頁籤選單縮合
題 名 | Short Term Load Forecasting Using Fuzzy ARMAX Models=應用模糊自回歸-移動平均-輸入變數模式於短期負載預測 |
---|---|
作 者 | 黃昭明; 楊宏澤; 黃慶連; | 書刊名 | 高苑學報 |
卷 期 | 6:1 1997.02[民86.02] |
頁 次 | 頁69-77 |
分類號 | 448.115 |
關鍵詞 | 模糊ARMAX模式; 進化規劃; 負載預測; 類神經網路; |
語 文 | 英文(English) |
中文摘要 | 傳統的短期負載預測方法,大致上可歸為兩類:一為隨機時間序列法,另一為人 工智慧方法。 隨機時間序列法, 如自迴歸 - 移動平均 - 輸入變數 (Autoregressive Moving Average with Exogenous Input Variable, ARMAX) 模式, 此種方法以隨機方式模 擬電力負載之動態行為,並已被廣泛應用於短期電力負載預測,其缺點為缺乏足夠能力去模 擬系統負載之非線性行為;人工智慧方法,如模糊邏輯法、類神經網路法等,這些方法對於 系統負載之非性線行為能得到較合理模擬響應,但由於訓練時間上的限制,當應用於即時動 態負載預測環境時,其速度則過於緩慢。 為克服上述缺點,本文提出模糊自迴歸 - 移動平 均 - 輸入變數模式於短期電力負載預測,本法整合傳統隨機時間序列法與人工智慧法, 並 利用啟發式搜尋法則結合進化規劃演算技術求解最佳之輸入變數個案、適當的模糊切割空間 及歸屬函數值,由於本法採自我組織搜尋方式,因此非常適合於即時動態短期負載預測。本 方法以臺電系統負載及氣象局天氣資料作測試, 結果並將與傳統 STS 方法及 ANNs 方法作 比較,以驗證本法之優越性。 |
英文摘要 | This paper proposes a new self-organizing model of fuzzy autoregressive moving average with exogenous input variables (FARMAX) for one day ahead hourly load forecasting of power systems. To achieve the purpose of self-organizing the FARMAX model, identification of the fuzzy model is formulated as a combinatorial optimization problem. Then a combined use of heuristics and evolutionary programming (EP) scheme is relied on to solve the problem of determining optimal number of input variables, best partition of fuzzy spaces and associated fuzzy membership functions. The proposed approach is verified by using the practical load and weater data for Taiwan Power (Taipower) systems. Comparisons are made of forecasting errors with the existing ARMAX model implemented by commercial SAS package and artificial neural networks (ANNs) method. |
本系統中英文摘要資訊取自各篇刊載內容。