典型文献
基于DE-ELM算法的配电网电力系统负荷预测研究
文献摘要：
针对目前方法对配电网电力系统进行负荷预测时,由于未能在电力负荷预测前对电力数据进行缺失值插补处理,导致该方法存在预测精度差、时间长以及性能差的问题,提出一种基于DE-ELM(Diffferential Evolution-Extreme Learning Machine)算法的配电网电力系统负荷预测研究方法.首先依据小波变换对电力数据进行去噪处理,根据去噪结果完成电力数据缺失值的插补,获取完整的电力数据集;再将数据集分成训练集与测试集两部分,将全局寻优引入极限学习机,采用DE-ELM算法对训练集进行计算,依据结果建立网络模型;最后将测试集放入构建的模型中进行训练,基于输出结果实现配电网电力系统的负荷预测.实验结果表明,运用该方法进行配电网电力系统负荷预测时,预测精度高、时长短、性能好.
文献关键词：
DE-ELM算法;配电网;电力系统;负荷预测;预测方法
中图分类号：
作者姓名：
洪宇;高骞;杨俊义;梁永青
作者机构：
国网江苏省电力有限公司连云港供电分公司,江苏连云港222000;国网江苏省电力有限公司,南京210024;北京国电通网络技术有限公司,北京100085
文献出处：
引用格式：
[1]洪宇;高骞;杨俊义;梁永青-.基于DE-ELM算法的配电网电力系统负荷预测研究)[J].吉林大学学报（信息科学版）,2022(06):918-923
A类：
Diffferential
B类：
DE,ELM,配电网,电力系统,系统负荷,预测研究,前方,电力负荷预测,电力数据,缺失值插补,插补处理,Evolution,Extreme,Learning,Machine,小波变换,去噪处理,数据缺失,训练集,测试集,全局寻优,极限学习机,放入,输出结果,结果实
AB值：
0.263354
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
