10.12158/j.2096-3203.2021.01.012
基于极限学习机与负荷密度指标法的空间负荷预测
空间负荷预测对有配电网的规划建设具有重要意义,为了提高配电网空间负荷预测的精度,文中提出基于极限学习机(ELM)的配电网空间负荷预测算法,采用粒子群优化(PSO)模型的参数.首先根据用地性质将负荷分类,再通过模糊C均值(FCM)算法对每一类负荷进行聚类分析,建立精细化的负荷密度指标体系.根据待预测地块的特性指标选取训练样本,代入ELM训练,提高预测精度.通过搜索的数据对实例进行仿真试验,通过对比未引入FCM算法的相对误差、未引入PSO算法的相对误差以及采用PSO-ELM算法的相对误差可得,文中提出的PSO-ELM算法具有较高精度,满足实际工程的要求.
空间负荷预测、负荷密度指标法、粒子群优化(PSO)算法、极限学习机(ELM)、模糊C均值(FCM)算法
40
TM715(输配电工程、电力网及电力系统)
国家自然科学基金资助项目;谨此致谢!
2021-04-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
86-91