基于粒计算的模糊神经建模方法在电能输出预测中的应用

被引：1

作者：

孙文越 ^{[1
]}

张建华 ^{[1
]}

王如彬 ^{[2
]}

机构：

[1] 华东理工大学信息科学与工程学院

[2] 华东理工大学理学院

来源：

华东理工大学学报(自然科学版) | 2015年 / 41卷 / 04期

基金：

国家自然科学基金重点项目;

关键词：

电能输出预测; 粒计算; 模糊推理系统; 模糊神经网络;

D O I：

10.14135/j.cnki.1006-3080.2015.04.018

中图分类号：

TP311.13 []; TM62 [发电厂];

学科分类号：

1201 ; 080802 ;

摘要：

准确地预测电厂的电能输出可以节约成本从而获得最大利润,因此建立一个模型来预测电厂的满载电功率输出是非常重要的。粒计算(Granular Computing,GrC)是一种新型的数据挖掘方法,它将具有类似特性的对象组合在一起,通过选择合适的粒度提取核心信息,减少冗余,降低问题求解的复杂度。本文使用GrC方法,从复杂多维数据集中以信息粒的形式建立初始的模糊推理系统,再通过模糊神经网络学习方法对系统参数进行优化。这种基于GrC的模糊神经(Granular Computing based Neuro-Fuzzy,GrC-NF)建模方法,不仅可以降低问题求解的复杂度,而且可以保持模糊逻辑系统的可解释性,将其与模糊神经网络的结合又提高了建模精度。本文将该方法用于建立电功率输出的预测模型,通过其预测精度的比较表明了该方法的优越性。

引用

页码：529 / 537

页数：9

共 5 条

[1] 一种基于超盒表示的规则提取方法 [J].

陈曦 ;

靳东明 ;

李志坚 .

电子学报, 2002, (09) :1379-1383

[2]

Prediction of full load electrical power output of a base load operated combined cycle power plant using machine learning methods[J] . P?nar Tüfekci.International Journal of Electrical Power and Energy Systems . 2014

[3]

Granular computing neural-fuzzy modelling: A neutrosophic approach[J] . Adrian Rubio Solis,George Panoutsos.Applied Soft Computing Journal . 2013 (9)

[4]

A neural-fuzzy modelling framework based on granular computing: Concepts and applications[J] . George Panoutsos,Mahdi Mahfouf.Fuzzy Sets and Systems . 2010 (21)

[5] Toward a theory of fuzzy information granulation and its centrality in human reasoning and fuzzy logic [J].

Zadeh, LA .

FUZZY SETS AND SYSTEMS, 1997, 90 (02) :111-127

← 1 →