基于改进流形正则化极限学习机的短期电力负荷预测

发布时间：2017-08-24 07:38

  本文关键词：基于改进流形正则化极限学习机的短期电力负荷预测

  更多相关文章： 短期电力负荷预测 流形正则化 极限学习机 贝叶斯优化算法 平均相对误差 方差

【摘要】：为提高短期电力负荷预测的精度与效率,提出一种改进流形正则化极限学习机的短期电力负荷预测方法;首先,为了改善极限学习机(ELM)的泛化性能与效率,并解决随机初始化参数导致极限学习机存在的潜在问题,采用流形正则化理论优化极限学习机;其次,针对流形正则化极限学习机中参数的选择,以及流形正则化极限学习机隐层节点选择的问题,提出将贝叶斯优化算法(BOA)融入到流形正则化极限学习机中以优化流形正则化极限学习机(MRELM)。最后,通过实验数据分析,改进流形正则化极限学习机预测方法将预测平均相对误差降低到了1.903%,30次实验的平均相对误差的方差降低到了1.9‰,平均单次运行时间降低到了6.113 s。
【作者单位】： 天津大学电气与自动化工程学院;
【关键词】： 短期电力负荷预测 流形正则化 极限学习机 贝叶斯优化算法 平均相对误差 方差
【分类号】：TM715
【正文快照】： 0引言电力负荷预测是电力系统规划的重要组成部分,是电力系统经济运行的基础;因此电力负荷预测对国家机关、企业等相当重要。Hobbs与Helman等人[1]的研究表示,通过电力负荷预测使得实际电力负荷平均绝对百分误差降低1.5%,每年可以多得到约750万美元的收益。因此许多学者都对电，

本文编号：730041