rnn神经网络_means聚类的模糊神经网络市场清算电价预测第2页

  本文关键词：模糊神经网络技术综述，由笔耕文化传播整理发布。

4.2  网络的学习算法

   FNN本质上是实现输入和输出的非线性映射，参数c， 和w可采用误差反向传播算法进行调整，其目标函数选为：

   y为网络输出，t为期望输出cij，ij对 wij的调整可以用以下公式：

   是网络的学习率。

4.3  k-means聚类

   通过对样本的k-means聚类确定模糊规则的数目。算法的思路是：首先随机选择 k个对象代表k个类，每一个对象作为一个类的原型，根据距离最近的原则将其它对象分配到各个类中。在完成首次对象的分配之后，以每一个类的所有对象的平均值(mean)作为该类新的原型，迭代进行对象的再分配，直到没有变化为止，从而得到最终的k类。

图3  聚类效果图

   通过对样本聚类，聚类数为2时聚类效果最好，如图3所示。为了提高精度，我们取聚类数为2，3，4，分别对网络进行训练，然后对网络输出加权平均，结果即为预测时刻的电价。

5  算例

5.1  输入变量的选择

   输入变量要选择与预测电价有显着相关性的变量。各市场的电价均有较高的自相关性，前期的电价必然会影响后期的电价，历史电价是电价预测的基本因素。针对电价序列周期性的特点，本文选择8个变量作为网络的输入，分别为P(d，t-1)、P(d，t-2)、P(d-1，t-1)、P(d-1，t)、P(d-1，t+1)、P(d-7，t-1)、P(d-7，t)、P(d-7，t+1)，输出为P(d，t)，即为预测日t时刻的电价。

5.2  算例分析

   本文采用北欧电力交易市场公布的07.10.29至08.2.10期间的电价数据对网络进行训练，并预测08.2.11至08.2.17各时段的电价。11日的电价预测曲线如图4所示。

图4  11日的电价预测曲线

   评价预测结果使用下面两个指标：

   a：日平均绝对百分比误差：

   b：日平均准确率R：

   pi为预测时刻实际电价，pi‘为预测电价，N=24，是北欧电力市场日清算电价个数。

   表1给出了不同方法的日平均绝对百分比误差和日平均准确率，神经网络选用了BP神经网络。通过表中数据可以看出，改进的模糊神经网络模型总体效果较好，提高了预测精度。13日的仅有0.66%， 高达99.09%。15日8：00实际电价到达了75.11EUR/WMh，预测结果偏离实际值较大，可能是导致误差比ANN大的原因，从而可以看出本文方法对尖峰电价预测效果不好，而对于电价变化相对平稳的时刻效果却很明显。算例分析结果充分证明了模糊神经网络在电价预测方面具有较好的应用前景。

表1  11-17日的电价预测误差和准确率

日期

ANN

本文方法

R

R

2008-02-11

3.7

94.30

3.16

95.32

2008-02-12

2.56

96.72

1.63

98.15

2008-02-13

3.97

95.16

0.66

99.09

2008-02-14

5.97

91.25

4.80

93.29

2008-02-15

7.37

89.44

7.50

86.75

2008-02-16

7.44

89.60

6.49

92.58

2008-02-17

3.31

95.50

2.17

97.27

6  结论

   本文应用改进的模糊神经网络预测市场清算电价，该方法有以下优点：①预测结果准确率相比ANN有较大的提高。②尽管预测模型是基于模糊理论的，但是并不需要进行详细的规则设计，只需要通过样本聚类来确定模糊规则数，这就提高了该方法的适应性。因此，该方法在预测电价方面有广阔的应用前景。但是该方法在应用中也有缺点，比如对尖峰电价预测误差较大；训练样本少时，预测结果不是很精确。

   电价受许多随机、不确定因素的影响，本文仅考虑了历史电价对预测时刻电价的影响，而没有考虑其它因素，这也是本文的不足之处，下一步将一并考虑其它因素对电价的影响，进一步提高电价预测的精度。

参考文献

[1] 赵庆波，周原冰，郭蓉，等.模糊神经网络在电力系统边际电价预测中的应用[J]。电网技术，2004，28(7)：1-4．

Nima Amjady.Day-Ahead Price Forecasting of Electricity Markets by a New Fuzzy Neural Network[J].IEEE TRANSACTIONS ON POWER SYSTEMS，2006，，21(2)：887-896．

张显，王锡凡，陈芳华，等.分时段短期电价预测[J].中国电机工程学报， 2005，25(15)：1-6.

张凯，钱锋，刘曼丹.模糊神经网络技术综述[J].信息与控制，2003，32(5)：1-5.

王士同.模糊神经系统、模糊神经网络及应用程序设计[M].上海：上海科学技术文献出版社，1998.

上一页  1 2 3  下一页

  本文关键词：模糊神经网络技术综述，由笔耕文化传播整理发布。