考虑区间构造的改进极限学习机短期电力负荷区间预测 |
| |
引用本文: | 曾林俊,许加柱,王家禹,梁志宏,李芸,钟朝峰.考虑区间构造的改进极限学习机短期电力负荷区间预测[J].电网技术,2022(7):2555-2563. |
| |
作者姓名: | 曾林俊 许加柱 王家禹 梁志宏 李芸 钟朝峰 |
| |
作者单位: | 湖南大学电气与信息工程学院 |
| |
基金项目: | 湖南省研究生科研创新项目资助(QL20210103); |
| |
摘 要: | 针对区间预测中电力负荷预测区间范围过宽和精度不高的问题,提出一种基于灰狼优化算法(graywolf optimizationalgorithm, GWO)-蚁狮算法(antlion optimizationalgorithm, ALO)优化的极限学习机(extreme learningmachine,ELM)短期电力负荷区间预测方法。首先将电力负荷历史预测误差进行正态分布拟合,构造负荷功率历史区间。进而将负荷历史区间和历史前24h、前2h及前1h功率作为模型输入。然后考虑ALO的随机初始种群会影响求解速度与质量,利用GWO生成ALO的优质初始种群,避免陷入局部最优解。接着用ALO优化ELM输入权重及隐藏层偏置,构建具有强泛化能力的ELM短期电力负荷区间预测模型。最后利用湖南省某市电力负荷进行验证,通过多种方法对比,所提方法准确度更高,预测区间质量更好。得到的区间预测结果能为电力系统调度、新能源消纳提供精确的负荷变化信息。
|
关 键 词: | 灰狼算法 蚁狮算法 极限学习机 区间 负荷预测 |
|
|