| SOM特征提取与ELM在电力负荷预测中的应用 |
| |
| 引用本文： | 马立新,尹晶晶,郑晓栋.SOM特征提取与ELM在电力负荷预测中的应用[J].电力科学与工程,2015(5). |
| |
| 作者姓名： | 马立新 尹晶晶 郑晓栋 |
| |
| 作者单位： | 上海理工大学光电信息与计算机工程学院,上海,200093 |
| |
| 基金项目： | 国家自然科学基金资助项目(61205076)；上海市张江国家自主创新重点项目(201310-PI-B2-008)。 |
| |
| 摘 要： | 随着电力负荷内涵复杂度和非线性增加,单纯追求电力负荷预测精度将变得困难。研究根据负荷样本分析其趋势、抽取特征来解决预测精度问题,即提出一种基于自组织特征映射网络(SOM)进行特征提取并与极限学习机(ELM)相结合的短期电力负荷预测方法。通过SOM特征提取找出与预测日同类型的历史数据作为训练样本;然后采用ELM进行预测,该方法预测过程简捷,能得到唯一的最优解。实验以某市的电力负荷数据进行仿真和比较。结果表明,基于SOM特征提取的ELM方法不仅精简了训练样本数量,且使训练更具有针对性,提高了预测精度和泛化性能,具有一定的理论意义和较好的应用前景。
|
| 关 键 词： | 自组织特征映射 特征提取 极限学习机 短期负荷预测 |
Application of SOM Feature Extraction and ELM in Power Load Forecasting |
| |
| Ma Lixin,Yin Jingjing,Zheng Xiaodong.Application of SOM Feature Extraction and ELM in Power Load Forecasting[J].Power Science and Engineering,2015(5). |
| |
| Authors: | Ma Lixin Yin Jingjing Zheng Xiaodong |
| |
| Abstract: | |
| |
| Keywords: | self-organizing feature map feature extraction extreme learning machine short-term load forecasting |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
