基于特征提取相似日的ELM短期负荷预测研究

被引：9

作者：

马立新

尹晶晶

郑晓栋

机构：

[1] 上海理工大学光电信息与计算机工程学院

来源：

电子科技 | 2015年 / 28卷 / 12期

关键词：

自组织特征映射; 特征提取; 相似日; 极限学习机; 短期负荷预测;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP391.41 [];

学科分类号：

080802 [电力系统及其自动化];

摘要：

为解决短期电力负荷预测中预测精度差、计算时间长等问题,提出一种基于自组织特征映射网络进行特征提取相似日的极限学习机短期电力负荷预测方法。通过自组织特征映射网络找出与预测日同类型的历史数据作为训练样本;并采用预测能力强、计算时间短的ELM网络进行预测。以某市电力负荷数据进行仿真,并将上述方法与传统神经网络进行对比。仿真算例表明,基于特征提取相似日的ELM方法具有较高的预测精度,泛化性能好,且运算时间短。

引用

页码：22 / 25

页数：4

共 7 条

[1]

运用聚类算法预测地区电网典型日负荷曲线 [J].