基于改进流形正则化极限学习机的短期电力负荷预测

摘要：

为提高短期电力负荷预测的精度与效率,提出一种改进流形正则化极限学习机的短期电力负荷预测方法;首先,为了改善极限学习机(ELM)的泛化性能与效率,并解决随机初始化参数导致极限学习机存在的潜在问题,采用流形正则化理论优化极限学习机;其次,针对流形正则化极限学习机中参数的选择,以及流形正则化极限学习机隐层节点选择的问题,提出将贝叶斯优化算法(BOA)融入到流形正则化极限学习机中以优化流形正则化极限学习机(MRELM).最后,通过实验数据分析,改进流形正则化极限学习机预测方法将预测平均相对误差降低到了1.903％,30次实验的平均相对误差的方差降低到了1.9‰,平均单次运行时间降低到了6.113 s.

关键词：短期电力负荷预测、流形正则化、极限学习机、贝叶斯优化算法、平均相对误差、方差

所属期刊栏目：42

在线出版日期：2016-09-06（万方平台首次上网日期，不代表论文的发表时间）

页码：2092-2099