基于PSO-ELM的热力系统参数预测

• 作者: 王晓霞 赵丽娟 马良玉
• 来源期刊: 电力科学与工程
• 学科: 工学
• 关键词: 高压加热器 参数预测 极端学习机 粒子群算法
• 年，卷（期）: 2018,（3）
• 页码范围: 70-74
• 页数: 5页
• 分类号: TK264.1
• 字数: 3037字
• 语种: 中文
• DOI: 10.3969/j.ISSN.1672-0792.2018.03.012

摘要

高精度的参数预测对热力系统变负荷过程中的实时监控和故障诊断有着至关重要的意义.极端学习机是一种单隐层前馈神经网络,具有泛化能力强,学习速度快等优点.但是,由于输入权值和偏差的随机性使得ELM需要较多的隐含层节点才能达到理想精度,为了提高极端学习机对热力系统参数的预测精度,利用粒子群算法优化极端学习机的输入权值矩阵和隐含层偏差,从而计算出输出权值矩阵.仿真实验结果表明,相比ELM算法,经过粒子群优化的极端学习机对热力系统参数的预测具有较高的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵丽娟	华北电力大学控制与计算机工程学院	44	314	9.0	16.0
2	王晓霞	华北电力大学控制与计算机工程学院	18	267	8.0	16.0
3	马良玉	华北电力大学控制与计算机工程学院	83	1254	20.0	31.0