第一章緒論1.1課題的提出和意義隨著我國電力事業(yè)的發(fā)展電網(wǎng)管理日趨現(xiàn)代化負(fù)荷預(yù)測(cè)問題的研究逐漸引起了人們的關(guān)注在電力系統(tǒng)學(xué)科中占據(jù)了重要的地位是一個(gè)重要的組成部分。在實(shí)際中，制定電力系統(tǒng)規(guī)劃以及實(shí)現(xiàn)電力系統(tǒng)自動(dòng)化這兩項(xiàng)重要的工作，對(duì)它們進(jìn)行應(yīng)有的負(fù)荷預(yù)測(cè)都是基本要求。眾所周知電力系統(tǒng)的作用應(yīng)當(dāng)是為各類的用戶提供可靠而合乎質(zhì)量要求的電能使得各種客戶的要求得到滿足而所有用戶所使用的電能即為負(fù)荷負(fù)荷對(duì)。度。準(zhǔn)，由要，無，借的機(jī)，對(duì)、電。根活既，、資源的需求量。電力系統(tǒng)負(fù)荷預(yù)測(cè)按照時(shí)間以及目的可以劃分為以下幾個(gè)層次①超短期負(fù)荷預(yù)測(cè)是未來1個(gè)小時(shí)以內(nèi)的負(fù)荷預(yù)測(cè)在安全監(jiān)視狀態(tài)下需要5～l0s或1到5min的預(yù)測(cè)值預(yù)防性控制以及緊急狀態(tài)處理需要l0min至1h的預(yù)測(cè)值②短期負(fù)荷預(yù)測(cè)則是指日負(fù)荷預(yù)測(cè)和周負(fù)荷預(yù)測(cè)分別用于安排日調(diào)度計(jì)劃和周調(diào)度計(jì)劃包括確定機(jī)組起停水火電協(xié)調(diào)聯(lián)絡(luò)線交換功率負(fù)荷經(jīng)濟(jì)分配水庫調(diào)度和設(shè)備檢修等對(duì)短期預(yù)測(cè)需充分研究電網(wǎng)負(fù)荷變化規(guī)律分析負(fù)荷變化相關(guān)因子特別是天氣因素日類型等和短期負(fù)荷變化的關(guān)系③中期負(fù)荷預(yù)測(cè)是指月至年的負(fù)荷預(yù)測(cè)主要是確定機(jī)組運(yùn)行方式和設(shè)備大修計(jì)劃等④長期負(fù)荷預(yù)測(cè)國家對(duì)3年以上的時(shí)間所進(jìn)行的預(yù)測(cè)由電網(wǎng)規(guī)劃部門來根據(jù)國民經(jīng)濟(jì)的發(fā)展和對(duì)電力負(fù)荷的需求對(duì)電網(wǎng)改造以及擴(kuò)建來做一個(gè)相應(yīng)的準(zhǔn)備工作國民經(jīng)濟(jì)發(fā)展、國家政策會(huì)對(duì)中長期的電力負(fù)荷預(yù)測(cè)有著一個(gè)重要的指導(dǎo)作用。綜上所述電力系統(tǒng)的正確調(diào)度規(guī)劃和運(yùn)行都離不開電力負(fù)荷預(yù)測(cè)準(zhǔn)確的負(fù)荷預(yù)測(cè)不僅對(duì)電力系統(tǒng)的安全可靠經(jīng)濟(jì)運(yùn)行起著重要作用同時(shí)也是潛在節(jié)約能源的方法隨著我國在市場(chǎng)經(jīng)濟(jì)體質(zhì)下的發(fā)展電力系統(tǒng)對(duì)市場(chǎng)需求也爭(zhēng)政府從2001年至2010年在廠網(wǎng)分開的基礎(chǔ)上建立起了規(guī)范，競(jìng)爭(zhēng)，有序的發(fā)電市場(chǎng)2010年后再在營銷環(huán)節(jié)逐步引入競(jìng)爭(zhēng)機(jī)制。各發(fā)電廠需要按各自的上網(wǎng)電價(jià)競(jìng)價(jià)發(fā)電以達(dá)到節(jié)省能源，降低總發(fā)電成本的目的。負(fù)荷預(yù)測(cè)是實(shí)現(xiàn)電力市場(chǎng)的必備條件，具有重要的理論意義和實(shí)用價(jià)值。人們?cè)谏a(chǎn)生活實(shí)際中逐漸產(chǎn)生了兩種預(yù)測(cè)方法都是根據(jù)統(tǒng)計(jì)學(xué)理論來進(jìn)行的分析即時(shí)間序列法以及回歸分析法時(shí)間序列法早期的時(shí)候被廣泛運(yùn)用一般來說分為確定性時(shí)序法和隨機(jī)性時(shí)序法確定性時(shí)序法包括時(shí)間序列平滑法趨勢(shì)外推和季節(jié)變動(dòng)法等后者則包括馬爾可夫法BoxJenkins法(稱A模型法)中s用實(shí)我列法則大都建立在假定負(fù)荷是穩(wěn)定發(fā)展變化基礎(chǔ)上的沒有考慮過溫度等因素對(duì)負(fù)荷的影響所以面對(duì)溫度變化劇烈或者其他因素對(duì)他產(chǎn)生了干擾的時(shí)候結(jié)果通常會(huì)有較大的偏差這些方法所共同具備的特點(diǎn)也是他們之所以能唄人們廣泛運(yùn)用會(huì)是由于需要的歷史數(shù)據(jù)少工作量相對(duì)來說也會(huì)比較的少一點(diǎn)假如是沒有考慮負(fù)荷變化的因素，只能適用于負(fù)荷變化相對(duì)比較平穩(wěn)前提下所進(jìn)行的預(yù)測(cè)。1.2負(fù)荷預(yù)測(cè)特點(diǎn)以及他的研究現(xiàn)狀負(fù)荷預(yù)測(cè)的一個(gè)突出特點(diǎn)就是要依靠負(fù)荷的歷史記錄對(duì)過去的負(fù)荷進(jìn)行分析進(jìn)而對(duì)未來做出預(yù)測(cè)電力系統(tǒng)的負(fù)荷在本質(zhì)上來說是不可控的雖然一些小的變化可用頻率控制加以影響或者在某些情況下可以在局部地區(qū)采用電量計(jì)劃分配，或者采用某種特殊的電價(jià)政策來對(duì)負(fù)荷施加影響，然而，總的說來，由于各種因素的影響負(fù)荷是不可控的因此了解未來短期內(nèi)負(fù)荷的可能變化的一個(gè)最為有效的方法就是觀察負(fù)荷的歷史記錄負(fù)荷的另一個(gè)特征就是它具有按天按周以及按年的周期性變化特點(diǎn)而短期負(fù)荷預(yù)測(cè)正是密切注意到負(fù)荷的這兩個(gè)重要特征，有針對(duì)地提出一套可行的辦法。電力系統(tǒng)的短期負(fù)荷預(yù)測(cè)分為離線預(yù)測(cè)和在線預(yù)測(cè)。離線預(yù)測(cè)就是進(jìn)行按并，測(cè)能變。：(1)確定預(yù)以測(cè)間。(2)按樣間對(duì)測(cè)，的記時(shí)候需記料時(shí)隔測(cè)間。(3)分析荷資判么型于個(gè)荷變程。(4)對(duì)所建立的模型，根據(jù)模型本身的特性及己知負(fù)荷記錄資料對(duì)它進(jìn)行辨識(shí)與參數(shù)的粗估計(jì)。(5)進(jìn)行參數(shù)的精確估計(jì)。()進(jìn)行模型適用合理性的檢驗(yàn)。()建立模。()在預(yù)程對(duì)型必正。長實(shí)們了負(fù)測(cè)統(tǒng)統(tǒng)的預(yù)測(cè)大種序回析早預(yù)主時(shí)序列為時(shí)隨時(shí)包間滑勢(shì)外推和季節(jié)變動(dòng)法等后者包括馬爾可夫法和BoxJenkins法(又稱AA法)等，其中Box-Jenkins法最成功，使用最廣泛。但這些方法被廣泛應(yīng)用的同時(shí)，也表現(xiàn)出很多缺陷和局限性如預(yù)測(cè)精度不能滿足實(shí)際工程的要求在節(jié)假日的預(yù)測(cè)效果不令人滿意加上不具備自適應(yīng)和自學(xué)習(xí)的能力預(yù)測(cè)系統(tǒng)的魯棒性沒有保障等。時(shí)間序列法一般都是建立在假定負(fù)荷是穩(wěn)定發(fā)展變化的基礎(chǔ)上沒有考慮天氣對(duì)負(fù)荷的影響故面對(duì)天氣驟變或突發(fā)事件時(shí)預(yù)測(cè)誤差較大這些方法的優(yōu)點(diǎn)是所需歷史數(shù)據(jù)少工作量小確定是沒有考慮負(fù)荷變化的因素只適用于負(fù)荷變化比較平穩(wěn)的前提下進(jìn)行的預(yù)測(cè)?；貧w算法能夠考慮進(jìn)天氣影響和特殊日負(fù)荷的特點(diǎn)但它需要大量數(shù)據(jù)的參與計(jì)算同時(shí)一般均假設(shè)各變量之間是簡(jiǎn)單的線性關(guān)系而負(fù)荷與天氣等變量之假來系，也對(duì)負(fù)荷預(yù)測(cè)有了新的見解產(chǎn)生了許多更適用于莫方面的方法其中主要包括短期負(fù)荷預(yù)測(cè)的趨勢(shì)外推預(yù)測(cè)技術(shù)灰色預(yù)測(cè)技術(shù)以及人工智能技術(shù)電力負(fù)荷雖然有隨機(jī)不確定的一面但是在趨勢(shì)上有明顯的規(guī)律可循根據(jù)各行業(yè)負(fù)荷變化的規(guī)律運(yùn)用趨勢(shì)外推技術(shù)進(jìn)行負(fù)荷預(yù)測(cè)能夠得到較為理想的結(jié)果外推法有線性和累計(jì)預(yù)測(cè)等方法外推法的優(yōu)點(diǎn)是所需的數(shù)據(jù)量較少缺點(diǎn)是如果負(fù)荷出現(xiàn)變動(dòng)，會(huì)引起較大的誤差?；疑A(yù)測(cè)技術(shù)是以灰色系統(tǒng)理論為基礎(chǔ)建立的灰色預(yù)測(cè)技術(shù)可在數(shù)據(jù)不多的情況下找出某個(gè)時(shí)期內(nèi)起作用的規(guī)律建立短期負(fù)荷預(yù)測(cè)的模型和其他預(yù)測(cè)方法相比該方法也存在一定的局限性當(dāng)數(shù)據(jù)離散度越大即數(shù)據(jù)灰度越大時(shí)，其預(yù)測(cè)精度越差，目前有對(duì)灰色模型(G進(jìn)行的改進(jìn)，取得了一定的效果。作為人工智能的重要技術(shù)之一的專家系統(tǒng)在短期負(fù)荷預(yù)測(cè)中也得到了～定的應(yīng)用專家系統(tǒng)是建立于人類專家知識(shí)上的邏輯推理模型在實(shí)際應(yīng)用中一般與某種其他方法(如人工神經(jīng)網(wǎng)絡(luò)際預(yù)測(cè)驗(yàn)使實(shí)際。90年絡(luò)(Aek簡(jiǎn)稱AN方法被引入到電力負(fù)荷預(yù)測(cè)之中，并己取得了許多成功的實(shí)例N是由大量簡(jiǎn)單的神經(jīng)元以一定的方式連接而成的單個(gè)神經(jīng)元的作用是實(shí)現(xiàn)輸入到輸出的一個(gè)非線性函數(shù)關(guān)系它們之間廣泛的連接組合就使得整個(gè)ANN具復(fù)線性AN將的隱連上根的算節(jié)使絡(luò)實(shí)現(xiàn)從M維間向N空的性。期受因天經(jīng)。糊。是箱)。成學(xué)來。相而模擬人的經(jīng)驗(yàn)處理一些不確定信息另一方面模糊系統(tǒng)很難從樣本中直接學(xué)習(xí)規(guī)則且在模糊推理中會(huì)增加模糊性而神經(jīng)網(wǎng)絡(luò)則有較強(qiáng)的學(xué)習(xí)能力可以利用聯(lián)想記憶降低模糊性這樣就產(chǎn)生了模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法它是現(xiàn)代軟計(jì)算概念中的重要內(nèi)容綜合上述分析可以看出模糊神經(jīng)網(wǎng)絡(luò)在短期負(fù)荷預(yù)測(cè)方面的確具有極大的優(yōu)勢(shì)雖然現(xiàn)在已有許多關(guān)于這方面的理論研究報(bào)告但實(shí)際應(yīng)用的并不很多本文中采用模糊神經(jīng)網(wǎng)絡(luò)技術(shù)來建立負(fù)荷預(yù)測(cè)模型經(jīng)驗(yàn)證模型具有運(yùn)算精度高，收斂速度快等優(yōu)點(diǎn)。1.3本文主要工作（1）了解電力系統(tǒng)負(fù)荷預(yù)測(cè)的相關(guān)內(nèi)容，他的概念，所包含的意義，所包括的類型。指出其特點(diǎn)。（2）對(duì)人工神經(jīng)網(wǎng)絡(luò)有大致的敘述，讓人們對(duì)她的概念和原理有一個(gè)基本的了解。（3）對(duì)模糊理論進(jìn)行相應(yīng)的闡述，對(duì)神經(jīng)網(wǎng)絡(luò)與模糊理論相結(jié)合的各種組合方式有一個(gè)清晰的認(rèn)識(shí)和介紹。（4）以一定的數(shù)據(jù)為例，詳細(xì)介紹建立模糊網(wǎng)絡(luò)電力預(yù)測(cè)模型的全過程。并通過與數(shù)據(jù)的比較，顯示其優(yōu)越性。1.4設(shè)計(jì)路線：（1）針對(duì)原始數(shù)據(jù)提出相應(yīng)的問題，并進(jìn)行相應(yīng)的分析和比較。（2）建立模糊網(wǎng)絡(luò)預(yù)測(cè)模型，并對(duì)輸入和輸出因素進(jìn)行確定以及處理（3講數(shù)據(jù)進(jìn)行模糊化處理作為網(wǎng)絡(luò)的輸入數(shù)據(jù)并將目標(biāo)輸出數(shù)據(jù)進(jìn)行歸一化處理。（4）用軟件中的經(jīng)網(wǎng)絡(luò)包網(wǎng)絡(luò)進(jìn)行練直至達(dá)穩(wěn)定的輸出。（5）通過訓(xùn)練的網(wǎng)絡(luò)進(jìn)預(yù)測(cè)第二章人工神經(jīng)網(wǎng)絡(luò)2．1人工神經(jīng)網(wǎng)絡(luò)的概念1)Heht-Nelsn(198年)一人工神經(jīng)絡(luò)是個(gè)并的、分處理結(jié)構(gòu)它是由理單元及稱為聯(lián)接的無向信通道互連成這些處單元(PE-PocesingElemnt)將具有局部的內(nèi)存并可以完成他的局部操作每一個(gè)處理單元有一個(gè)獨(dú)立的輸出聯(lián)接這個(gè)輸出則會(huì)根據(jù)需要被分成許多個(gè)并行聯(lián)接且這些并行聯(lián)接都會(huì)輸出相同的信號(hào)即相應(yīng)的處理單元的信號(hào)信號(hào)的大小不會(huì)因分支的多少而變化處理單元輸出信號(hào)能夠是任何你需要的數(shù)學(xué)模型每個(gè)處理單元中所要進(jìn)行的操作一定是完全局部的也就是說它需要僅僅依賴于經(jīng)過輸入聯(lián)接到達(dá)處理單元中所有輸入信號(hào)當(dāng)前值和存儲(chǔ)于處理單元局部?jī)?nèi)存中的值強(qiáng)調(diào)①并行分布處理結(jié)構(gòu)；②一個(gè)處理單元的輸出可以被任意分枝且大小不變③輸出信號(hào)可以是任意的數(shù)學(xué)模型；④處理單元完全的局部操作。2)Rumellhar，McClelland和Hinton（1需要一組處理單元；（2處理單元它的激活狀態(tài)；（3每個(gè)處理單元中的輸出函數(shù)；（4處理單元之間的聯(lián)接模式；（5傳遞的規(guī)則；（6把處理單元它的輸入以及當(dāng)前的狀態(tài)結(jié)合起來所產(chǎn)生激活值的激活規(guī)則；（7通過經(jīng)驗(yàn)修改聯(lián)接強(qiáng)度的學(xué)習(xí)規(guī)則；（8系統(tǒng)運(yùn)行環(huán)境(樣本集合)。3)Simpson(1987年)存。：)：)運(yùn)算中的全局并行以及局部操作；(3處理中的非線性特征。對(duì)大腦的基本特征的模擬：(1形式上：神經(jīng)元及其聯(lián)接；(2表現(xiàn)特征：信息的存儲(chǔ)與處理。。2．2B網(wǎng)絡(luò)的基本原理對(duì)于適合電力負(fù)荷預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)而言，目前主要的是采用MLFN(MultilayerFeedforwardNeuralNetwork前神網(wǎng)絡(luò)為應(yīng)用的最廣發(fā)展也是最迅速的人工神經(jīng)網(wǎng)絡(luò)之一一般來說用于負(fù)荷預(yù)測(cè)的前饋多層神經(jīng)網(wǎng)絡(luò)含有BP(Backropgaton)反向傳播經(jīng)網(wǎng)絡(luò)以RBF(RadialBasisFuncion徑向基函數(shù))神經(jīng)網(wǎng)。本文所介紹的模網(wǎng)絡(luò)是基于P法下P。．．1法的概述1．P現(xiàn)的t，n和W6獨(dú)出P2aer其實(shí)就完成了相似工作，1974年的時(shí)候，s。2。3。．．基本的B算法反向傳播神經(jīng)網(wǎng)絡(luò)是由于誤差信號(hào)反向的傳播而得名的。它選用的是前向?yàn)?層(圖2一l示)。。，前間。。層，傳就停止網(wǎng)絡(luò)的訓(xùn)練。所謂P：（1目進(jìn)。（2出。的BP(Backpopagtio)算法是S法tnSquare)均方誤。S退為SS網(wǎng)。非，需。2．3B網(wǎng)絡(luò)的改進(jìn)基本的反向傳播算法收斂速度很慢，用基本的反向傳播算法去進(jìn)行負(fù)荷預(yù)測(cè)訓(xùn)練將會(huì)花去數(shù)天甚至數(shù)星期的時(shí)間因此提高算法的收斂速度是很關(guān)鍵的問題一般提高收斂速度有兩種途徑第一類包括使用啟發(fā)式信息的技術(shù)這是源于對(duì)標(biāo)準(zhǔn)反向傳播算法誤差曲面特定性能的研究這些啟發(fā)式技術(shù)包括可變的學(xué)習(xí)速度使用動(dòng)量和改變比例變量等另一類是標(biāo)準(zhǔn)數(shù)值優(yōu)化技術(shù)其實(shí)訓(xùn)練前向神經(jīng)網(wǎng)絡(luò)減少均方誤差只是一個(gè)數(shù)值優(yōu)化的問題由于數(shù)值優(yōu)化作為一個(gè)重要的研究課題己經(jīng)有網(wǎng)五十年了因而從大量己有的數(shù)值優(yōu)化技術(shù)中選擇快速訓(xùn)練算法是比較合理的。主要包括共軛梯度算法和Levenberg-Marquardt算法(頓算的形)等。．．1法的啟發(fā)式改進(jìn)(1動(dòng)量P算法(MOBP-Momentum)受一。的學(xué)習(xí)速度動(dòng)量的另一個(gè)特征是當(dāng)軌跡進(jìn)入某個(gè)一致的方向后它可以加速收斂。(2可變學(xué)習(xí)速度的P法ege學(xué)次差(上)數(shù)(為1一5％于l數(shù)(的話為O以于1的為0不。（3）P和MP的點(diǎn)于P而，MP易，法(DP．SteeesDscntacpoggaio)。數(shù)但取值圍限于[0，1]內(nèi)，并且法對(duì)它選擇并P比MP的P需要選擇5響。．．?dāng)?shù)值優(yōu)化技術(shù)，(工出：2．4幾個(gè)問題的討論．．步長問題P非，。[1988年，]．．局部極小點(diǎn)問題改w、b取W、b的多始權(quán)值，進(jìn)行結(jié)果比較。．．網(wǎng)絡(luò)癱瘓問題在訓(xùn)練中權(quán)值可能變得很大這會(huì)使神經(jīng)元的網(wǎng)絡(luò)輸入變的很大從而又使得其激活函數(shù)的導(dǎo)函數(shù)在此點(diǎn)上的取值很小根據(jù)相應(yīng)式子此時(shí)的訓(xùn)練步長會(huì)變的非常小，進(jìn)而將導(dǎo)致訓(xùn)練速度降得非常低，最終導(dǎo)致網(wǎng)絡(luò)停止收斂。．．穩(wěn)定性問題在輸入樣本對(duì)神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行修改時(shí)權(quán)值的變化十分的不穩(wěn)定因此用輸入樣本后得到的修改量的綜合量對(duì)權(quán)值進(jìn)行修改而不是每輸入一個(gè)樣本都修改權(quán)值。2．5 一些注意事項(xiàng)．偽數(shù)據(jù)的處理因?yàn)樯窠?jīng)網(wǎng)絡(luò)所用的負(fù)荷數(shù)據(jù)來自電力部門的SCADA系統(tǒng)由于各種原因會(huì)造成一定數(shù)量的異常數(shù)據(jù)考慮到負(fù)荷前后小時(shí)的自然變化如果出現(xiàn)超常規(guī)值，必須將其剔除，代之以正常比例范圍內(nèi)的估計(jì)值。b．待選的相似日范圍因?yàn)殡S著時(shí)間的推移系統(tǒng)負(fù)荷結(jié)構(gòu)會(huì)發(fā)生緩慢的變化當(dāng)已知日和預(yù)測(cè)日相隔較遠(yuǎn)時(shí)即使它們的天氣情況等因素很相似預(yù)測(cè)精度也不會(huì)高因而取前3個(gè)星期的已知日作為待選范圍，同時(shí)還可以縮短程序選取樣本所花費(fèi)的時(shí)間。結(jié)論準(zhǔn)確進(jìn)行短期負(fù)荷預(yù)測(cè)是電力行業(yè)所企盼的本文提出一種模糊神經(jīng)網(wǎng)方用術(shù)網(wǎng)的充了ANN理非明法第三章模糊控制基本原理3.1模糊控制的形成與發(fā)展模糊控制是以模糊集合論模糊語言變量及模糊邏輯為基礎(chǔ)的計(jì)算機(jī)智能控制。模糊控制出現(xiàn)也不過30年1974年馬達(dá)(ainani)教授在其的博士論文中首次闡述了怎樣將模糊邏輯應(yīng)用于過程控制，從而創(chuàng)造了模糊控制。經(jīng)過30年的發(fā)展之中無數(shù)科學(xué)工作者為其嘔心瀝血模糊控制在理論和應(yīng)用研究方面都已經(jīng)取得了重大的成功。傳統(tǒng)的控制方法在執(zhí)行控制,基于數(shù)學(xué)模型的對(duì)象。研究表,人類在這個(gè)過程中處理復(fù)雜對(duì),不是首先建立控制對(duì)象的數(shù)學(xué)模,然后根據(jù)該模型準(zhǔn)確地計(jì)算出系統(tǒng)需要控制數(shù),而是完全根據(jù)模糊概念的模糊量完成正確的系統(tǒng)控制。人們從中得到靈,并最終導(dǎo)致模糊控制的誕生。正如您可以看到,經(jīng)驗(yàn)和知識(shí)在扮演著重要的角,通過經(jīng)驗(yàn)和知識(shí)推,從而相應(yīng)的控制策略。模糊控制從1974年到現(xiàn)在，模糊控制的發(fā)展經(jīng)歷了兩個(gè)階段，第一階段就是簡(jiǎn)單模糊控制階段和第二階段智能化模糊控制階段簡(jiǎn)單模糊控制階段指在計(jì)算機(jī)系統(tǒng)上把控制器上的推理過程處理成控制表這種模糊控制器結(jié)構(gòu)簡(jiǎn)單但繁低;模糊控制階段在其第二階段也就是智能化模糊控制階段性能得到顯著提升其已經(jīng)是具有參數(shù)自我調(diào)整自我組織和自我學(xué)習(xí)功能的模糊控制器。在1980年代后期,日本率先將模糊控制技術(shù)應(yīng)用在家用電器領(lǐng),推出了模糊洗衣機(jī)、冰箱、空調(diào)、電飯鍋等,顯示了模糊控制強(qiáng)大的生命力。起初模糊冰箱是在變頻冰箱系統(tǒng)中嘗,首先通過A/D采樣讀入冷藏室和冷凍室溫度和速度的溫度變化,然后模糊,最后計(jì)算根據(jù)原來的模糊規(guī)則調(diào)整壓縮機(jī)的速度。3.2模糊集合的基本知識(shí)3.概念與模糊集定義模糊概念:設(shè)論域Ee,e,e}，將E的任一子集A用隸屬度表示為1 2 nA:(e(e)),(e(e)),(e(e))}1 A1 2 A2 nAn當(dāng)(e)1，eA當(dāng)(e)0，eA如Ai i Ai iAAA~果(e)的取值范圍不局限于0和1，而拓寬為取0和1之間任何數(shù)，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 ~，量確合A'中5，8，3別~。義:域E，E間[]射A~：E[]A~e(e)A~了E或F為A。糊~ ~集A，~

(e)素e于A。~ ~域E集A數(shù)~

(e)。e模A~集A由~

(e)間[]。A~

(e)接A~于1，示e從于A的程度越；反，(e)的值接于0，示e從~ ~于A的當(dāng)(e)為}時(shí)，隸屬函數(shù)已一A A~ ~合A也這~拓特。3.集合的表示方法對(duì)于論域E上的模糊集合A，通常采用的表達(dá)方式有下述幾種。~AZhA當(dāng)E有域Ee,e,e}時(shí)按Zah法有1 2 nA~

(e) (e) (e)~ 1 ~ 2 ~ neee1 2 n式，(e)/e并，素e對(duì)合A的度~ i i i ~(e)和元素e本身的對(duì)應(yīng)關(guān)系，同樣“+”也不表示“加”在A i~論域E上，組成模糊集合A的全體元素e(i,,n)間排序與整體間的關(guān)系。~ i當(dāng)E有，Zh給出為(e)~Ee同“”符運(yùn)論域E上的元素e與隸屬度(e)一。A~另、示。3.集合中的基本定義和運(yùn)算性質(zhì)基本定義模糊集合中的基本術(shù)語必須使用隸屬函數(shù)來定義這和清晰集合是有區(qū)別的?！安⒄撚駿集A與B”~ ~。，，、，模的人處有。 A模糊統(tǒng)計(jì)法：其基本思想是對(duì)論域E上的一個(gè)確定元素 A的一個(gè)可變動(dòng)的清晰集合A合A糊合A，為。A的對(duì)個(gè)~了，必，e，A作n次0：e對(duì)A的隸屬頻率0 ~

f(n)"e0的次數(shù)n隨著n的增大，隸屬頻率也會(huì)趨向另外可以借助常見模糊分布來確定隸屬函數(shù)如正態(tài)分布三角形分布等。3.2.2關(guān)系模糊關(guān)系定義：兩個(gè)非空集合U與V之間的直積UVu,v|uU,vV}中的一個(gè)模糊子集R被稱為U到V的模糊關(guān)系又稱二元模糊關(guān)系其特性~可以由下面的隸屬函數(shù)來描述：UV[]R隸屬函數(shù)(u,v)表示序偶u,v的隸屬程度，也描述了(u,v)間具有關(guān)系R~R的量級(jí)。特別在論域U~

V時(shí)，稱R為U上的模糊關(guān)系。當(dāng)論域?yàn)閚個(gè)集合~Ui,,n)的直積UUU時(shí)，它們所對(duì)應(yīng)的模糊關(guān)系R則被稱為ni 1 2 n ~元模糊關(guān)系。模糊關(guān)系通?？梢杂媚：仃?、模糊圖和模糊集表示法來表示。模糊矩陣表示法通常，模糊矩陣被用來表示二元模糊關(guān)系。當(dāng)X{x|i,}Y{y|j,}，i j則XY系R列mn：~r[R[Rn1

r2r2rm2

r1r2nn素r(x,)由此表示模糊關(guān)系的矩陣被稱為模糊矩（fuzzyij Rij~matrix由于的取值區(qū)間為[]因此模糊矩陣元素r的值也都在]區(qū)間。R ij~模糊矩陣的運(yùn)算由于模糊矩陣本身也是表示一個(gè)模糊子集，因此，根據(jù)~模糊集的交、并、補(bǔ)運(yùn)算定義，模糊矩陣也可作相應(yīng)的運(yùn)算。模算“它用代兩模矩的乘，與線代中矩乘為似只將通陣運(yùn)中應(yīng)素相用取小運(yùn)“”來代，運(yùn)間加取“”代替具可如定。設(shè)兩模矩陣P(p) Q(q) 它們的合成運(yùn)算PQ結(jié)果也是i,n j,knl一個(gè)模糊矩陣R，則R(r) 。模糊矩陣R的第i行第k列元素r等于P矩陣i,kml ik的第i行元素與Q矩陣的第k列對(duì)應(yīng)元素兩兩取小，而后再在所得到j(luò)個(gè)元素中取大，即R(pq) (i,;k,,l)ikj1 ij jk3.3模糊神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介神經(jīng)網(wǎng)絡(luò)與圖3-3隸度數(shù)線邏相合生一新術(shù)領(lǐng)域這是糊經(jīng)絡(luò)糊經(jīng)絡(luò)正不探研的個(gè)領(lǐng)。在前模神網(wǎng)有三形：邏輯模糊神經(jīng)網(wǎng)絡(luò):模糊邏輯神經(jīng)網(wǎng)絡(luò)由模糊邏輯神經(jīng)元構(gòu)成。模糊邏輯神經(jīng)元具有模糊權(quán)系數(shù),并執(zhí)行邏輯操作的輸入模糊信號(hào)的神經(jīng)元。由模糊神經(jīng)元模糊算術(shù)邏輯運(yùn)算,算術(shù)操作和其他操作。無論如何,是傳統(tǒng)基礎(chǔ)模糊神經(jīng)元神經(jīng)元。他們可以源于傳統(tǒng)神經(jīng)元。算術(shù)模糊神經(jīng)網(wǎng)絡(luò):模糊算法的模糊神經(jīng)網(wǎng)絡(luò)是對(duì)輸入信號(hào)執(zhí)行模糊運(yùn)算,并且包含模糊神經(jīng)網(wǎng)絡(luò)的權(quán)數(shù)。通常情況下,該算法的模糊神經(jīng)網(wǎng)絡(luò)也稱為常規(guī)模糊神經(jīng)網(wǎng)絡(luò),或標(biāo)準(zhǔn)模糊神經(jīng)網(wǎng)絡(luò)。常規(guī)模糊神經(jīng)網(wǎng)絡(luò)簡(jiǎn)稱為RFNN(RegularFuzzyNeuralNet或稱為FNN(FuzzyNeuralNet)。通常，都把常規(guī)模糊神經(jīng)網(wǎng)絡(luò)簡(jiǎn)稱為FN。用Fl，F(xiàn)2，3。：稱 數(shù) 號(hào)l 數(shù) 絡(luò)2 數(shù) 絡(luò)3 數(shù) 絡(luò)：稱HFNN(HybrdFuzNeralet)在網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)上混合模糊神經(jīng)網(wǎng)絡(luò)和常規(guī)模糊神經(jīng)網(wǎng)絡(luò)是一樣的它們之間的不同僅在于如下兩點(diǎn)功能：1．輸入到神經(jīng)元的數(shù)據(jù)聚合方法不同；2．神經(jīng)元的激發(fā)函數(shù)，即傳遞函數(shù)不同。在混合模糊神經(jīng)網(wǎng)絡(luò)中任何操作都可以用于聚合數(shù)據(jù)任何函數(shù)都可以用作傳遞函數(shù)去產(chǎn)生網(wǎng)絡(luò)的輸出對(duì)于專門的應(yīng)用用途可選擇與之相關(guān)而有效的聚合運(yùn)算和傳遞函數(shù)而在常規(guī)模糊神經(jīng)網(wǎng)絡(luò)也即標(biāo)準(zhǔn)模糊神經(jīng)網(wǎng)絡(luò)中數(shù)據(jù)的聚合方法采用模糊加或乘運(yùn)算，傳遞函數(shù)采用S函數(shù)。本文中建立的網(wǎng)絡(luò)就屬于混合模糊神經(jīng)網(wǎng)絡(luò)因?yàn)槲覀兊木酆虾瘮?shù)仍采用算數(shù)加和算數(shù)乘，傳遞