基于改进流形正则化极限学习机的短期电力负荷预测

• 作者: 姚乐乐 李冬辉 郑宏宇 闫振林
• 来源期刊: 高电压技术
• 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
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 城市电网智能化专题
• 页码范围: 2092-2099
• 页数: 8页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20160713009

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李冬辉		83	1053	16.0	29.0
2	郑宏宇		8	96	5.0	8.0
3	姚乐乐		9	14	2.0	3.0
4	闫振林		1	0	0.0	0.0