基于改进遗传算法优化极限学习机的短期电力负荷预测

基于改进遗传算法优化极限学习机的短期电力负荷预测
律方成;刘怡;亓彦珣;燕跃豪;张建涛;谢庆
【期刊名称】《华北电力大学学报(自然科学版)》
【年(卷),期】2018(045)006
【摘要】负荷预测效果直接影响电网的安全稳定和经济效益,是电网调度的重要组成内容.针对极限学习机随机产生输入层权值和隐含层阈值导致网络模型不稳定的问题,提出了一种基于改进遗传算法优化极限学习机的负荷预测方法.利用爬山法改进的遗传算法对极限学习机的权值和阈值进行优化,以获得稳定性强,预测精度高的优化模型.并将此模型与BP网络、极限学习机的预测结果进行对比,仿真实验结果表明,改进模型具有较快的训练速度和更为准确的预测结果,适应于影响因素众多,数据量巨大的现代短期电力负荷预测.
【总页数】7页(P1-7)
【作者】律方成;刘怡;亓彦珣;燕跃豪;张建涛;谢庆
【作者单位】华北电力大学新能源电力系统国家重点实验室,北京102206;华北电力大学新能源电力系统国家重点实验室,北京102206;华北电力大学新能源电力系统国家重点实验室,北京102206;河南省郑州市供电公司,河南郑州450000;华北电力大学新能源电力系统国家重点实验室,北京102206;华北电力大学新能源电力系统国家重点实验室,北京102206
【正文语种】中文
【中图分类】TM715
【相关文献】
1.基于改进极限学习机的短期电力负荷预测方法 [J], 毛力;王运涛;刘兴阳;李朝锋
2.基于EEMD和极限学习机的短期电力负荷预测模型 [J], 张宁
3.基于改进差分进化算法优化极限学习机的短期负荷预测 [J], 胡函武;施伟;陈桥;李凯
4.基于粒子群算法的极限学习机短期电力负荷预测 [J], 李杰;靳孟宇;马士豪
5.基于优化核极限学习机的短期电力负荷预测 [J], 张文涛; 马永光; 董子健
因版权原因，仅展示原文概要，查看原文内容请购买。