SOM 特征提取与 ELM 在电力负荷预测中的应用

• 作者: 尹晶晶 郑晓栋 马立新
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 自组织特征映射 特征提取 极限学习机 短期负荷预测
• 年，卷（期）: 2015,（5）
• 页码范围: 1-5
• 页数: 5页
• 分类号: TM715
• 字数: 3033字
• 语种: 中文
• DOI: 10.3969/j.issn.16720792.2015.05.001

摘要

随着电力负荷内涵复杂度和非线性增加，单纯追求电力负荷预测精度将变得困难。研究根据负荷样本分析其趋势、抽取特征来解决预测精度问题，即提出一种基于自组织特征映射网络（ SOM）进行特征提取并与极限学习机（ ELM）相结合的短期电力负荷预测方法。通过SOM特征提取找出与预测日同类型的历史数据作为训练样本；然后采用ELM进行预测，该方法预测过程简捷，能得到唯一的最优解。实验以某市的电力负荷数据进行仿真和比较。结果表明，基于SOM特征提取的ELM方法不仅精简了训练样本数量，且使训练更具有针对性，提高了预测精度和泛化性能，具有一定的理论意义和较好的应用前景。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马立新	上海理工大学光电信息与计算机工程学院	146	650	11.0	17.0
2	郑晓栋	上海理工大学光电信息与计算机工程学院	7	30	4.0	5.0
3	尹晶晶	上海理工大学光电信息与计算机工程学院	6	29	4.0	5.0