基于极限学习机与负荷密度指标法的空间负荷预测

基于极限学习机与负荷密度指标法的空间负荷预测
空间负荷预测对有配电网的规划建设具有重要意义，为了提高配电网空间负荷预测的精度，文中提出基于极限学习机（ELM）的配电网空间负荷预测算法，采用粒子群优化（PSO）模型的参数。首先根据用地性质将负荷分类，再通过模糊C均值（FCM）算法对每一类负荷进行聚类分析，建立精细化的负荷密度指标体系。根据待预测地块的特性指标选取训练样本，代入ELM训练，提高预测精度。通过搜索的数据对实例进行仿真试验，通过对比未引入FCM算法的相对误差、未引入PSO算法的相对误差以及采用PSO-ELM算法的相对误差可得，文中提出的PSO-ELM算法具有较高精度，满足实际工程的要求。

标题：
基于极限学习机与负荷密度指标法的空间负荷预测
Spatial load forecasting based on ELM and clustering algorithm

作者：
邵宇鹰，彭鹏，张秋桥，王冰
SHAO Yuying, PENG Peng, ZHANG Qiuqiao, WANG Bing

关键词：
空间负荷预测;负荷密度指标法;粒子群优化(PSO)算法;极限学习机(ELM);模糊C均值(FCM)算法
spatial load forecasting;load density index method;particle swarm optimization(PSO) algorithm;extreme learning machine(ELM);fuzzy C-means(FCM) algorithm

2025-1-23 19:44 上传 基于极限学习机与负荷密度指标法的空间负荷预测.pdf

文件大小:

4.56 MB

下载次数:

60

高速下载