基于优化核极限学习机的短期电力负荷预测

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.

关键词：负荷预测、鲸鱼算法、核极限学习机、强预测器

所属期刊栏目：36

分类号：TM743(输配电工程、电力网及电力系统)

资助基金：中央高校基本科研业务费专项资金9160316004

在线出版日期：2019-11-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：125-128,135