matlab模糊控制工具箱

第一章绪论1.1课题的提出和意义随着我国电力事业的发展电网管理日趋现代化负荷预测问题的研究逐渐引起了人们的关注在电力系统学科中占据了重要的地位是一个重要的组成部分。在实际中，制定电力系统规划以及实现电力系统自动化这两项重要的工作，对它们进行应有的负荷预测都是基本要求。众所周知电力系统的作用应当是为各类的用户提供可靠而合乎质量要求的电能使得各种客户的要求得到满足而所有用户所使用的电能即为负荷负荷对。度。准，由要，无，借的机，对、电。根活既，、资源的需求量。电力系统负荷预测按照时间以及目的可以划分为以下几个层次①超短期负荷预测是未来1个小时以内的负荷预测在安全监视状态下需要5～l0s或1到5min的预测值预防性控制以及紧急状态处理需要l0min至1h的预测值②短期负荷预测则是指日负荷预测和周负荷预测分别用于安排日调度计划和周调度计划包括确定机组起停水火电协调联络线交换功率负荷经济分配水库调度和设备检修等对短期预测需充分研究电网负荷变化规律分析负荷变化相关因子特别是天气因素日类型等和短期负荷变化的关系③中期负荷预测是指月至年的负荷预测主要是确定机组运行方式和设备大修计划等④长期负荷预测国家对3年以上的时间所进行的预测由电网规划部门来根据国民经济的发展和对电力负荷的需求对电网改造以及扩建来做一个相应的准备工作国民经济发展、国家政策会对中长期的电力负荷预测有着一个重要的指导作用。综上所述电力系统的正确调度规划和运行都离不开电力负荷预测准确的负荷预测不仅对电力系统的安全可靠经济运行起着重要作用同时也是潜在节约能源的方法随着我国在市场经济体质下的发展电力系统对市场需求也争政府从2001年至2010年在厂网分开的基础上建立起了规范，竞争，有序的发电市场2010年后再在营销环节逐步引入竞争机制。各发电厂需要按各自的上网电价竞价发电以达到节省能源，降低总发电成本的目的。负荷预测是实现电力市场的必备条件，具有重要的理论意义和实用价值。人们在生产生活实际中逐渐产生了两种预测方法都是根据统计学理论来进行的分析即时间序列法以及回归分析法时间序列法早期的时候被广泛运用一般来说分为确定性时序法和随机性时序法确定性时序法包括时间序列平滑法趋势外推和季节变动法等后者则包括马尔可夫法BoxJenkins法(称A模型法)中s用实我列法则大都建立在假定负荷是稳定发展变化基础上的没有考虑过温度等因素对负荷的影响所以面对温度变化剧烈或者其他因素对他产生了干扰的时候结果通常会有较大的偏差这些方法所共同具备的特点也是他们之所以能呗人们广泛运用会是由于需要的历史数据少工作量相对来说也会比较的少一点假如是没有考虑负荷变化的因素，只能适用于负荷变化相对比较平稳前提下所进行的预测。1.2负荷预测特点以及他的研究现状负荷预测的一个突出特点就是要依靠负荷的历史记录对过去的负荷进行分析进而对未来做出预测电力系统的负荷在本质上来说是不可控的虽然一些小的变化可用频率控制加以影响或者在某些情况下可以在局部地区采用电量计划分配，或者采用某种特殊的电价政策来对负荷施加影响，然而，总的说来，由于各种因素的影响负荷是不可控的因此了解未来短期内负荷的可能变化的一个最为有效的方法就是观察负荷的历史记录负荷的另一个特征就是它具有按天按周以及按年的周期性变化特点而短期负荷预测正是密切注意到负荷的这两个重要特征，有针对地提出一套可行的办法。电力系统的短期负荷预测分为离线预测和在线预测。离线预测就是进行按并，测能变。：(1)确定预以测间。(2)按样间对测，的记时候需记料时隔测间。(3)分析荷资判么型于个荷变程。(4)对所建立的模型，根据模型本身的特性及己知负荷记录资料对它进行辨识与参数的粗估计。(5)进行参数的精确估计。()进行模型适用合理性的检验。()建立模。()在预程对型必正。长实们了负测统统的预测大种序回析早预主时序列为时随时包间滑势外推和季节变动法等后者包括马尔可夫法和BoxJenkins法(又称AA法)等，其中Box-Jenkins法最成功，使用最广泛。但这些方法被广泛应用的同时，也表现出很多缺陷和局限性如预测精度不能满足实际工程的要求在节假日的预测效果不令人满意加上不具备自适应和自学习的能力预测系统的鲁棒性没有保障等。时间序列法一般都是建立在假定负荷是稳定发展变化的基础上没有考虑天气对负荷的影响故面对天气骤变或突发事件时预测误差较大这些方法的优点是所需历史数据少工作量小确定是没有考虑负荷变化的因素只适用于负荷变化比较平稳的前提下进行的预测。回归算法能够考虑进天气影响和特殊日负荷的特点但它需要大量数据的参与计算同时一般均假设各变量之间是简单的线性关系而负荷与天气等变量之假来系，也对负荷预测有了新的见解产生了许多更适用于莫方面的方法其中主要包括短期负荷预测的趋势外推预测技术灰色预测技术以及人工智能技术电力负荷虽然有随机不确定的一面但是在趋势上有明显的规律可循根据各行业负荷变化的规律运用趋势外推技术进行负荷预测能够得到较为理想的结果外推法有线性和累计预测等方法外推法的优点是所需的数据量较少缺点是如果负荷出现变动，会引起较大的误差。灰色预测技术是以灰色系统理论为基础建立的灰色预测技术可在数据不多的情况下找出某个时期内起作用的规律建立短期负荷预测的模型和其他预测方法相比该方法也存在一定的局限性当数据离散度越大即数据灰度越大时，其预测精度越差，目前有对灰色模型(G进行的改进，取得了一定的效果。作为人工智能的重要技术之一的专家系统在短期负荷预测中也得到了～定的应用专家系统是建立于人类专家知识上的逻辑推理模型在实际应用中一般与某种其他方法(如人工神经网络际预测验使实际。90年络(Aek简称AN方法被引入到电力负荷预测之中，并己取得了许多成功的实例N是由大量简单的神经元以一定的方式连接而成的单个神经元的作用是实现输入到输出的一个非线性函数关系它们之间广泛的连接组合就使得整个ANN具复线性AN将的隐连上根的算节使络实现从M维间向N空的性。期受因天经。糊。是箱)。成学来。相而模拟人的经验处理一些不确定信息另一方面模糊系统很难从样本中直接学习规则且在模糊推理中会增加模糊性而神经网络则有较强的学习能力可以利用联想记忆降低模糊性这样就产生了模糊神经网络预测方法它是现代软计算概念中的重要内容综合上述分析可以看出模糊神经网络在短期负荷预测方面的确具有极大的优势虽然现在已有许多关于这方面的理论研究报告但实际应用的并不很多本文中采用模糊神经网络技术来建立负荷预测模型经验证模型具有运算精度高，收敛速度快等优点。1.3本文主要工作（1）了解电力系统负荷预测的相关内容，他的概念，所包含的意义，所包括的类型。指出其特点。（2）对人工神经网络有大致的叙述，让人们对她的概念和原理有一个基本的了解。（3）对模糊理论进行相应的阐述，对神经网络与模糊理论相结合的各种组合方式有一个清晰的认识和介绍。（4）以一定的数据为例，详细介绍建立模糊网络电力预测模型的全过程。并通过与数据的比较，显示其优越性。1.4设计路线：（1）针对原始数据提出相应的问题，并进行相应的分析和比较。（2）建立模糊网络预测模型，并对输入和输出因素进行确定以及处理（3讲数据进行模糊化处理作为网络的输入数据并将目标输出数据进行归一化处理。（4）用软件中的经网络包网络进行练直至达稳定的输出。（5）通过训练的网络进预测第二章人工神经网络2．1人工神经网络的概念1)Heht-Nelsn(198年)一人工神经络是个并的、分处理结构它是由理单元及称为联接的无向信通道互连成这些处单元(PE-PocesingElemnt)将具有局部的内存并可以完成他的局部操作每一个处理单元有一个独立的输出联接这个输出则会根据需要被分成许多个并行联接且这些并行联接都会输出相同的信号即相应的处理单元的信号信号的大小不会因分支的多少而变化处理单元输出信号能够是任何你需要的数学模型每个处理单元中所要进行的操作一定是完全局部的也就是说它需要仅仅依赖于经过输入联接到达处理单元中所有输入信号当前值和存储于处理单元局部内存中的值强调①并行分布处理结构；②一个处理单元的输出可以被任意分枝且大小不变③输出信号可以是任意的数学模型；④处理单元完全的局部操作。2)Rumellhar，McClelland和Hinton（1需要一组处理单元；（2处理单元它的激活状态；（3每个处理单元中的输出函数；（4处理单元之间的联接模式；（5传递的规则；（6把处理单元它的输入以及当前的状态结合起来所产生激活值的激活规则；（7通过经验修改联接强度的学习规则；（8系统运行环境(样本集合)。3)Simpson(1987年)存。：)：)运算中的全局并行以及局部操作；(3处理中的非线性特征。对大脑的基本特征的模拟：(1形式上：神经元及其联接；(2表现特征：信息的存储与处理。。2．2B网络的基本原理对于适合电力负荷预测的神经网络而言，目前主要的是采用MLFN(MultilayerFeedforwardNeuralNetwork前神网络为应用的最广发展也是最迅速的人工神经网络之一一般来说用于负荷预测的前馈多层神经网络含有BP(Backropgaton)反向传播经网络以RBF(RadialBasisFuncion径向基函数)神经网。本文所介绍的模网络是基于P法下P。．．1法的概述1．P现的t，n和W6独出P2aer其实就完成了相似工作，1974年的时候，s。2。3。．．基本的B算法反向传播神经网络是由于误差信号反向的传播而得名的。它选用的是前向为3层(图2一l示)。。，前间。。层，传就停止网络的训练。所谓P：（1目进。（2出。的BP(Backpopagtio)算法是S法tnSquare)均方误。S退为SS网。非，需。2．3B网络的改进基本的反向传播算法收敛速度很慢，用基本的反向传播算法去进行负荷预测训练将会花去数天甚至数星期的时间因此提高算法的收敛速度是很关键的问题一般提高收敛速度有两种途径第一类包括使用启发式信息的技术这是源于对标准反向传播算法误差曲面特定性能的研究这些启发式技术包括可变的学习速度使用动量和改变比例变量等另一类是标准数值优化技术其实训练前向神经网络减少均方误差只是一个数值优化的问题由于数值优化作为一个重要的研究课题己经有网五十年了因而从大量己有的数值优化技术中选择快速训练算法是比较合理的。主要包括共轭梯度算法和Levenberg-Marquardt算法(顿算的形)等。．．1法的启发式改进(1动量P算法(MOBP-Momentum)受一。的学习速度动量的另一个特征是当轨迹进入某个一致的方向后它可以加速收敛。(2可变学习速度的P法ege学次差(上)数(为1一5％于l数(的话为O以于1的为0不。（3）P和MP的点于P而，MP易，法(DP．SteeesDscntacpoggaio)。数但取值围限于[0，1]内，并且法对它选择并P比MP的P需要选择5响。．．数值优化技术，(工出：2．4几个问题的讨论．．步长问题P非，。[1988年，]．．局部极小点问题改w、b取W、b的多始权值，进行结果比较。．．网络瘫痪问题在训练中权值可能变得很大这会使神经元的网络输入变的很大从而又使得其激活函数的导函数在此点上的取值很小根据相应式子此时的训练步长会变的非常小，进而将导致训练速度降得非常低，最终导致网络停止收敛。．．稳定性问题在输入样本对神经网络的权值进行修改时权值的变化十分的不稳定因此用输入样本后得到的修改量的综合量对权值进行修改而不是每输入一个样本都修改权值。2．5 一些注意事项．伪数据的处理因为神经网络所用的负荷数据来自电力部门的SCADA系统由于各种原因会造成一定数量的异常数据考虑到负荷前后小时的自然变化如果出现超常规值，必须将其剔除，代之以正常比例范围内的估计值。b．待选的相似日范围因为随着时间的推移系统负荷结构会发生缓慢的变化当已知日和预测日相隔较远时即使它们的天气情况等因素很相似预测精度也不会高因而取前3个星期的已知日作为待选范围，同时还可以缩短程序选取样本所花费的时间。结论准确进行短期负荷预测是电力行业所企盼的本文提出一种模糊神经网方用术网的充了ANN理非明法第三章模糊控制基本原理3.1模糊控制的形成与发展模糊控制是以模糊集合论模糊语言变量及模糊逻辑为基础的计算机智能控制。模糊控制出现也不过30年1974年马达(ainani)教授在其的博士论文中首次阐述了怎样将模糊逻辑应用于过程控制，从而创造了模糊控制。经过30年的发展之中无数科学工作者为其呕心沥血模糊控制在理论和应用研究方面都已经取得了重大的成功。传统的控制方法在执行控制,基于数学模型的对象。研究表,人类在这个过程中处理复杂对,不是首先建立控制对象的数学模,然后根据该模型准确地计算出系统需要控制数,而是完全根据模糊概念的模糊量完成正确的系统控制。人们从中得到灵,并最终导致模糊控制的诞生。正如您可以看到,经验和知识在扮演着重要的角,通过经验和知识推,从而相应的控制策略。模糊控制从1974年到现在，模糊控制的发展经历了两个阶段，第一阶段就是简单模糊控制阶段和第二阶段智能化模糊控制阶段简单模糊控制阶段指在计算机系统上把控制器上的推理过程处理成控制表这种模糊控制器结构简单但繁低;模糊控制阶段在其第二阶段也就是智能化模糊控制阶段性能得到显著提升其已经是具有参数自我调整自我组织和自我学习功能的模糊控制器。在1980年代后期,日本率先将模糊控制技术应用在家用电器领,推出了模糊洗衣机、冰箱、空调、电饭锅等,显示了模糊控制强大的生命力。起初模糊冰箱是在变频冰箱系统中尝,首先通过A/D采样读入冷藏室和冷冻室温度和速度的温度变化,然后模糊,最后计算根据原来的模糊规则调整压缩机的速度。3.2模糊集合的基本知识3.概念与模糊集定义模糊概念:设论域Ee,e,e}，将E的任一子集A用隶属度表示为1 2 nA:(e(e)),(e(e)),(e(e))}1 A1 2 A2 nAn当(e)1，eA当(e)0，eA如Ai i Ai iAAA~果(e)的取值范围不局限于0和1，而拓宽为取0和1之间任何数，如：AAAA~A':(e,0.5,(e,0.8,(e1.0,(e,0.,(e,0.0}~ 1 2 3 4 5合A'素e而~ 是e于A'，e于A'，e于A'，e于A'而e少1 ~ 2 ~ 3 ~ 5 ~ 4于A'比e用583合A'的~ 1 ~，量确合A'中5，8，3别~。义:域E，E间[]射A~：E[]A~e(e)A~了E或F为A。糊~ ~集A，~

(e)素e于A。~ ~域E集A数~

(e)。e模A~集A由~

(e)间[]。A~

(e)接A~于1，示e从于A的程度越；反，(e)的值接于0，示e从~ ~于A的当(e)为}时，隶属函数已一A A~ ~合A也这~拓特。3.集合的表示方法对于论域E上的模糊集合A，通常采用的表达方式有下述几种。~AZhA当E有域Ee,e,e}时按Zah法有1 2 nA~

(e) (e) (e)~ 1 ~ 2 ~ neee1 2 n式，(e)/e并，素e对合A的度~ i i i ~(e)和元素e本身的对应关系，同样“+”也不表示“加”在A i~论域E上，组成模糊集合A的全体元素e(i,,n)间排序与整体间的关系。~ i当E有，Zh给出为(e)~Ee同“”符运论域E上的元素e与隶属度(e)一。A~另、示。3.集合中的基本定义和运算性质基本定义模糊集合中的基本术语必须使用隶属函数来定义这和清晰集合是有区别的。“并论域E集A与B”~ ~。，，、，模的人处有。 A模糊统计法：其基本思想是对论域E上的一个确定元素 A的一个可变动的清晰集合A合A糊合A，为。A的对个~了，必，e，A作n次0：e对A的隶属频率0 ~

f(n)"e0的次数n随着n的增大，隶属频率也会趋向另外可以借助常见模糊分布来确定隶属函数如正态分布三角形分布等。3.2.2关系模糊关系定义：两个非空集合U与V之间的直积UVu,v|uU,vV}中的一个模糊子集R被称为U到V的模糊关系又称二元模糊关系其特性~可以由下面的隶属函数来描述：UV[]R隶属函数(u,v)表示序偶u,v的隶属程度，也描述了(u,v)间具有关系R~R的量级。特别在论域U~

V时，称R为U上的模糊关系。当论域为n个集合~Ui,,n)的直积UUU时，它们所对应的模糊关系R则被称为ni 1 2 n ~元模糊关系。模糊关系通常可以用模糊矩阵、模糊图和模糊集表示法来表示。模糊矩阵表示法通常，模糊矩阵被用来表示二元模糊关系。当X{x|i,}Y{y|j,}，i j则XY系R列mn：~r[R[Rn1

r2r2rm2

r1r2nn素r(x,)由此表示模糊关系的矩阵被称为模糊矩（fuzzyij Rij~matrix由于的取值区间为[]因此模糊矩阵元素r的值也都在]区间。R ij~模糊矩阵的运算由于模糊矩阵本身也是表示一个模糊子集，因此，根据~模糊集的交、并、补运算定义，模糊矩阵也可作相应的运算。模算“它用代两模矩的乘，与线代中矩乘为似只将通阵运中应素相用取小运“”来代，运间加取“”代替具可如定。设两模矩阵P(p) Q(q) 它们的合成运算PQ结果也是i,n j,knl一个模糊矩阵R，则R(r) 。模糊矩阵R的第i行第k列元素r等于P矩阵i,kml ik的第i行元素与Q矩阵的第k列对应元素两两取小，而后再在所得到j个元素中取大，即R(pq) (i,;k,,l)ikj1 ij jk3.3模糊神经网络简介神经网络与图3-3隶度数线逻相合生一新术领域这是糊经络糊经络正不探研的个领。在前模神网有三形：逻辑模糊神经网络:模糊逻辑神经网络由模糊逻辑神经元构成。模糊逻辑神经元具有模糊权系数,并执行逻辑操作的输入模糊信号的神经元。由模糊神经元模糊算术逻辑运算,算术操作和其他操作。无论如何,是传统基础模糊神经元神经元。他们可以源于传统神经元。算术模糊神经网络:模糊算法的模糊神经网络是对输入信号执行模糊运算,并且包含模糊神经网络的权数。通常情况下,该算法的模糊神经网络也称为常规模糊神经网络,或标准模糊神经网络。常规模糊神经网络简称为RFNN(RegularFuzzyNeuralNet或称为FNN(FuzzyNeuralNet)。通常，都把常规模糊神经网络简称为FN。用Fl，F2，3。：称 数 号l 数 络2 数 络3 数 络：称HFNN(HybrdFuzNeralet)在网络的拓扑结构上混合模糊神经网络和常规模糊神经网络是一样的它们之间的不同仅在于如下两点功能：1．输入到神经元的数据聚合方法不同；2．神经元的激发函数，即传递函数不同。在混合模糊神经网络中任何操作都可以用于聚合数据任何函数都可以用作传递函数去产生网络的输出对于专门的应用用途可选择与之相关而有效的聚合运算和传递函数而在常规模糊神经网络也即标准模糊神经网络中数据的聚合方法采用模糊加或乘运算，传递函数采用S函数。本文中建立的网络就属于混合模糊神经网络因为我们的聚合函数仍采用算数加和算数乘，传递