基于优化核极限学习机的中期电力负荷预测

• 作者: 任瑞琪 李军
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 电力负荷 预测 核极限学习机 优化算法
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 先进算法与人工智能
• 页码范围: 15-19
• 页数: 5页
• 分类号: TP391|TM614
• 字数: 3823字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2018.06.003

摘要

针对电力负荷预测,提出了一种优化的核极限学习机(O-KELM)的方法.核极限学习机(KELM)方法仅以核函数表示未知的隐含层非线性特征映射,无需选择隐含层的节点数目,通过正则化最小二乘算法计算网络的输出权值.将优化算法应用于KELM方法中,给出基于遗传算法、微分演化、模拟退火的3种优化KELM方法,优化选择核函数的参数以及正则化系数,以进一步提高KELM方法的学习性能.为验证方法的有效性,将O-KELM方法应用于某地区的中期峰值电力负荷预测研究中,在同等条件下与优化极限学习机(O-ELM)方法、SVM等方法进行比较.实验结果表明,O-KELM方法具有很好的预测性能,其中GA-KELM方法的建模精度最高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李军	兰州交通大学自动化与电气工程学院	70	490	13.0	19.0
5	任瑞琪	兰州交通大学自动化与电气工程学院	1	3	1.0	1.0