文献类型：期刊文章

作　　者：孔令春[1] 孙琼琼[2] 杨照峰[3]

机构地区：[1]平顶山学院计算机科学与技术学院,河南平顶山467002 [2]平顶山教育学院计算机科学与应用系,河南平顶山467000 [3]平顶山学院软件学院,河南平顶山467002

出　　处：《辽宁工程技术大学学报（自然科学版）》

基　　金：河南省科技计划重点项目(102102210416)

年　　份：2016

卷　　号：35

期　　号：1

起止页码：89-92

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA-PROQEUST、IC、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为提高电力负荷预测的准确性,提出蝙蝠算法优化极限学习的电力负荷预测模型.首先收集电力负荷历史数据,然后采用蝙蝠算法对延迟时间和嵌入维以及极限学习的隐含层结点数目进行优化,利用电力负荷历史数据进行重构,最后采用最优隐含层结点数目的极限学习机建立电力负荷预测模型,并采用具体数据仿真测试.实验结果表明:模型建立了整体性能优异的电力负荷预测模型,提高了电力负荷的预测精度.

关 键 词：电力负荷 预测精度  蝙蝠算法  极限学习机 预测模型  

分 类 号：TP391]