基于极限学习机的输电量预测模型研究

论文摘要

电力系统的输电量预测是电网调度人员的参考指标之一,输电量预测的准确性与时效性在一定程度上影响着用户的用电质量。电力系统运在行过程中,每天都会产生大量的运行数据,为了利用这些大数据以及更好地实现输电线路输电量预测精度和快速性,提出了基于极限学习机的输电线路输电量预测模型。通过实验表明,该模型有良好的预测精度,对不同输电线路的输电量数据有着不错的泛化能力。通过与小波神经网络预测结果的对比,所建模型的训练和测试时间比小波神经网络快了约67s,尤其模型的训练时间极短,该模型预测的MAPE值要比小波神经网络低9%左右。

论文目录

• 0 引言
• 1 极限学习机模型
• 2 预测模型的建立
•   2.1 总体思路
•   2.2 数据处理
•   2.3 模型构建
•   2.4 模型评价指标
• 3 实例分析
•   3.1 数据预处理
•   3.2 模型测试
•   3.3 模型对比
• 4 结论

文章来源

类型: 期刊论文

作者: 郑熠旻

关键词: 电力系统,输电量预测,极限学习机,小波神经网络

来源: 电力学报 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 国网福建省电力有限公司莆田供电公司

分类号: TM73

DOI: 10.13357/j.cnki.jep.002815

页码: 354-362

总页数: 9

文件大小: 1773K

下载量: 118