基于二型模糊逻辑的二型模糊系统辨识是非线性系统辨识的一种有效方法。二型模糊逻辑由传统一型模糊逻辑扩展而来，能够利用语言形式的人类专家经验，在处理不确定性方面具有独特的优势，适用于非线性和随机干扰严重的复杂系统。与一型模糊逻辑相比，二型模糊逻辑以二型模糊集合为基础，可调节的隶属度函数的参数增多了，并通过扩展Sup-star合成来完成模糊推理过程，因而获得了更好的处理不确定性的能力。模糊性测度是促进模糊逻辑更好的发挥其作用的重要工具。一型模糊性测度在一型模糊系统辨识中具有独特的性能，利用其可以同时精简冗余模糊集合与冗余模糊规则；而在二型模糊系统辨识中，类似的研究还鲜有人问津。本文重点研究二型模糊性测度及其在二型模糊系统辨识中的应用，以消除冗余模糊集合与冗余模糊规则带来的不良影响：并将构建的精简模型用于电力负荷时间序列预测，以提高预测精度。　　 电力负荷预测是电力工业中的一项重要工作。准确的电力负荷预测是合理进行电力系统规划、建设、生产、调度以及检修的重要依据，可以保证电网安全、经济的运行，提高电力企业的经济和社会效益。然而，电力负荷的波动是一个随机非平稳过程，受诸多自然、社会因素的影响，各种影响因素也是不确定的，因而对其准确预测的难度很大。随着电力市场化改革的不断深入，电力系统中蕴含的各种不确定因素使得决策工作面临着一定程度的风险，而在决策工作中必须考虑电力需求的不确定性。在这种背景下，寻找一种能有效处理不确定性的方法来提高电力负荷的预测精度具有十分重要的意义。传统的预测方法由于存在着诸多不足而难以得到理想的效果，于是人们把注意力转移到了一些基于人工智能理论的现代方法上，其中二型模糊逻辑具有较强的处理不确定性的能力，适用于时间序列预测，为电力负荷预测提供了新的思路。　　 本文鉴于二型模糊性测度在二型模糊系统辨识领域中的重要性，研究了二型模糊性测度，提出了公理化定义下的普通二型模糊相似度与模糊包含度，其中的公理符合人们的直觉认识。对于普通二型模糊集合而言，不确定性的迹与次隶属度函数是最重要的因素，因此在构建两种测度的计算公式时考虑了这两个因素；分析了普通二型模糊包含度的性质；讨论了两种新测度的相互转换关系，揭示了其内在联系：最后通过实例来验证新测度的性能，并将普通二型模糊相似度与Yang-Shih聚类方法相结合用于高斯普通二型模糊集合的聚类分析，得到了合理的聚类结果，验证了新测度的合理性与有效性。区间二型模糊逻辑克服了普通二型模糊逻辑计算复杂的缺点，是目前理论研究和实际应用的热点。针对区间二型模糊逻辑的特点，在三种区间二型模糊性测度公理化定义的基础上，提出了新的区间二型模糊相似度、模糊包含度与模糊熵。考虑了区间二型模糊集合依赖上、下隶属度函数运算的特点，提出了三种测度的相应计算公式；分析了区间二型模糊包含度的性质；讨论了三种新测度的相互转换关系。最后，通过实例验证了新测度的性能，为下一步的应用奠定了理论基础。　　 为了将本文提出的区间二型模糊相似度用于区间二型模糊系统辨识，提出了一种反向传播-相似度-奇异值分解混合迭代算法。在利用反向传播算法调节系统参数的基础上，通过区间二型模糊相似度来识别模糊规则库中的冗余模糊集合，采用合并、删除的手段来消除之，这样就减少了模糊规则库所需的模糊集合的数目，提高了模糊规则的可解释性；若冗余性较强，还可以通过合并的手段减少冗余模糊规则的数目；然后在此基础上利用奇异值分解法来优选模糊规则。总之，该算法能够有效地消除冗余模糊集合与冗余模糊规则带来的不良影响，降低模糊推理过程的计算复杂度，并提高系统的逼近精度。最后，针对电力负荷具有强随机性而难以准确预测的问题，引入二型模糊逻辑以提高预测精度。建立了区间二型非单值二型Mamdani模糊模型用于电力负荷的时间序列预测，并利用本文所提的反向传播-相似度-奇异值分解混合迭代算法来精简模型规则库中的冗余模糊集合与冗余模糊规则，以消除其不良影响。通过对我国某地五分钟、一小时、一天以及三天电力负荷时间序列的预测，可知该模型具有较高的预测精度，可以较好地跟踪实际负荷曲线的趋势与走向，具有一定的实用价值。