10.13774/j.cnki.kjtb.2019.02.021
基于极限学习机的分布式电力负荷预测
现代电力负荷数据以海量形式存在,传统单机模式无法满足电力负荷在线预测效果的要求.为了改善大规模电力负荷数据的预测效果,设计了基于极限学习机的分布式电力负荷预测模型.首先提取电力负荷数据,通过混沌理论的相空间重构方法对电力负荷数据进行预处理,产生电力负荷数据预测建模样本,然后将电力负荷数据预测建模样本细分成为多个子样本,通过云计算集群系统的分布式方式并行实现子样本建模,每一个小样本通过极限学习机进行建模和预测,最后采用具体电力负荷数据进行了仿真测试实例研究,测试结果表明,本文模型加快了大规模电力负荷数据建模速度,可以足电力负荷在线预测效果,而且电力负荷预测精度要明显优于当前其它电力负荷预测模型.
电力负荷、单机模式、分布式处理方式、极限学习机、云计算集群系统
35
TM76(输配电工程、电力网及电力系统)
2019-04-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
101-105