基于ISHO-ELM模型的短期电力负荷预测

摘要：

针对现有电力负荷预测方法中预测误差较大的问题,提出了一种基于改进型斑点鬣狗算法优化极限学习机(improved spotted hyena algorithm optimized-extreme learning machine,ISHO-ELM)的短期电力负荷预测模型.首先,在斑点鬣狗优化算法中引入准反向学习策略和精英策略提高算法的搜索能力,并通过基准测试函数验证了其有效性;其次,采用ISHO算法优选ELM中的随机参数以提高模型的预测精度与稳定性;最后,通过实测数据对构建的短期电力负荷预测模型的先进性与实用性进行了验证.结果表明:提出ISHO-ELM模型的拟合系数相对于已有的ELM和SVM模型分别提高了 1.6%和 1.7%.本研究对提高电力系统运行稳定具有重要意义.

关键词：电力负荷预测、改进型斑点鬣狗算法、极限学习机、精英策略

所属期刊栏目：42

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：天津市自然科学基金重点项目19JCZDJC32100

在线出版日期：2023-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：73-80