|
|||||
|
|
| 基于极限学习机方法的短期负荷预测 | |
| 引用本文： | 成天乐,周胜瑜,李斯,赵慧材,黄佩,蒋凌.基于极限学习机方法的短期负荷预测[J].电力科学与工程,2013,29(4):24-29. |
| 作者姓名： | 成天乐 周胜瑜 李斯 赵慧材 黄佩 蒋凌 |
| 作者单位： | 1. 长沙理工大学智能电网运行与控制湖南省重点实验室,湖南长沙,410004 2. 中机国际工程设计研究院有限责任公司,湖南长沙,410021 3. 邵阳学院,湖南邵阳,422000 |
| 基金项目： | 国家自然科学基金资助项目，湖南省高校创新平台开放基金项目，湖南省研究生科研创新项目立项 |
| 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。 |
| 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 |
Extreme Learning Machine Method for Short-Term Load Forecasting |
|
| Cheng Tianle , Zhou Shengyu , Li Si , Zhao Huicai , Huang Pei , Jiang Ling.Extreme Learning Machine Method for Short-Term Load Forecasting[J].Power Science and Engineering,2013,29(4):24-29. | |
| Authors: | Cheng Tianle Zhou Shengyu Li Si Zhao Huicai Huang Pei Jiang Ling |
| Affiliation: | 1,(1.Smart Grids Operation and Control Key Laboratory of Hunan Province,Changsha University of Science and Technology, Changsha 410004,China;2.China Machinery International Engineering Design & Research Institute Co., Ltd.,Changsha 410021,China;3.Shaoyang University,Shaoyang 422000,China) |
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |