基于智能极限学习机的珠三角地区电力需求预测模型

• 作者: 吴伟杰 吴杰康 李红玲 李逸欣 郑敏嘉 李猛 黄欣 张伊宁
• 来源期刊: 供用电
• 学科: 工学
• 关键词: 电力需求预测 极限学习机 智能优化 珠三角地区 灰狼优化算法
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 用电|Power Utilization
• 页码范围: 77-83
• 页数: 7页
• 分类号: TM73
• 语种: 中文
• DOI: 10.19421/j.cnki.1006-6357.2022.04.011

摘要

考虑目前对地区电力需求预测研究甚少且预测模型所存在的不足,提出了一种基于灰狼优化算法(grey wolf optimization,GWO)智能优化极限学习机(extreme learning machine,ELM)的智能极限学习机电力需求预测模型.首先,对所用数据(影响因素数据、电力消费量)进行归一化处理,降低由数据差异造成的影响;其次,利用灰狼优化算法对ELM参数(输入权值、输出阈值)进行智能寻优;最后,以影响因素作为预测模型的输入,智能寻优的结果作为ELM参数,输出珠三角地区电力需求预测量.算例分析表明,所提出的预测模型比基于标准极限学习机预测模型更具有可靠性和稳定性,并且该模型对不同场景、不同预测类型都具有广泛的应用性.