计及用户特性的广义互相关熵极限学习机电量预测研究

发布时间：2020-12-28 10:22

　　电量预测这项技术无论是在国家电网公司的投标评估系统还是在当今的开放电力市场中,都都至关重要。然而在当前售电公司所面临的电量预测问题中,历史电量数据以及电量预测的误差分布通常是非线性,非高斯分布的,且由于用户规模小,一些随机事件及数据收集误差会异致离群值的出现,对预测结果造成较大的影响,这就使得传统的预测方法不再适用。作为非线性预测模型的极限学习机《Extreme Learning Machine,ELM)已被验证在回归预测领域具有良好的性能,然而,传统ELM以均方误差《Mean Squared Error,MSE》准则为代价函数,其对离群值较敏感,输出结果受离群值的影响较大,使其无法在电量预测问题中正确表示非高斯情况下的误差统计信息。为了解决这一问题,本文通过引入广义最大相关熵准则(Generalized Maximum Correntropy Criterion,GMCC),构建了一种新的鲁棒预测模型.GMCC作为信息理论学习方法论中一种新的代价函数可用于解决非高斯信号处理问题。因此,本文以GMCC作为新的代价函数替代原始ELM的MSE代价函数,构建了GMCCELM电量预测模型。此外... 

【文章来源】：西安理工大学陕西省

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题的背景与意义
    1.2 国内外研究现状
        1.2.1 极限学习机预测模型研究现状
        1.2.2 广义最大相关熵准则研究现状
    1.3 本文的主要研究工作及论文框架
2 用户用电特性分析
    2.1 用户用电特性分析实例
    2.2 本章小结
3 极限学习机基本理论研究
    3.1 单隐层前馈神经网络基本理论
        3.1.1 单隐层前馈神经网络概论
        3.1.2 单隐层前馈神经网络基本定理
    3.2 极限学习机基本理论
        3.2.1 基于常规梯度的SLFN解决方案
    3.3 在线序列极限学习机基本理论
        3.3.1 在线序列极限学习机基本理论
        3.3.2 在线序列极限学习机结构
    3.4 基于在线序列极限学习机的电量预测
    3.5 本章小结
4 基于广义最大相关熵准则的极限学习机电量预测研究
    4.1 最大相关熵准则
    4.2 广义最大相关熵准则
    4.3 广义最大相关熵准则极限学习机理论推导
    4.4 基于广义最大相关熵准则的极限学习机电量预测实例
    4.5 本章小结
5 基于广义最大相关熵准则的核极限学习机电量预测研究
    5.1 核极限学习机理论
    5.2 基于广义最大相关熵准则的核极限学习机电量预测实例
    5.3 本章小结
6 结论与展望
致谢
参考文献
在校学习期间发表的论文与参加科研情况



本文编号：2943589