论文摘要
本文首先对人工神经网络中的单隐含前馈神经网络和极限学习机(ELM)的基本原理和理论进行了概述,然后将极限学习机算法与粒子群算法结合,利用粒子群优化算法(PSO)对极限学习机的参数进行优化,将PSO和ELM的优点结合在一起,使其具备参数调整简单、可以在全局范围寻优、泛化能力强等特点,最后使用基于粒子群算法优化极限学习机的预测模型,在具体数据中进行算例分析,确定预测模型的可行性。
论文目录
文章来源
类型: 期刊论文
作者: 汪威为,陈超洋,陈祖国,卢明
关键词: 短期负荷预测,神经网络,极限学习机,粒子群
来源: 电子技术与软件工程 2019年07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: 湖南科技大学信息与电气工程学院
分类号: TP18;TM715
页码: 223-224
总页数: 2
文件大小: 1905K
下载量: 288
相关论文文献
- [1].基于混沌类电磁算法优化支持向量机的短期负荷预测[J]. 计算技术与自动化 2019(04)
- [2].做好短期负荷预测 保证电网安全经济运行[J]. 农村电工 2020(05)
- [3].基于参数迁移的节假日短期负荷预测方法[J]. 电气自动化 2020(04)
- [4].并行多模型融合的混合神经网络超短期负荷预测[J]. 电力建设 2020(10)
- [5].应对海量数据的超短期负荷预测在实时电力市场的应用研究[J]. 电力大数据 2019(12)
- [6].动态相似与静态相似相结合的短期负荷预测方法[J]. 电力系统保护与控制 2018(15)
- [7].基于参数优化的超短期负荷预测调整策略[J]. 电子测试 2016(23)
- [8].基于朴素贝叶斯和支持向量机的短期负荷预测[J]. 电力安全技术 2016(12)
- [9].基于气象信息因素修正的灰色短期负荷预测研究[J]. 自动化应用 2016(12)
- [10].基于支持向量机方法的短期负荷预测研究[J]. 自动化应用 2016(12)
- [11].分类管理方法在短期负荷预测工作中的应用[J]. 农村电工 2017(04)
- [12].基于分形特性修正气象相似日的节假日短期负荷预测方法[J]. 电网技术 2017(06)
- [13].基于改进人体舒适指数的微电网超短期负荷预测[J]. 广东电力 2017(04)
- [14].有功运行模式下的无功短期负荷预测[J]. 电子技术与软件工程 2016(06)
- [15].实时电价条件下的短期负荷预测研究[J]. 自动化与仪器仪表 2016(05)
- [16].电力系统超短期负荷预测方法及应用[J]. 硅谷 2014(20)
- [17].基于云计算的扩展短期负荷预测方法的研究[J]. 科技视界 2014(36)
- [18].电业超短期负荷预测仿真研究[J]. 计算机仿真 2015(07)
- [19].基于时间序列法超短期负荷预测改进方法的研究[J]. 辽宁工业大学学报(自然科学版) 2015(05)
- [20].智能组合模型在短期负荷预测中的应用[J]. 电子技术 2020(07)
- [21].开放售电环境下用户短期负荷预测方法[J]. 电工电能新技术 2020(01)
- [22].基于多负荷模式和分时段的河源电网短期负荷预测[J]. 自动化应用 2020(01)
- [23].基于云计算的智能电网短期负荷预测[J]. 电世界 2019(11)
- [24].县域电网负荷特性分析与短期负荷预测研究[J]. 华北电力技术 2017(05)
- [25].深度神经网络在电网短期负荷预测中的应用[J]. 中国科技信息 2017(12)
- [26].采用稳健回声状态网络的超短期负荷预测方法[J]. 计算机工程与应用 2016(04)
- [27].县级电网短期负荷预测管理的若干措施[J]. 企业改革与管理 2015(22)
- [28].论对于短期负荷预测的方法及其应用[J]. 电子技术与软件工程 2014(19)
- [29].如何提高短期负荷预测精度的探讨[J]. 佛山科学技术学院学报(自然科学版) 2012(05)
- [30].考虑人体舒适度的扩展短期负荷预测新方法[J]. 电力系统及其自动化学报 2011(03)