蝙蝠算法优化极限学习机的电力负荷预测模型

被引：11

作者：

孔令春 ^{[1
]}

孙琼琼 ^{[2
]}

杨照峰 ^{[3
]}

机构：

[1] 平顶山学院计算机科学与技术学院

[2] 平顶山教育学院计算机科学与应用系

[3] 平顶山学院软件学院

来源：

辽宁工程技术大学学报(自然科学版) | 2016年 / 35卷 / 01期

关键词：

电力负荷; 预测精度; 蝙蝠算法; 极限学习机; 预测模型;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为提高电力负荷预测的准确性,提出蝙蝠算法优化极限学习的电力负荷预测模型.首先收集电力负荷历史数据,然后采用蝙蝠算法对延迟时间和嵌入维以及极限学习的隐含层结点数目进行优化,利用电力负荷历史数据进行重构,最后采用最优隐含层结点数目的极限学习机建立电力负荷预测模型,并采用具体数据仿真测试.实验结果表明:模型建立了整体性能优异的电力负荷预测模型,提高了电力负荷的预测精度.

引用

页码：89 / 92

页数：4

共 9 条

[1] 基于灰色理论与BP网络的负荷预测 [J].

崔巍 ;

张梅 .

辽宁工程技术大学学报(自然科学版), 2011, 30 (04) :631-633

[2] 模糊变量时间序列及其应用 [J].

周晓越 ;

陈胜贵 ;

邹开其 .

辽宁工程技术大学学报(自然科学版), 2010, 29 (06) :1173-1176

[3] 改进粒子群—BP神经网络模型的短期电力负荷预测 [J].

师彪 ;

李郁侠 ;

于新花 ;

闫旺 .

计算机应用, 2009, 29 (04) :1036-1039

[4] 基于相似时间序列检索的超短期负荷预测 [J].

张思远 ;

何光宇 ;

梅生伟 ;

王伟 ;

张王俊 .

电网技术, 2008, (12) :56-59

[5] 基于混沌模糊神经网络方法的短期负荷预测 [J].

曾鸣 ;

刘宝华 ;

徐志勇 ;

袁德 .

湖南大学学报(自然科学版), 2008, (01) :58-61

[6] 基于模糊支持向量核回归方法的短期峰值负荷预测 [J].

蒋刚 .

控制理论与应用, 2007, (06) :986-990

[7]

Fashion retailing forecasting based on extreme learning machine with adaptive metrics of inputs[J] . Min Xia,Yingchao Zhang,Liguo Weng,Xiaoling Ye.Knowledge-Based Systems . 2012

[8]

Bat algorithm: a novel approach for global engineering optimization[J] . Xin-She Yang,Amir Hossein Gandomi.Engineering Computations . 2012 (5)

[9]

Extreme learning machine: Theory and applications[J] . Guang-Bin Huang,Qin-Yu Zhu,Chee-Kheong Siew.Neurocomputing . 2006 (1)

← 1 →