使用，根據(jù)誤差規(guī)定對(duì)權(quán)值進(jìn)行訓(xùn)練，利用RBF神經(jīng)網(wǎng)絡(luò)對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行擬合，確保擬合參數(shù)處于最佳的狀態(tài)。公式中f（x）為規(guī)格化的訓(xùn)練溫度系數(shù)，x為溫度（單位為℃）［4］。

3.2 預(yù)測(cè)因子自調(diào)整模糊控制

3.2.1 模糊控制輸入以及輸出。

首先在使用RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)以后，經(jīng)常出現(xiàn)網(wǎng)絡(luò)參數(shù)無(wú)法適應(yīng)短期負(fù)荷的變化，導(dǎo)致預(yù)測(cè)結(jié)果產(chǎn)生一定的誤差，這時(shí)為了有效解決該項(xiàng)問(wèn)題，將模糊控制應(yīng)用于其中，對(duì)短期負(fù)荷預(yù)測(cè)結(jié)果進(jìn)行修改，并且利用模糊控制器展開(kāi)進(jìn)一步的調(diào)整，減少誤差產(chǎn)生的可能性［5］，從而提升結(jié)果的準(zhǔn)確性。其次，在模糊控制器輸入各項(xiàng)參數(shù)期間，一般以當(dāng)前整點(diǎn)時(shí)的誤差e與誤差變化率c作為基礎(chǔ)，并且在模糊化的時(shí)候，需要將變化范圍進(jìn)行統(tǒng)一規(guī)范，可以設(shè)定為：［－0，1，0，1］以及［－30，30］，根據(jù)公式展開(kāi)計(jì)算，其計(jì)算公式為：

公式中的s（t）為當(dāng)前時(shí)刻的實(shí)際參數(shù)，y（t）為當(dāng)前的預(yù)測(cè)參數(shù)值。

3.3.2 模糊控制器實(shí)施。

將模糊控制應(yīng)用到短期負(fù)荷中，可以很好地消除RBF神經(jīng)網(wǎng)絡(luò)所產(chǎn)生的誤差或者誤差變化率，進(jìn)而形成調(diào)整量，降低預(yù)測(cè)誤差產(chǎn)生的可能性。同時(shí)，模糊控制器地方輸入?yún)?shù)如果為誤差E，并且誤差變化率為EC的話，這時(shí)輸出的負(fù)荷預(yù)測(cè)修正量的系數(shù)為α，模糊控制器中的誤差E和誤差變化率EC歸分為7個(gè)語(yǔ)言中，主要包括：負(fù)大、負(fù)中、負(fù)小、零、正小、正中、正大。模型的主要任務(wù)就是準(zhǔn)確得出修正系數(shù)α，α主要代表著誤差和誤差變化率的加權(quán)程度，充分反映了預(yù)測(cè)人員控制行為的思想特點(diǎn)［6］。如果誤差值以及修正系數(shù)偏大的話，模糊控制器就會(huì)消除誤差。反之偏小的話，誤差變化率在修正量中所占據(jù)的比例也會(huì)增加，這時(shí)控制功能就會(huì)消除無(wú)差變化，確保電力系統(tǒng)運(yùn)行的穩(wěn)定性。另外，所有模糊語(yǔ)言變量的語(yǔ)言值是有理數(shù)函數(shù)描述，形成模糊子集，可以利用三角隸屬函數(shù)對(duì)模糊輸入變量，以及模糊輸出變量的語(yǔ)言值進(jìn)行描述，從而保證預(yù)測(cè)的準(zhǔn)確性［7］。

4 實(shí)例分析

根據(jù)以上的計(jì)算方式，結(jié)合某地區(qū)電力短期負(fù)荷預(yù)測(cè)歷史數(shù)據(jù)，以及天氣情況，對(duì)某個(gè)時(shí)間段的短期負(fù)荷進(jìn)行預(yù)測(cè)。同時(shí)，預(yù)測(cè)天氣多為多云，溫度范圍為20.3～28.4℃，天氣狀況相對(duì)較為良好的情況。這時(shí)在短期負(fù)荷預(yù)測(cè)的時(shí)候，需要根據(jù)就近的原則，確定神經(jīng)網(wǎng)絡(luò)輸入樣本數(shù)量，并且采取單一的神經(jīng)網(wǎng)絡(luò)方式，對(duì)結(jié)果進(jìn)行預(yù)測(cè)。利用RBF神經(jīng)網(wǎng)絡(luò)以及模糊控制相互結(jié)合的方式，對(duì)平均絕對(duì)誤差數(shù)值進(jìn)行預(yù)測(cè)，其數(shù)值為0.75%，然而僅利用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，平均絕對(duì)誤差數(shù)值為1.19%［8-9］。RBF神經(jīng)網(wǎng)絡(luò)與模糊控制相互結(jié)合，可以有效提高預(yù)測(cè)的準(zhǔn)確性，尤其是一些預(yù)測(cè)點(diǎn)不理想的情況，以此保證整點(diǎn)預(yù)測(cè)的效果。

5 結(jié)束語(yǔ)

綜上所述，短期負(fù)荷預(yù)測(cè)是保證電力系統(tǒng)穩(wěn)定運(yùn)行的關(guān)鍵，并且在RBF神經(jīng)網(wǎng)絡(luò)與模糊控制的基礎(chǔ)之上，通過(guò)利用各種技術(shù)方式以及模糊控制器，對(duì)各個(gè)方面進(jìn)行綜合考慮，可以有效降低誤差的產(chǎn)生，確保預(yù)測(cè)的準(zhǔn)確性，準(zhǔn)確判斷出電力系統(tǒng)未來(lái)一段時(shí)間的變化狀態(tài)，做好相應(yīng)的調(diào)整工作，減少異常的情況的產(chǎn)生，提升電力系統(tǒng)服務(wù)質(zhì)量。另外，在短期負(fù)荷預(yù)測(cè)期間，基于RBF神經(jīng)網(wǎng)絡(luò)與模糊控制，可以充分展現(xiàn)出兩者存在的優(yōu)勢(shì)，滿足電力系統(tǒng)運(yùn)行的需求。