基于改进极限学习机的短期电力负荷预测方法

被引：140

作者：

毛力

王运涛

刘兴阳

李朝锋

机构：

[1] 轻工过程先进控制教育部重点实验室

[2] 江南大学物联网工程学院

来源：

电力系统保护与控制 | 2012年 / 40卷 / 20期

关键词：

短期负荷预测; 极限学习机; 结构风险; 最小二乘支持向量机;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

为了提高电力系统短期负荷预测精度,提出一种基于改进极限学习机(MELM)的短期电力负荷预测模型。引入基于结构风险最小化理论,并结合最小二乘向量机回归学习方法,以克服传统极限学习机(ELM)在短期负荷预测中存在的过拟合问题。某地区用电负荷预测结果表明,改进模型的泛化性与预测精度均优于传统ELM和OS-ELM模型,可为短期电力负荷预测提供有效依据,具有一定的实用性。

引用

页码：140 / 144

页数：5

共 10 条

[1]

基于自适应粒子群优化的SVM模型在负荷预测中的应用 [J].