典型文献
基于模糊C均值聚类-变分模态分解和群智能优化的多核神经网络短期负荷预测模型
文献摘要：
电力系统的运行和控制中,短期负荷预测(short-term load forecasting,STLF)起着至关重要的作用.由于负荷的随机性和复杂性,准确预测负荷成为一项挑战.该文将结合了模糊C均值聚类(fuzzy C-means clustering,FCM)理论、变分模态分解(variational modal decomposition,VMD)和混沌粒子群优化(chaotic particle swarm opti-mization,CPSO)算法的多核极限学习机(multi-kernel extreme learning machine,MKELM)引入到预测模型中,构建聚类、分解、优化、训练、预测的负荷预测模型.然后基于已用于中国南极内陆泰山站能源系统的短期负荷预测应用案例,在原有模型基础上改进后获得适用于中国国内用电负荷预测模型.模型训练结果对比表明,该新模型在负荷短期预测中具有较高精度,能够反映区域用电负荷的变化趋势,研究成果为各种场景的用电负荷预测提供了新方法和新思路.
文献关键词：
模糊C均值聚类;变分模态分解;混沌粒子群优化;多核极限学习机;短期负荷预测
中图分类号：
作者姓名：
王煜尘;窦银科;孟润泉
作者机构：
太原理工大学电气与动力工程学院,太原030024;自然资源部极地科学重点实验室中国极地研究中心,上海200136
文献出处：
引用格式：
[1]王煜尘;窦银科;孟润泉-.基于模糊C均值聚类-变分模态分解和群智能优化的多核神经网络短期负荷预测模型)[J].高电压技术,2022(04):1308-1319
A类：
B类：
均值聚类,变分模态分解,群智能优化,短期负荷预测,负荷预测模型,电力系统,short,term,load,forecasting,STLF,随机性,准确预测,预测负荷,fuzzy,means,clustering,FCM,variational,modal,decomposition,VMD,混沌粒子群优化,chaotic,particle,swarm,opti,mization,CPSO,多核极限学习机,multi,kernel,extreme,learning,machine,MKELM,已用,南极,内陆,泰山,能源系统,预测应用,应用案例,中国国内,用电负荷预测,模型训练,结果对比,短期预测
AB值：
0.384854
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。
