基于优化核极限学习机的短期电力负荷预测

论文摘要

短期电力负荷预测对于电力系统的安全调度和经济运行具有非常重要的意义,针对传统短期负荷预测方法具有误差大、计算复杂的问题,提出一种基于IWOA-KELM和AdaBoost的短期电力负荷预测方法。首先根据负荷历史数据,建立多个核极限学习机（KELM）短期电力负荷预测模型,并利用改进的鲸鱼算法（IWOA）去优化KELM的核函数参数和正则化系数,然后利用AdaBoost算法将多个IWOA-KELM弱预测器迭代集成强预测器,从而对短期电力负荷进行预测。实验结果表明,与BP神经网络和SVM相比,上述方法具有更短的运行时间和更好的预测性能。

论文目录

• 1 引言
• 2 短期电力负荷预测原理
• 3 基于IWOA-KELM-AdaBoost算法的电力负荷预测算法
•   3.1 鲸鱼优化算法
•     3.1.1 标准鲸鱼优化算法
•       1)包围猎物阶段
•       2)攻击猎物阶段
•       3)搜索捕食阶段
•     3.1.2 鲸鱼优化算法的改进
•   3.2 核极限学习机
•   3.3 IWOA-KELM-AdaBoost算法模型
• 4 实验与结果分析
•   4.1 实验环境
•   4.2 算法参数设置及评价指标
•   4.3 结果分析
• 5 结论

文章来源

类型: 期刊论文

作者: 张文涛,马永光,董子健

关键词: 负荷预测,鲸鱼算法,核极限学习机,强预测器

来源: 计算机仿真 2019年10期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 电力工业,自动化技术

单位: 华北电力大学控制与计算机工程学院

基金: 中央高校基本科研业务费专项资金(9160316004)

分类号: TM715;TP18

页码: 125-128+135

总页数: 5

文件大小: 533K

下载量: 249