基于切换模型极限学习机的超短期负荷预测

• 作者: 张晶 邓明丽
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 极限学习机 切换模型 负荷预测 更新模型 预测精度
• 年，卷（期）: 2015,（13）
• 所属期刊栏目: 率兼容性方案
• 页码范围: 71-76,110
• 页数: 7页
• 分类号: TM76
• 字数: 4856字
• 语种: 中文

摘要

针对极限学习机算法中输出波动大与模型不稳定的问题，提出采用切换模型极限学习算法进行超短期电力负荷预测的方法。该算法通过切换模型准则，将建立的多个神经网络模型分为误差较小的保持模型和误差较大的更新模型两部分。保持模型无需进行在线更新，减低了模型输出的波动性；更新模型则需采取随机方法进行在线更新，使得训练误差达到最小，提高模型的泛化能力。通过对某地区电力负荷的预测仿真，结果表明了所提方法提高了预测速度，节省了计算时间，具有更佳的泛化能力和预测精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓明丽	国网四川省电力公司技能培训中心	3	3	1.0	1.0
2	张晶	国网四川省电力公司技能培训中心	6	7	2.0	2.0