基于改进遗传算法优化极限学习机的短期电力负荷预测

• 作者: 亓彦珣 刘怡 张建涛 律方成 燕跃豪 谢庆
• 来源期刊: 华北电力大学学报（自然科学版）
• 学科: 工学
• 关键词: 极限学习机 改进遗传算法 BP算法 负荷预测 短期
• 年，卷（期）: 2018,（6）
• 页码范围: 1-7
• 页数: 7页
• 分类号: TM715
• 字数: 5097字
• 语种: 中文
• DOI: 10.3969/j.ISSN.1007-2691.2018.06.01

摘要

负荷预测效果直接影响电网的安全稳定和经济效益,是电网调度的重要组成内容.针对极限学习机随机产生输入层权值和隐含层阈值导致网络模型不稳定的问题,提出了一种基于改进遗传算法优化极限学习机的负荷预测方法.利用爬山法改进的遗传算法对极限学习机的权值和阈值进行优化,以获得稳定性强,预测精度高的优化模型.并将此模型与BP网络、极限学习机的预测结果进行对比,仿真实验结果表明,改进模型具有较快的训练速度和更为准确的预测结果,适应于影响因素众多,数据量巨大的现代短期电力负荷预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	律方成	华北电力大学新能源电力系统国家重点实验室	266	4998	37.0	55.0
2	谢庆	华北电力大学新能源电力系统国家重点实验室	51	499	12.0	21.0
3	张建涛	华北电力大学新能源电力系统国家重点实验室	3	26	1.0	3.0
4	刘怡	华北电力大学新能源电力系统国家重点实验室	3	26	1.0	3.0
5	亓彦珣	华北电力大学新能源电力系统国家重点实验室	1	26	1.0	1.0
6	燕跃豪		1	26	1.0	1.0