文献类型：期刊文章

作　　者：成天乐[1] 周胜瑜[1] 李斯[2] 赵慧材[1] 黄佩[3] 蒋凌[1]

机构地区：[1]长沙理工大学智能电网运行与控制湖南省重点实验室,湖南长沙410004 [2]中机国际工程设计研究院有限责任公司,湖南长沙410021 [3]邵阳学院,湖南邵阳422000

出　　处：《电力科学与工程》

基　　金：国家自然科学基金资助项目(51277016);湖南省高校创新平台开放基金项目(12K001);湖南省研究生科研创新项目立项(CX2011B359)

年　　份：2013

卷　　号：29

期　　号：4

起止页码：24-29

语　　种：中文

收录情况：AJ、CSA-PROQEUST、INSPEC、JST、RCCSE、普通刊

摘　　要：将极限学习机(ELM)方法引入电力系统短期负荷预测领域。该方法预测能力强,具有计算时间短、计算准确性高、全局搜索等显著特点。在运用ELM算法建立短期负荷预测模型过程中,采用归一化处理输入数据,使用主成分分析法选取计算样本,并由交互验证法确定最优主成分因子数和ELM隐含层节点数。实际算例表明,在于短期负荷预测的预测精度和运算时间方面,ELM方法较传统神经网络方法具有其独特的优势。

关 键 词：短期负荷预测 极限学习机 主成分分析法 交互验证法  

分 类 号：TM714]