基于人工蜂群优化极限学习机的短期负荷预测

• 作者: 戚佳金 王文婷 王文锦 黄南天
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 短期负荷预测 极限学习机 人工蜂群
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 智能电网
• 页码范围: 32-35,48
• 页数: 5页
• 分类号: TM715
• 字数: 3335字
• 语种: 中文

摘要

针对极限学习机(Extreme Learning Machine, ELM)在训练前随机产生输入层权值和隐含层阈值导致输出结果不稳定,影响短期负荷预测精度的缺陷,提出基于人工蜂群(Artificial Bee Colony, ABC)算法改进ELM(ABC-ELM)的短期负荷预测新方法.首先,选用历史负荷、外界气象因素和待预测日星期类型等属性构成ELM输入向量,以负荷值为输出,构建ELM模型;其次,采用ABC对ELM输入层权值和隐含层阈值进行优化;最后,根据优化参数,建立基于ABC-ELM的负荷预测模型,并以该模型开展负荷预测.根据国内某大型城市实测负荷数据开展实验,验证方法有效性.实验结果证明ABC-ELM较ELM和BP神经网络具有更高的稳定性和预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄南天	东北电力大学电气工程学院	24	218	8.0	14.0
2	戚佳金		8	34	4.0	5.0
3	王文婷	东北电力大学电气工程学院	6	35	5.0	5.0
4	王文锦	东北电力大学电气工程学院	2	10	2.0	2.0