資源描述：
《基于模糊神經(jīng)網(wǎng)絡(luò)的供熱負(fù)荷預(yù)測.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、圃■Ⅲ●■lⅢh"基于模糊神經(jīng)網(wǎng)絡(luò)的供熱負(fù)荷預(yù)測沈曉峰張子平呂冬杰河北工程大學(xué)城市建設(shè)學(xué)院摘要：為了克服傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)預(yù)測精度差，易陷入局部極值的缺陷，提出了模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)。利用模糊粗糙集通過歷史負(fù)荷數(shù)據(jù)信息的模糊化替代負(fù)荷變化的離散化，快速尋找出樣本數(shù)據(jù)間的連續(xù)屬性的信息，將其與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)結(jié)合組成模糊神經(jīng)網(wǎng)絡(luò)對熱負(fù)荷進(jìn)行預(yù)測。實驗結(jié)果表明：該模糊神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的相對誤差很小不超過2％，在短期負(fù)荷預(yù)測方面具有的優(yōu)越性。關(guān)鍵詞：供熱負(fù)荷；模糊神經(jīng)網(wǎng)絡(luò)；預(yù)測1前言隨著我國城市集中供熱的迅速發(fā)展
2、，采暖的能源消耗在全社會總的能耗中占的比例也越來越大。我國建筑能耗占全社會能耗的30％左右，而采暖能耗又是所有能耗中最主要的部分，約占建筑能耗40％。50％。對目前我國節(jié)能潛力大的建筑進(jìn)行相關(guān)的研究，是必要且可行的。建筑節(jié)能的關(guān)鍵是對供熱負(fù)荷進(jìn)行預(yù)報。負(fù)荷預(yù)測的主要方法有：(1)自回歸移動模型法；(2)時間序列法；(3)回歸分析法以上方法均存在很大的局限性。隨著智能技術(shù)的快速發(fā)展，采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行負(fù)荷預(yù)測供的研究不斷增多，但是BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速率固定需要較長的訓(xùn)練時間，易陷入局部最小值，網(wǎng)絡(luò)隱含層
3、的選擇困難。本文通過將模糊理論移植人BP神經(jīng)網(wǎng)絡(luò)模型來對其進(jìn)行優(yōu)化，以避免其固有的不足，提出了模糊神經(jīng)網(wǎng)絡(luò)模型．該模型可以快速、準(zhǔn)確的對供熱負(fù)荷進(jìn)行預(yù)測。2模糊神經(jīng)網(wǎng)路熱負(fù)荷預(yù)測模型2．1模糊系統(tǒng)模糊系統(tǒng)是基于模糊邏輯的一種更加接近于人類的思維和自然語言。從原理方面來說，模糊邏輯為獲取實際生活中不確定的特性提供了一種有效方式。模糊邏輯利用語言以及人們對外界認(rèn)識概念的思維特性去研究智能，它可以利用自然語言對人的經(jīng)驗進(jìn)行描述，模糊系統(tǒng)就是運用這一大優(yōu)點。一般而言，模糊系統(tǒng)是指與模糊概念和模糊邏輯有直接關(guān)系
4、的系統(tǒng)，它由以下四個部分組成：模糊產(chǎn)生器、模糊推理機(jī)、模糊知識庫和反模糊化器u1。2．2模糊神經(jīng)網(wǎng)絡(luò)模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)是兩種不同信息處理方法的結(jié)合，是一種優(yōu)良的混合預(yù)測方法。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)具有較強(qiáng)的自學(xué)習(xí)訓(xùn)練、自組織、非線性逼近和很強(qiáng)的容錯能力，但在進(jìn)行歷史樣本數(shù)據(jù)信息知識表達(dá)和解釋能力方面較差，學(xué)習(xí)速度相對較慢且容易陷入局部尋優(yōu)的死循環(huán)中。粗糙集中的知識簡約理論能夠發(fā)現(xiàn)大量非線性歷史數(shù)據(jù)集合內(nèi)部存在的潛在關(guān)系，可以將那些冗余、不必要的屬性信息進(jìn)行過濾剔除，從而簡化了歷史數(shù)據(jù)的時間空間復(fù)雜性。對于供熱系統(tǒng)
5、短期負(fù)荷而言，利用模糊粗糙集通過歷史負(fù)荷數(shù)據(jù)信息的模糊化替代負(fù)荷變化的離散化，能夠快速尋找出樣本數(shù)據(jù)間的連續(xù)屬性的信息，故將二者的結(jié)合組成模糊神經(jīng)網(wǎng)絡(luò)可以充分發(fā)揮兩者的優(yōu)勢，實現(xiàn)相互間功能的互補(bǔ)91。2。3模糊神經(jīng)網(wǎng)路熱負(fù)荷預(yù)測模型本文選擇室外溫度、每天8點時刻的供水流量兩個影響因素作為輸入變量。由于模糊神經(jīng)網(wǎng)絡(luò)的輸入變量數(shù)和輸入層的節(jié)點數(shù)一致，所以該模糊神經(jīng)網(wǎng)絡(luò)模型的輸入層的節(jié)點數(shù)可選擇為2個。本文選擇供熱負(fù)荷作為輸出變量，因此得知輸出層只有一個神經(jīng)元。3負(fù)荷預(yù)測實驗分析在該集中供熱系統(tǒng)中，供熱負(fù)荷
6、影響信號的形式不一致，分別為模糊信號、精確的數(shù)值信號。所以，我們需要將模糊信號統(tǒng)一處理成準(zhǔn)確的數(shù)值信號，并將其作為網(wǎng)絡(luò)的輸入信號。為了加快神經(jīng)網(wǎng)絡(luò)處理數(shù)據(jù)，需要對數(shù)據(jù)進(jìn)行歸一化處理。以邯鄲某熱力公司的供熱站的數(shù)據(jù)作為樣本數(shù)據(jù)集，針對該模糊神經(jīng)網(wǎng)絡(luò)設(shè)計，我們選取連續(xù)30天的數(shù)據(jù)作為歷史樣本數(shù)據(jù)。由于篇幅限制，只列出了部分?jǐn)?shù)據(jù)。見表1。表1數(shù)據(jù)表日期室外溫度℃供水流量負(fù)荷(1(J／}1)2015．2．1-6．70．6528．92015．2．2-6．90．6530．82015．2．3-7．8O．6532．1
7、2015．2．4-7．40．6534．62015．2．5一11．70．6556．9本文采用模糊神經(jīng)網(wǎng)絡(luò)主要參數(shù)設(shè)置：常數(shù)分別為O．45，1．25，本神經(jīng)網(wǎng)絡(luò)設(shè)初始學(xué)習(xí)速率為0．001、樣本模式、訓(xùn)練次數(shù)計數(shù)器均為l，把訓(xùn)練樣本數(shù)據(jù)代入模糊神經(jīng)網(wǎng)絡(luò)，不斷進(jìn)行學(xué)習(xí)訓(xùn)練從而使得神經(jīng)網(wǎng)絡(luò)的連接權(quán)值達(dá)到最優(yōu)化，最后輸入測試樣本數(shù)據(jù)，進(jìn)一步得到熱負(fù)荷的預(yù)測值。我們可以根據(jù)專家經(jīng)驗和控制工程知識選取隸屬度函數(shù)初始參數(shù)。模糊神經(jīng)網(wǎng)絡(luò)中前一部分參數(shù)值可以大概估計出范圍。一般情況下，可以在[o，1】間隨機(jī)選取一個數(shù)作為權(quán)
8、值的初始值。用25天的樣本數(shù)據(jù)作為訓(xùn)練樣本，用5天的樣本數(shù)據(jù)測試訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)。通過利用訓(xùn)練樣本輸入量和輸出量，模糊神經(jīng)網(wǎng)絡(luò)實現(xiàn)TiJJl練和學(xué)習(xí)的過程，所得曲線如圖1所示。為了驗證仿真效果，所得曲線如圖2所示。并把預(yù)測熱負(fù)荷和實際熱負(fù)荷進(jìn)行對比所得曲線如圖3、圖4所示。B啡1岬h巾’腳膨bH札’4。?，“tP“h射％擗她卑9‘他《嬸r==葛：—————、L一。。?一jj一∞J自}商#圖1曲線圖圖2曲線圖。?p#一?J?！踭二，i§睜·一”{{圖3
