论文摘要
为了提高配电网短期负荷预测效率,建立了基于聚类KELM算法的配电网短期负荷预测算法,确定了最佳的神经元个数。算例研究结果得到:根据聚类KELM算法计算得到的RMSE比未通过聚类处理而是直接实施预测的过程减小了17.2 W;通过聚类处理的KELM算法也比直接预测达到了更快运行速度,表明聚类后组合预测算法达到了更高的适用性与有效性,从而显著降低算法的预测误差。根据Cholesky分解得到的KELM算法可以达到比常规KELM与ELMAN算法更优的跟踪效果。采用核极限学习机可以在最短时间中实现最优的拟合效果,实现了良好的泛化性能。
论文目录
文章来源
类型: 期刊论文
作者: 张靖,唐轶轩,路宇,徐道磊,鲍怀志
关键词: 聚类,配电网,短期负荷,泛化性能
来源: 电子测量技术 2019年22期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业,自动化技术
单位: 国网安徽省电力有限公司信息通信分公司,国网信通产业集团北京中电普华信息技术有限公司
分类号: TM715;TP18
DOI: 10.19651/j.cnki.emt.1903030
页码: 55-58
总页数: 4
文件大小: 212K
下载量: 64