基于极限学习机方法的短期负荷预测

被引：20

作者：

成天乐 ^{[1
]}

周胜瑜 ^{[1
]}

李斯 ^{[2
]}

赵慧材 ^{[1
]}

黄佩 ^{[3
]}

蒋凌 ^{[1
]}

机构：

[1] 长沙理工大学智能电网运行与控制湖南省重点实验室

[2] 中机国际工程设计研究院有限责任公司

[3] 邵阳学院

来源：

电力科学与工程 | 2013年 / 29卷 / 04期

关键词：

短期负荷预测; 极限学习机; 主成分分析法; 交互验证法;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

摘要：

将极限学习机(ELM)方法引入电力系统短期负荷预测领域。该方法预测能力强,具有计算时间短、计算准确性高、全局搜索等显著特点。在运用ELM算法建立短期负荷预测模型过程中,采用归一化处理输入数据,使用主成分分析法选取计算样本,并由交互验证法确定最优主成分因子数和ELM隐含层节点数。实际算例表明,在于短期负荷预测的预测精度和运算时间方面,ELM方法较传统神经网络方法具有其独特的优势。

引用

页码：24 / 29

页数：6

共 8 条

[1] 小波贝叶斯神经网络在冲击负荷地区短期负荷预测中的应用 [J].