文献类型：期刊文章

作　　者：王伟[1] 杨辉华[1] 刘振丙[1] 李灵巧[1]

机构地区：[1]桂林电子科技大学广西信息科学实验中心,广西桂林541004

出　　处：《计算机仿真》

基　　金：国家自然科学基金(61105004);广西自然科学基金资助项目(2012GXNSFAA053230;2013GXNSFBA019279);广西信息科学实验中心重点基金项目资助(2012-02);广西高等学校优秀人才资助计划项目资助(桂教人[2011]40号)

年　　份：2014

卷　　号：31

期　　号：4

起止页码：137-141

语　　种：中文

收录情况：BDHX、BDHX2011、CSCD、CSCD_E2013_2014、ZGKJHX、核心刊

摘　　要：研究电力负荷预测准确性问题,由于电力负荷与天气、经济、假期等多种因素密切相关,变化规律具有周期性和随机性,传统方法无法描述其变化规律,导致电力负荷预测精度低。为了提高电力负荷预测精度,提出一种基于时间序列编码的相似日选择和极限学习机(ELM)相结合的电力负荷预测方法。基于时间序列编码的相似日选择方法在每个编码点中融入了整个序列的信息,不仅可以描述出序列的趋势,还可以描述出节点在序列中的相对位置。采用ELM进行预测,只需要设置网络的隐层节点个数。在算法执行过程中不需要调整网络的输入权值以及隐元的偏置,并且产生唯一的最优解。以某建筑电网的电力负荷数据进行仿真。并将上述方法与支持向量机(SVM)和BP神经网络进行对比。实验结果表明,改进方法具有较高的预测精度和较强的适应性,并且运行时间较短。

关 键 词：相似日 时间序列编码  极限学习机 负荷预测

分 类 号：TP391]