计算机仿真
計算機倣真
계산궤방진
Computer Simulation
2015年
7期
96-101
,共6页
梁静%瞿博阳%宋慧%刘巍
樑靜%瞿博暘%宋慧%劉巍
량정%구박양%송혜%류외
超短期负荷预测%极限学习机%反向传播神经网络
超短期負荷預測%極限學習機%反嚮傳播神經網絡
초단기부하예측%겁한학습궤%반향전파신경망락
Ultra-short-term load forecasting%Extreme learning machine%Back propagation neural network
超短期负荷预测是电力负荷预测中很重要的环节,数据的提取和预测方法的选择则是最难的环节.为了准确预测,采用电行业监测分析系统数据提取平台,能够实时监测及提取负荷数据.反向传播(BP)神经网络和极限学习机(ELM)具有预测能力强和全局搜索显著特点而成为超短期负荷预测中常用的两种方法.实验数据通过重点用电行业监测分析系统获取,通过建立预测数据提取模型,用BP神经网络和ELM通过不同的隐含层节点数设置进行超短期预测.实验结果表明,提出的数据提取平台在提取数据上的可靠性,同时BP神经网络及ELM在超短期负荷预测中的可行性,并且相比较于BP神经网络,ELM在超短期负荷预测上具有较高的预测精度和较短的运算时间.
超短期負荷預測是電力負荷預測中很重要的環節,數據的提取和預測方法的選擇則是最難的環節.為瞭準確預測,採用電行業鑑測分析繫統數據提取平檯,能夠實時鑑測及提取負荷數據.反嚮傳播(BP)神經網絡和極限學習機(ELM)具有預測能力彊和全跼搜索顯著特點而成為超短期負荷預測中常用的兩種方法.實驗數據通過重點用電行業鑑測分析繫統穫取,通過建立預測數據提取模型,用BP神經網絡和ELM通過不同的隱含層節點數設置進行超短期預測.實驗結果錶明,提齣的數據提取平檯在提取數據上的可靠性,同時BP神經網絡及ELM在超短期負荷預測中的可行性,併且相比較于BP神經網絡,ELM在超短期負荷預測上具有較高的預測精度和較短的運算時間.
초단기부하예측시전력부하예측중흔중요적배절,수거적제취화예측방법적선택칙시최난적배절.위료준학예측,채용전행업감측분석계통수거제취평태,능구실시감측급제취부하수거.반향전파(BP)신경망락화겁한학습궤(ELM)구유예측능력강화전국수색현저특점이성위초단기부하예측중상용적량충방법.실험수거통과중점용전행업감측분석계통획취,통과건립예측수거제취모형,용BP신경망락화ELM통과불동적은함층절점수설치진행초단기예측.실험결과표명,제출적수거제취평태재제취수거상적가고성,동시BP신경망락급ELM재초단기부하예측중적가행성,병차상비교우BP신경망락,ELM재초단기부하예측상구유교고적예측정도화교단적운산시간.
