| 
  中国学术期刊网络出版总库
  关闭
基于改进流形正则化极限学习机的短期电力负荷预测  
   推荐 CAJ下载 PDF下载
【英文篇名】 Short-term Load Forecasting Based on Improved Manifold Regularization Extreme Learning Machine
【下载频次】 ★★★★★
【作者】 李冬辉; 闫振林; 姚乐乐; 郑宏宇;
【英文作者】 LI Donghui; YAN Zhenlin; YAO Lele; ZHENG Hongyu; School of Electrical Engineering and Automation; Tianjin University;
【作者单位】 天津大学电气与自动化工程学院;
【文献出处】 高电压技术 , High Voltage Engineering, 编辑部邮箱 2016年 07期  
期刊荣誉：中文核心期刊要目总览  ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 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;
【英文关键词】 short-term load forecasting; manifold regularization; extreme learning machine(ELM); Bayesian optimization algorithm(BOA); mean relative error(MRE); variance;
【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。
【英文摘要】 To improve the accuracy and efficiency of short-term load forecasting, we proposed a load forecasting method based on an improved manifold regularization extreme learning machine. Firstly, to improve the generalization performance and efficiency, and to solve the potential problem of ELM caused by random initialization parameters, Manifold Regularization Extreme Learning Machine(MRELM) was put forward. Secondly, in view of the problems about the selection of parameters in MRELM and the selection on hidden l...
【更新日期】 2016-08-16
【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?

xxx
【读者推荐文章】中国期刊全文数据库 中国博士学位论文全文数据库 中国优秀硕士学位论文全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。

工业技术
　 电工技术
　　 输配电工程、电力网及电力系统
　　　 理论与分析
　　　　 电力系统规划
  
 
  CNKI系列数据库编辑出版及版权所有：中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有：清华同方知网(北京)技术有限公司
其它数据库版权所有：各数据库编辑出版单位（见各库版权信息）
京ICP证040431号    互联网出版许可证 新出网证（京）字008号