本文關(guān)鍵詞：基于改進(jìn)流形正則化極限學(xué)習(xí)機(jī)的短期電力負(fù)荷預(yù)測(cè)

  更多相關(guān)文章： 短期電力負(fù)荷預(yù)測(cè) 流形正則化 極限學(xué)習(xí)機(jī) 貝葉斯優(yōu)化算法 平均相對(duì)誤差 方差

【摘要】：為提高短期電力負(fù)荷預(yù)測(cè)的精度與效率,提出一種改進(jìn)流形正則化極限學(xué)習(xí)機(jī)的短期電力負(fù)荷預(yù)測(cè)方法;首先,為了改善極限學(xué)習(xí)機(jī)(ELM)的泛化性能與效率,并解決隨機(jī)初始化參數(shù)導(dǎo)致極限學(xué)習(xí)機(jī)存在的潛在問題,采用流形正則化理論優(yōu)化極限學(xué)習(xí)機(jī);其次,針對(duì)流形正則化極限學(xué)習(xí)機(jī)中參數(shù)的選擇,以及流形正則化極限學(xué)習(xí)機(jī)隱層節(jié)點(diǎn)選擇的問題,提出將貝葉斯優(yōu)化算法(BOA)融入到流形正則化極限學(xué)習(xí)機(jī)中以優(yōu)化流形正則化極限學(xué)習(xí)機(jī)(MRELM)。最后,通過實(shí)驗(yàn)數(shù)據(jù)分析,改進(jìn)流形正則化極限學(xué)習(xí)機(jī)預(yù)測(cè)方法將預(yù)測(cè)平均相對(duì)誤差降低到了1.903%,30次實(shí)驗(yàn)的平均相對(duì)誤差的方差降低到了1.9‰,平均單次運(yùn)行時(shí)間降低到了6.113 s。
【作者單位】： 天津大學(xué)電氣與自動(dòng)化工程學(xué)院;
【關(guān)鍵詞】： 短期電力負(fù)荷預(yù)測(cè) 流形正則化 極限學(xué)習(xí)機(jī) 貝葉斯優(yōu)化算法 平均相對(duì)誤差 方差
【分類號(hào)】：TM715
【正文快照】： 0引言電力負(fù)荷預(yù)測(cè)是電力系統(tǒng)規(guī)劃的重要組成部分,是電力系統(tǒng)經(jīng)濟(jì)運(yùn)行的基礎(chǔ);因此電力負(fù)荷預(yù)測(cè)對(duì)國(guó)家機(jī)關(guān)、企業(yè)等相當(dāng)重要。Hobbs與Helman等人[1]的研究表示,通過電力負(fù)荷預(yù)測(cè)使得實(shí)際電力負(fù)荷平均絕對(duì)百分誤差降低1.5%,每年可以多得到約750萬(wàn)美元的收益。因此許多學(xué)者都對(duì)電，

本文編號(hào)：730041