文献类型：期刊文章

作　　者：张淑清[1] 段晓宁[1] 张立国[1] 姜安琦[1] 姚玉永[2] 刘勇[2] 穆勇[2]

ZHANG Shuqing;DUAN Xiaoning;ZHANG Liguo;JIANG Anqi;YAO Yuyong;LIU Yong;MU Yong(Institute of Electrical Engineering,Yanshan University,Qinhuangdao 066004,Hebei Province,China;Tangshan Power Supply Company of North Hebei Electric Power Co.Ltd,Tangshan 063000,Hebei Province,China)

机构地区：[1]燕山大学电气工程学院,河北省秦皇岛市066004 [2]国网冀北电力有限公司唐山供电公司,河北省唐山市063000

出　　处：《中国电机工程学报》

基　　金：国家重点研发计划项目(2018YFB0905500);河北省自然科学基金项目(F2020203058,F2015203413);河北省重点研发计划项目(18211833D)。

年　　份：2021

卷　　号：41

期　　号：9

起止页码：3120-3129

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：电力系统的稳定运行具有负荷平衡的强约束性,准确的电力负荷预测在保证电力系统规划与可靠、经济运行方面具有十分重要的意义,影响着电力系统的诸多决策,如经济调度、自动发电控制、安全评估、维护调度和能源商业化等。该文针对电力负荷预测的多种气象因素影响,提出一种基于Tsne降维可视化分析及飞蛾火焰优化ELM算法(MFOELM)的电力负荷预测新方法。针对影响电力负荷预测的高维气象数据,采用改进的SNE降维可视化分析方法Tsne,解决了数据拥挤造成可视化效果不佳且数据结构易发生改变的问题,通过与Kpca、SNE降维方法的对比实验,证明了Tsne可以更好地将高维气象数据向低维空间映射,较高地保持高维空间中的数据结构并改善数据可视化效果;针对ELM负荷预测模型的局限,利用MFO在求解具有约束和未知搜索空间的复杂问题时具有的优越性对ELM优化,更好地解决了ELM权值输出不稳定,易陷入局部最小值等问题。通过对SAELM、PSOELM、MFOELM三种预测算法进行寻优实验,结果表明MFO不但具有更快的求解速度,而且提高了ELM的预测精度。通过对国际公开的美国日气象数据降维,协同负荷数据进行预测进行对比实验,证明了该文方法的有效性和优越性。该文方法在唐山实际电网负荷预测中应用,为制定合理的电网运行方式提供依据。

关 键 词：短期电力负荷预测  T分布随机邻接嵌入(Tsne)  降维可视化分析  飞蛾火焰优化ELM算法(MFOELM)  

分 类 号：TH17]