蝙蝠算法优化极限学习机的电力负荷预测模型

• 作者: 孔令春 孙琼琼 杨照峰
• 来源期刊: 辽宁工程技术大学学报（自然科学版）
• 学科: 工学
• 关键词: 电力负荷 预测精度 蝙蝠算法 极限学习机 预测模型
• 年，卷（期）: 2016,（1）
• 页码范围: 89-92
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11956/j.issn.1008-0562.2016.01.018

摘要

为提高电力负荷预测的准确性,提出蝙蝠算法优化极限学习的电力负荷预测模型.首先收集电力负荷历史数据,然后采用蝙蝠算法对延迟时间和嵌入维以及极限学习的隐含层结点数目进行优化,利用电力负荷历史数据进行重构,最后采用最优隐含层结点数目的极限学习机建立电力负荷预测模型,并采用具体数据仿真测试.实验结果表明:模型建立了整体性能优异的电力负荷预测模型,提高了电力负荷的预测精度.