您当前的位置：核心期刊咨询网》电子信息论文》基于模糊神经网络的燃气发电风险评价研究

基于模糊神经网络的燃气发电风险评价研究

摘要：摘要：燃气发电具有环保、发电效率高、运行灵活等优势，不仅有利于优化和调整电源结构，而且促进节能减排和能源供应可持续发展。基于目前我国燃气发电现状，构建了燃气发电风险的评价指标体系，建立了基于模糊神经网络的燃气发电风险评价模型，并采用算例进

　　摘要：燃气发电具有环保、发电效率高、运行灵活等优势，不仅有利于优化和调整电源结构，而且促进节能减排和能源供应可持续发展。基于目前我国燃气发电现状，构建了燃气发电风险的评价指标体系，建立了基于模糊神经网络的燃气发电风险评价模型，并采用算例进行分析。结果表明，该模型应用于燃气发电风险评价是可行的，并且具有高效率。

　　关键词：燃气发电；风险评价；模糊神经网络；节能减排

　　引言

　　随着环境污染日益严重、能源供给压力不断增大等问题的凸显，转变经济增长方式，走低碳化发展道路，已经成为世界各国的普遍共识。燃气发电厂由于使用天然气等清洁能源，各项排放指标优于燃煤电厂[1，2]，使得燃气发电不仅可以有效减少碳排放，而且可以缓解煤炭等传统能源的供需压力。

　　随着燃气发电越来越受到重视，很多学者对燃气发电进行了实证分析和研究。如文献[1]分析了我国燃气发电现状及规划，并对行业前景从天然气开采、发电量等方面进行预测；文献[3]在随机生产模拟的基础上，对天然气发电效益进行分析；文献[4-5]从风险评价方面对天然气市场或发电方面进行研究。本文在已有研究的基础上，从燃气发电现状入手，建立我国燃气发电行业的风险评价指标体系，结合模糊神经网络方法，对我国燃气发电进行风险评价。

　　1 燃气发电风险评价指标体系

　　基于风险评价指标体系的构建原则，本文将我国燃气发电的风险分为以下五类并进行评价。

　　（1）资源风险：对于燃气电厂来说，资源的可采储量、采选方式可能与计划结果存在偏差，导致燃气发电成本增加或发电量乃至电网收到影响。（2）生产风险：燃气电厂对天然气供应的要求很高，而其在与天然气供应商签订“照付不议”合同、与电网公司的协调方面，都存在一定程度的不确定性，并会对发电产生影响。（3）技术风险：随着燃气发电的应用扩大化和机组大型化趋势日益明显，技术和工作原理也更加复杂，因此存在一定的技术风险。（4）市场风险：燃气发电的市场风险主要包括市场竞争、市场供求和发电效益三个方面[6，7]。（5）环境风险：国内外天然气、电力市场的变动以及国际经济形势也会对燃气发电的发展起重要作用，因此存在一定的环境风险。

　　根据上述对燃气发电风险的分析，构建我国燃气发电风险评价指标体系。

　　2 模糊神经网络模型的构建

　　2.1 模糊神经网络结构

　　模糊神经网络将模糊理论和神经网络理论结合起来，本文构建的模糊神经网络模型采用模糊系统和神经网络串联连接方式，即输入经过隶属函数转化为模糊量后，再进入神经网络系统进行处理[8-10]。模型结构的第1层为输入层，第2层为模糊化层，第3层为模糊推理层，第4层为输出层。

　　2.2 模糊化处理步骤

　　根据已建立的燃气发电风险评价指标体系，采用模糊综合评价法对燃气发电风险因素的指标量化处理，使得模糊处理系统的输出作为神经网络系统的输入，具体步骤如下。

　　（1）确定因素集。根据风险指标体系构造因素集X={x1，x2，…，xk}和每个二级指标的因素集Xi={Xi1，Xi2，...Xin}，i=1，2，…k。

　　（2）确定评语集。对于因素Xi来说，专家对各风险因素逐个给出风险程度评语，将各指标的评语分为m个等级，评语集为Y={y1，y2，…ym}。

　　（3）做单因素评价，得评价矩阵R。构造模糊映射f，X→F（Y），F（Y）是Y上的模糊集，映射f为风险因素xi对评语集Y的隶属向量Ri={ri1，ri2，…rim}，i=1，2…n。由此得到评价矩阵R=（rij）n×m∈F（X×F）。

　　（4）做综合评价。对评语集中每个评价指标赋予权重A=（a1，a2，…，an）， ai=1，ai？叟0由模糊运算得到一级评价结果B=A·R，并以类似方法求出二级评价结果C=（c1，c2，…，cn），该向量作为神经网络的输入。

　　2.3 神经网络模型

　　设输入层节点数为m，隐含层节点数为e，输出层节点数为n，其中隐含层节点数通常采用Kol-mogorov定理的经验处理公式e= +c，式中，c为介于1～10的常数。对任一神经元i，其输入、输出关系可表述为Oi=f（？棕ijhj+？兹i），式中，hj为神经元的第j个输入，Oi为神经元的第i个输出；？棕ij是所有与第i个神经元相连的权值；？兹i是神经元第i节点的阈值。f（x）为传递函数，一般采用sigmoid型：f（x）=（1+exp（-x））-1。

　　设有p组训练样本，用其中的第k组的样本的输入、输出模式对网络进行训练。设定收敛误差界值为？着min，最大学习次数为N，经过反复迭代运算，根据误差函数，得出样本误差Ek= （hoi（k）-yoi（k）），训练集误差E= Ek。若网络输出值与期望输出值之间的误差不满足误差精度要求，则将误差反向传播，误差传播过程中，要不断地反复修正网络中连接权值和阈值，直至满足误差精度要求。连接权值和阈值修正公式为？驻k？棕（t+1）=？浊？啄jkoik+？琢？驻k？棕ij（t），？兹j（t+1）=？兹j+ ？驻k？兹j。式中，？浊学习率，？琢为动力因子，二者均介于0到1之间；？琢？驻k？棕ij（t）为动力项，？啄jk为输出节点计算误差，t为训练次数。

　　3 算例分析

　　以我国燃气发电为例，用模糊神经网络风险评价法对其风险进行评。

　　（1）确定因素集和评语集，根据评价矩阵得出模糊评价结果。

　　本文的评价对象为我国燃气发电风险，由评价体系可知，一级指标因素集为X={x1，x2，x3，x4，x5}={资源风，生产风险，技术风险，市场风险，环境风险}，二级指标因素集分别为X1={x11，x12，x13}={储量风险，开采风险，地理地质条件风险}，X2={x21，x22，x23}={天然气供应风险，燃气设备选择风险，技术选择风险}，X3={x31，x32，x33}={技术研发风险，技术成熟度风险，技术应用性风险}，X4={x41，x42，x43}={市场竞争风险，市场供求风险，发电效益风险}，X5={x51，x52，x53}={国家政策法律风险，国际政治和经济环境风险，自然环境风险}。评语集为Y={y1，y2，y3，y4，y5}={大，较大，中等，较小，小}，相对应的分值为1.0，0.7，0.5，0.3，0.1。由15个专家组成评分小组，得到一级评价矩阵和二级评价矩阵，以及由评价矩阵求得的最大特征向量得到的权重向量得出15个样本的综合评价得分矩阵为？滋=（？滋1，？滋2，…，？滋15）=（0.669，0.623，0.691，　　0.691，0.611，0.637，0.668，0.582，0.604，0.548，0.612，0.621，0.607，0.641，0.625，0.632）。

　　（2）神经网络训练和测试阶段

　　设置训练参数时，在BP神经网络的训练选择22×13×1的网络结构，训练最大次N=1000，学习率？浊=0.01，动量因子？琢=0.5，最收敛误差界？着min=10-4，传递函数选择对数S函数logsig，训练函数为traingdx，学习函数为learndm，权值矩阵初值由系统随机给定。BP网络模型的仿真结果均由Matlab软件给出。选取表1的前10组数据作为训练样本，后5组数据作为测试集，模拟待评估对象。

　　5个测试集仿真评价的结果与专家评价结果非常接近，平均相对误差为2.90%，除了测试样本13的训练相对误差相比于其它测试样本稍微偏大为8.89%，但是仍保持在较低的误差水平。因此可以认为所建立的模糊神经网络模型训练精度较高，模拟测试结果较好。测试结果显示，当前我国燃气发电风险得分值在0.5与0.7之间，根据划定的评价集，可判断出当前我国燃气发电风险为较大和中等之间。

　　4 结束语

　　本文运用模糊神经网络对目前我国燃气发电风险进行了评价研究，可以得到以下主要结论：

　　（1）该模糊神经网络模型能够充分避免主观、人为因素的影响，具有自学习、自组织适应能力强等优点，算例分析结果也显示出该模型训练精度高，预测结果好，评价结果较为客观；

　　（2）建立模糊神经网络模型应合理确定网络层数及隐含层的神经元数，设置不合理会影响网络的学习能力和效率；

　　（3）基于模糊神经网络对我国燃气发电进行评价，有利于业内人士更加客观、清楚地了解当前我国燃气发电现状和问题，从而有利于促进该行业的发展。

　　参考文献

　　[1]张斌.我国天然气发电现状及前景分析[J].中国能源，2012，34（11）：12-16.

　　[2]李强.燃气发电企业的市场营销战略[J].现代商业，2007，（36）：163.

　　[3]董军，阴少华，王江波等.基于随机生产模拟的天然气发电环境效益与可靠性效益分析[J].陕西电力，2010，38（7）：6-9.

　　[4]刘毅军，李松玲，徐小辉等.天然气产业链下游市场风险评价模型探讨[J].天然气工业，2006，26（7）：136-138.

　　[5]熊焰，周伟国，严铭卿等.模糊神经网络在燃气风险评价的应用[J].煤气与热力，2006，26（6）：6-9.

　　[6]唐永伟. 燃气电厂风险分析[J].中国电力，2002，35（4）：1-4.