基于改进极限学习机的中长期电力负荷预测

被引：3

作者：

张丙泉

机构：

[1] 广东电网惠州龙门供电局

来源：

黑龙江科技信息 | 2010年 / 24期

关键词：

中长期电力负荷预测; 极限学习机; 神经网络;

D O I：

暂无

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 ;

摘要：

根据神经网络的非线性辨识能力和极限学习机(ELM)的高计算速度、高泛化能力等特点,提出一种批处理和逐次迭代相结合的改进极限学习机方法。实验结果表明,改进的极限学习机方法应用于中长期的电力负荷预测中,比传统的极限学习机效果更优。

引用

页码：77 / 77

页数：1

共 6 条

[1] 基于Elman神经网络的负荷预测研究 [J].

王祥龙 .

华北电力技术, 2008, (11) :1-3+27

[2] 基于神经网络的短期负荷预测与误差纠正算法 [J].

张宏亮 ;

吴杰康 ;

陈国通 ;

陈立科 .

电力科学与工程, 2008, (01) :5-9+14

[3] 基于极限学习机的生化过程软测量建模 [J].

常玉清 ;

李玉朝 ;

王福利 ;

吕哲 .

系统仿真学报, 2007, (23) :5587-5590

[4] 神经网络在电力系统短期负荷预测中的应用综述 [J].

张亚军 ;

张大波 ;

许诚昕 .

浙江电力, 2007, (02) :5-9

[5] RBF神经网络在中长期负荷预测中的应用 [J].

陈泽淮 ;

张尧 ;

武志刚 .

电力系统及其自动化学报, 2006, (01) :15-19

[6]

Extreme learning machine: Theory and applications[J] . Guang-Bin Huang,Qin-Yu Zhu,Chee-Kheong Siew.Neurocomputing . 2006 (1)

← 1 →