收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于人工智能算法改进极限学习机的电力负荷预测

孔晓利  
【摘要】:电力负荷预测是电力系统安全稳定,高效运行的重要保证,关系到社会各行各业的正常运作。在国家大力倡导节能环保以节约现有能源消耗量的情势下,电力负荷预测的准确性关系到整个电厂的经济、高效运行以及整个发电电网的安全运行,即当前的形势对于电力负荷预测的精度提出了更高标准的要求。本文结合极限学习机以及人工智能算法建立了新的电力负荷预测模型,旨在提高电力负荷预测的精度。本文的主要研究内容如下:(1)极限学习机是一种单隐层前馈神经网络学习算法,是一种较为准确的非线性拟合方法,且具有较好的学习能力以及泛化能力,所以本文将极限学习机用于电力负荷预测。然而极限学习机与神经网络相同,是基于经验最小化原理,因此极易导致过度拟合,且极限学习机的输入权值矩阵以及隐含层偏置为模型随机赋值,使得整个模型对于样本数据的学习缺乏针对性,从而影响其泛化能力。为了改善极限学习机的学习能力以及泛化能力,提高电力负荷预测精度,文中首先将人工萤火虫群优化引入极限学习机,利用人工萤火虫算法强大的全局寻优能力找到使得极限学习机模型训练误差最小时的输入权值矩阵以及隐含层偏置矩阵,然后对我国某地区某一段时间的电力负荷通过实验仿真,验证了该模型的有效性和优越性。(2)人工萤火虫算法结合极限学习机的负荷预测模型较之简单的极限学习机模型取得了不错的效果,然而预测精度仍然不是很高,这是由于萤火虫算法自身的缺陷所造成。针对萤火虫算法的缺陷,将人工鱼群算法引入极限学习机中,组成人工鱼群算法优化极限学习机负荷预测模型,通过对同一地区同一时间段的电力负荷进行实验仿真,不仅验证了人工鱼群算法能够提高极限学习机的学习能力和泛化能力,同时验证了人工鱼群算法-极限学习机模型对于电力负荷的预测效果优于人工萤火虫算法-极限学习机模型。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 董伟;一种地区电力负荷预测的实用方法[J];吉林电力;2000年04期
2 滕菲,王宁;电力负荷预测技术[J];黑龙江电力;2002年05期
3 王建新,李彦民,庞春江,孙海洪;数据发掘技术在一类电力负荷预测中的应用[J];计算机工程与应用;2002年05期
4 黄桂华;中长期电力负荷预测方法的简述[J];农村电气化;2002年08期
5 甄利玲;一种电力负荷预测的综合方法[J];吕梁高等专科学校学报;2003年01期
6 周晖;高琦;和敬涵;钮文洁;;电力负荷预测知识体系的教学研究[J];电力学报;2006年04期
7 徐玉华;;中长期电力负荷预测方法分析[J];宁夏电力;2007年04期
8 闫晓坤;;电力负荷预测的技术方法分析[J];民营科技;2007年11期
9 段保乾;李伟;洪浩林;;基于系统动力学模型的中长期电力负荷预测[J];中小企业管理与科技;2007年12期
10 郝建军;张振刚;闫宁;;基于灰色理论的电力负荷预测[J];商情(财经研究);2008年06期
11 黄元生;张惠娟;;灰色关联度组合权在电力负荷预测中的应用[J];华东电力;2009年02期
12 马鹏;裴晓飞;;电力负荷预测两个常用模型的比较与分析[J];中国高新技术企业;2010年36期
13 王永利;牛东晓;刘敦楠;;“电力负荷预测技术及其应用”课程教学改革与实践研究[J];中国电力教育;2011年24期
14 丁晨;;浅谈电力负荷预测[J];科技风;2011年23期
15 李世辉;李华东;;浅谈电力负荷预测[J];价值工程;2012年15期
16 吴茜;;电力负荷预测方法综述[J];科技与企业;2012年13期
17 陈玫;;经济全球化背景下的中长期电力负荷预测[J];企业研究;2012年24期
18 王艳春;;灰色预测模型在电力负荷预测中的应用[J];山东电力高等专科学校学报;2013年02期
19 韩富春,姚劲松,赵铭凯;一种新的中长期电力负荷预测方法[J];电工技术学报;1994年04期
20 ;日本进行10年长期电力负荷预测[J];华北电力技术;1995年04期
中国重要会议论文全文数据库 前10条
1 李忻贤;;浅谈电力负荷预测[A];山东电机工程学会第四届供电专业学术交流会论文集[C];2007年
2 乔艳芬;;基于分形理论的昆明电网电力负荷预测[A];2009年云南电力技术论坛论文集(优秀论文部分)[C];2009年
3 赵成旺;顾幸生;;组合优化灰色预测模型在中长期电力负荷预测中应用[A];第二十四届中国控制会议论文集(下册)[C];2005年
4 罗楠;朱业玉;杜彩月;王军;王红燕;;支持向量机方法在电力负荷预测中的应用[A];中国气象学会2007年年会天气预报预警和影响评估技术分会场论文集[C];2007年
5 乔艳芬;;基于分形理论的昆明电网电力负荷预测[A];2009年云南电力技术论坛论文集(文摘部分)[C];2009年
6 杨旭;刘自发;张建华;李聪;;考虑气候因素的城市电力负荷预测[A];第十一届全国电工数学学术年会论文集[C];2007年
7 牛东晓;陈志业;邢棉;谢宏;;具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策(上册)[C];2002年
8 丁光彬;王治昆;赵林明;翟传仁;;包络预测方法及其在电力负荷预测中的应用[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集(第4卷)[C];1997年
9 刘博;张筱慧;许璞;;变权重组合预测方法用于电力负荷预测[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(下册)[C];2008年
10 孔胜;王宇;张承伟;;经济危机对中长期电力预测影响的实证研究[A];第五届(2010)中国管理学年会——商务智能分会场论文集[C];2010年
中国博士学位论文全文数据库 前7条
1 周倩;智能工程体系及其在电力负荷预测中的应用研究[D];华北电力大学(北京);2010年
2 叶世杰;基于多指标模型的电力负荷预测研究[D];重庆大学;2010年
3 王建军;基于知识挖掘技术的智能协同电力负荷预测研究[D];华北电力大学(北京);2011年
4 尹新;群智能算法与电力负荷预测研究[D];湖南大学;2011年
5 王大鹏;灰色预测模型及中长期电力负荷预测应用研究[D];华中科技大学;2013年
6 刘晓娟;基于智能方法的电力系统负荷预测模型及其应用研究[D];东华大学;2014年
7 王勇;用于电力行业决策支持的多AGENT技术研究[D];华东师范大学;2007年
中国硕士学位论文全文数据库 前10条
1 石德琳;基于神经网络的电力负荷预测研究与实现[D];山东大学;2016年
2 王超;基于灰色理论的电力负荷预测研究[D];山东大学;2016年
3 聂志刚;鄯善县城区配电网改造与研究[D];华北电力大学;2016年
4 李顺东;云平台下电网短期负荷预测算法的研究与实现[D];华北电力大学;2016年
5 沈志忠;基于改进灰色模型的中长期电力负荷预测[D];西华大学;2016年
6 孔晓利;基于人工智能算法改进极限学习机的电力负荷预测[D];天津理工大学;2016年
7 李小燕;基于灰色理论的电力负荷预测[D];华中科技大学;2007年
8 储琳琳;市南地区电力负荷预测实用方法研究[D];上海交通大学;2009年
9 耿光飞;珠海市电力负荷预测研究[D];中国农业大学;2000年
10 张毅;中长期电力负荷预测[D];四川大学;2003年
中国重要报纸全文数据库 前4条
1 薛元荡 鲍导;阜宁县加强电力负荷预测[N];中国电力报;2000年
2 章家银 张克杰;气象要素在电力负荷预测中的应用[N];巢湖日报;2006年
3 夏志强杨士进 曾居仁;气象预报助我省科学调度电力[N];贵州日报;2008年
4 本报记者 罗丹;气象科技融入电网[N];中国气象报;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978