基于膜聚类的改进极限学习机在短期负荷预测中的应用

• 作者: 侯萱 彭宏 李佳龙 杨云莹 王军
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 短期负荷预测 模糊聚类 膜计算 粒子群算法 极限学习机
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 电气工程
• 页码范围: 181-184,165
• 页数: 5页
• 分类号: TM715
• 语种: 中文

摘要

针对历史数据样本存在无效性影响预测精度和极限学习机的输出随机性、稳定性较差的问题,提出了一种模糊膜聚类算法与改进极限学习机相结合的组合预测方法.考虑负荷自身特征、天气温度及日类型等指标,利用模糊膜聚类算法选取出与预测日具有相似特性指标的负荷数据作为负荷预测日的输入样本,运用经过粒子群算法及隐含层神经元个数遍历法改进后的极限学习机进行预测.试验结果表明,所提方法对两个地区的某日负荷进行预测时降低了预测误差,提高了短期负荷预测的准确性.