保拉,李庆兵,侯保建,李知晓.基于改进多核极限学习机算法的电力负荷预测方法研究[J].电工技术,2024(22):39-42
基于改进多核极限学习机算法的电力负荷预测方法研究
  
DOI：10.19768/j.cnki.dgjs.2024.22.012
中文关键词:  变分模态分解  负荷预测  多核极限学习机  粒子群与遗传算法
英文关键词:
基金项目:
作者单位
保拉 国网信息通信产业集团有限公司 
李庆兵 北京国网信通埃森哲信息技术有限公司 
侯保建 北京国网信通埃森哲信息技术有限公司 
李知晓 北京工业大学、都柏林国际学院 
摘要点击次数: 18
全文下载次数: 0
中文摘要:
      提出一种基于变分模态分解技术结合粒子群与遗传算法优化的多核极限学习机模型用于电力负荷预测。该模型能够将原始电力负荷序列分解为不同频率的子序列，并将子序列分别与改进后的多核极限学习机预测模型相结合，重构各个子序列得到最终预测结果。针对单核极限学习机难以表征多负荷数据的特征问题，采用多核极限学习机进行预测，加强了负荷模型在不同特征下的全局搜索能力。使用某地区实际负荷数据进行对比测试，结果表明所建立的负荷预测模型能够得到更精确的预测结果。
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器