[1]张宁.短期电力负荷时间序列预测的极限学习机方法[J].福建工程学院学报,2017,15(04):367-370.[doi:10.3969/j.issn.1672-4348.2017.04.012]
　Zhang Ning.Extreme learning machine method for short-term power load time series forecasting[J].Journal of FuJian University of Technology,2017,15(04):367-370.[doi:10.3969/j.issn.1672-4348.2017.04.012]
点击复制

短期电力负荷时间序列预测的极限学习机方法()
分享到：

《福建工程学院学报》[ISSN:2097-3853/CN:35-1351/Z]

卷:
第15卷
期数:
2017年04期
页码:
367-370
栏目:
出版日期:
2017-08-25

文章信息/Info

Title:
Extreme learning machine method for short-term power load time series forecasting
作者:
张宁
闽江学院物理与电子信息工程系物理与电子信息工程系
Author(s):
Zhang Ning
Physics & Electronic Information Engineering Department, Minjiang University
关键词:
极限学习机;  BP神经网络模型;  短期电力负荷;  时间序列
Keywords:
extreme learning machine;  BP neural network model;  short-term power load;  time series forecasting
分类号:
TM715
DOI:
10.3969/j.issn.1672-4348.2017.04.012
文献标志码:
A
摘要:
提出将一种进化的神经网络模型——极限学习机应用于短期电力负荷时间序列预测中，该方法具有模型参数设置少、训练速度快和良好的泛化能力等明显优点。通过实例分析表明该模型的预测精度要优于BP神经网络模型，同时也验证了该模型应用于短期负荷预测的有效性和可行性。
Abstract:
The utilization of extreme learning machine—an evolution model of neural networks in short-term power load time series forecasting was proposed, which has the advantages of less parameter setting, fast training speed and better generalization ability. The validity and feasibility of the model were verified. The simulation results indicate that the forecasting accuracy of the model is better than that of BP neural network model.

参考文献/References:

[1] 康重庆，夏清，刘梅.电力系统负荷预测[M].北京：中国电力出版社，2007.
[2] 张思远，何光宇，梅生伟，等.基于相似时间序列检索的超短期负荷预测[J].电网技术，2008，32(12):56-59.
[3] 李明干，孙健利，刘沛.基于卡尔曼滤波的电力系统短期负荷预测[J].继电器，2004，32(4):9-12.
[4] 向峥嵘，王学平.基于小波-神经网络的电力系统短期负荷预测[J].系统仿真学报，2008，20(18):5018-5020.
[5] 李元诚 ，方廷健，于尔铿. 短期负荷预测的支持向量机方法研究[J].中国电机工程学报，2003，23 (6) ：55-59.
[6] Huang G B, Zhu Q Y, Siew C K. Extreme learning machine: theory and applications[J]. Neurocomputing,2006,70(1/3):489-501.
[7] 邓万宇,郑庆华,陈琳.神经网络极速学习方法[J]．计算机学报，2010，33(2)：279-287．

相似文献/References:

[1]刘丽桑,郭凯琪,陈健,等.基于VMD-MWOA-ELM的日前光伏功率预测[J].福建工程学院学报,2023,21(03):269.[doi:10.3969/j.issn.1672-4348.2023.03.011]
　LIU Lisang,GUO Kaiqi,CHEN Jian,et al.Prediction of day-ahead photovoltaic power generation based on VMD-MWOA-ELM[J].Journal of FuJian University of Technology,2023,21(04):269.[doi:10.3969/j.issn.1672-4348.2023.03.011]

更新日期/Last Update: 2017-08-25