遗传模糊算法在短期负荷预测中的应用

　　从第73位开始至282位是对105条模糊条件语句的编码，每两位基因对应一条语句，例如如果X73X74若为“01”，则表示相应的模糊条件语句为“IF x1(日期类型)is A11（周一），and x2(T时刻气温)is A21(很低)and x3(近期负荷量趋势)is A31(底)then y(预测量)is B1 (很低)”。
　　在确定的编码方式后，遗传算法对种群中的染色体进行各种遗传算子操作（选择、交叉和变异等），应当采用各种改进措施以提高算法的搜索效率，避免早熟收敛等问题。

4 负荷预测仿真分析
　　为检测系统的可行性，针对所开发的系统进行计算机仿真。本文利用河南省某市2002和2003年夏季（4、5月份）负荷资料，对2003年5月份第三周星期一的日负荷进行模拟预测。
　　首先将两年中4、5月份负荷资料和天气资料按照24个不同时刻分成24份，然后选择出可以作为训练样本的数据来。此处我们选择了40份有效历史数据，按照第2、3节所叙述的方法对系统参数进行训练。最后对选定日进行日模拟负荷预测。表1给出了实际值，预测值和误差的记录。

5 结束语
　　电力系统短期负荷预测一项极为复杂的工作。由于负荷的变化要受到诸多因素的影响，而这种影响往往又难以用经典数学方法准确地加以描述，所以往往很难达到预期的预测效果。本文利用遗传算法对模糊系统中的隶属函数和推理规则进行训练，并将由该方法所确定的模糊逻辑预测系统应用于短期负荷预测。对影响负荷变化的因素进行研究，结合具体的问题，选取了适应于系统的输入量。在遗传编码方面，将确定隶属函数与推理规则的各种参数进行统一编码，以求得系统参数的最优组合。实验结果证明了该方法具有良好的预测性能，和较好的发展前景。