《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：陈晓
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

智能用电环境下电力负荷预测方法的研究*

作者：马立新,尹晶晶,郑晓栋,栾健日期：2015-12-10/span> 浏览：3063 查看PDF文档

智能用电环境下电力负荷预测方法的研究*

马立新,尹晶晶,郑晓栋,栾健

(上海理工大学光电信息与计算机工程学院,上海 200093)

摘要：针对在智能用电环境下研究对象复杂且负荷随机性强,短期电力负荷预测算法精度差、计算时间长等问题,提出一种基于ELM Adaboost神经网络改进算法预测短期电力负荷的新方法。该方法引入Adaboost算法,首先对经过预处理后的历史数据进行测试样本权重初始化,然后反复训练ELM网络预测输出,ELM算法预测过程简洁,速度快;通过Adaboost算法调整测试样本权重并确定弱预测器权重,最后将得到的多个ELM弱预测器组成强预测器。实验以某市的电力负荷数据的进行预测仿真以及结果比较。仿真结果表明该方法具有较高的预测精度,泛化性能好,具有一定的理论意义和较好的应用前景。

关键词：负荷预测;极限学习机;Adaboost算法;强预测器;神经网络

中图分类号：TM714;TP183

文献标志码：A文章编号：1001-4551(2015)09-1233-05

本文引用格式：

马立新,尹晶晶,郑晓栋,等.智能用电环境下电力负荷预测方法的研究［J］.机电工程，2015，32（9）：1233-1237.

MA Li xin, YIN Jing jing, ZHENG Xiao dong, et al. Power load forecasting method in smart electricity consumption environment［J］.Journal of Mechanical & Electrical Engineering, 2015,32(9):1233-1237.

《机电工程》杂志：http://www.meem.com.cn