- 1、本文档共7页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于切换模型极限学习机的超短期负荷预测.pdf
学兔兔
第 52卷 第 13期 电测与仪表 V0l_52NO.13
2015年 7月 10日 ElectricalM easurement Instrumentation Jui.10。2015
基于切换模型极限学习机 的超短期负荷预测
邓明丽,张晶
(国网四川省 电力公司技能培训 中心,成都610065)
摘要:针对极限学习机算法中输出波动大与模型不稳定的问题,提出采用切换模型极限学习算法进行超短期电
力负荷预测的方法。该算法通过切换模型准则,将建立的多个神经网络模型分为误差较小的保持模型和误差
较大的更新模型两部分。保持模型无需进行在线更新,减低了模型输 出的波动性;更新模型则需采取随机方法
进行在线更新 ,使得训练误差达到最小,提高模型的泛化能力。通过对某地区电力负荷 的预测仿真,结果表明
了所提方法提高了预测速度 ,节省了计算时间,具有更佳的泛化能力和预测精度。
关键词:极限学习机 ;切换模型;负荷预测;更新模型;预测精度
中图分类号:TM76 文献标识码:B 文章编号:1001—1390(2015)13—0071—06
Ultra-shortterm load forecastingbased on switchingmodel
extremelearningmachine
DengMingli,ZhangJing
(StateGridElectricPowerCompanySichuanProvinceSkillsTrainingCenter,Chengdu610065,China)
Abstract:Inview oftheoutputfluctuation andmodelofinstabilityintheextremelearningmachinealgorithm,this
paperraisesthemethodofswitchingmodellimitlearningalgorithm forultrashortterm powerloadforecasting.Theal·
gorithm dividesapluralityoftheestablishedneuralnetworkmodelintotwoparts:keepingmodelofsmallerrorsand
updatingmodeloflargeerrorsbyswitchingmodelguidelines.Tokeepmodelhasnoneedofronlineupdate,SOasto
reducethevolatilityoftheoutputofmodel;updatingmodelneedstoadoptstochasticmethodstoupdateonline,SO
thatthetrainingerrorreachesaminimum,and thegeneralizationabilityofthemodelisimproved.Finally,through
thesimulationofpowerloadforecastingofacertainarea,thepredictedresultsshow thattheproposedmethodcanim-
provethepredictionspeed,savecomputingtime,andhasbettergeneralizationabilityandpredictionaccuracy.
Keywords:extremelearningmachine,Switchingmodel,loadforecasting,updatethemodel,predictionaccuracy
0 引 言 量间动态非线性的关系,从而造成运用成效不理想;
超短期电力负荷预测是能量管理系统一个的重
您可能关注的文档
- 基于一种新型强迫振荡仪器的呼吸道阻抗测量研究.pdf
- 基于三角基函数分解的高精度介损角测量方法.pdf
- 基于两垂直相交线段的摄像机快速标定算法.pdf
- 基于两步迭代TV正则化的电阻抗图像重建算法.pdf
- 基于中值滤波-SVD和EMD的声发射信号特征提取.pdf
- 基于中国剩余定理的传感器网络密钥管理协议.pdf
- 基于中红外QCL的痕量CO气体传感器.pdf
- 基于主元分析的桥梁挠度传感器故障诊断研究.pdf
- 基于二维光栅和检偏器阵列的实时空间偏振解码技术.pdf
- 基于二阶锥规划的HRTF波束形成合成方法.pdf
- 2010-2023历年河南省信阳高级中学高二下学期期中文科数学卷.docx
- 2010-2023历年河北省衡水中学高二下学期期中考试物理试卷(带解析).docx
- 2024年中国双工位全自动吹塑机市场调查研究报告.docx
- 2024年中国电脑提花蕾丝布市场调查研究报告.docx
- 2024年中国有光涤纶丝雪尼尔纱市场调查研究报告.docx
- 2024年中国机械流水线市场调查研究报告.docx
- 2024年中国公共直饮机市场调查研究报告.docx
- 2024年中国自吸无堵排污泵市场调查研究报告.docx
- 2024年中国高压炭胶喉连接头市场调查研究报告.docx
- 2010-2023历年河南永城实验高中高二上期期中考试物理卷.docx
文档评论(0)