基于减法聚类的模糊神经网络负荷建模

摘要：

负荷模型是决定电力系统仿真结果可信度的关键因素之一,本文从非机理模型的角度,提出一种基于减法聚类的模糊神经网络的负荷建模新方法.首先对建模样本输入输出数据进行特征分析,建立其山峰密度函数,应用减法聚类自适应的调整建模数据的聚类数和聚类中心,以确定负荷模型的模糊规则数和隶属度函数个数.在此基础上建立综合负荷模型的模糊初始结构.通过神经网络对推理数据进行学习,获取模糊推理规则,同时调整隶属函数的参数,用反向传播算法来修正网络的连接权重,辨识模糊模型的隶属函数的参数,完成综合负荷的非机理建模.通过对实测综合负荷的有功和无功建模实例,证明了该方法具有很高的拟合精度和收敛速度,对负荷建模具有重要的指导意义.

关键词：负荷建模、模糊系统、神经网络、减法聚类

所属期刊栏目：21

分类号：TM7(输配电工程、电力网及电力系统)

资助基金：高等院校骨干教师基金教计司[2002]65号;湖南省教育厅资助项目湘教通[2001]197号

在线出版日期：2006-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6,12