典型文献
基于智能极限学习机的珠三角地区电力需求预测模型
文献摘要：
考虑目前对地区电力需求预测研究甚少且预测模型所存在的不足,提出了一种基于灰狼优化算法(grey wolf optimization,GWO)智能优化极限学习机(extreme learning machine,ELM)的智能极限学习机电力需求预测模型.首先,对所用数据(影响因素数据、电力消费量)进行归一化处理,降低由数据差异造成的影响;其次,利用灰狼优化算法对ELM参数(输入权值、输出阈值)进行智能寻优;最后,以影响因素作为预测模型的输入,智能寻优的结果作为ELM参数,输出珠三角地区电力需求预测量.算例分析表明,所提出的预测模型比基于标准极限学习机预测模型更具有可靠性和稳定性,并且该模型对不同场景、不同预测类型都具有广泛的应用性.
文献关键词：
电力需求预测;极限学习机;智能优化;珠三角地区;灰狼优化算法
中图分类号：
作者姓名：
吴伟杰;吴杰康;李红玲;李逸欣;郑敏嘉;李猛;黄欣;张伊宁
作者机构：
广东电网有限责任公司电网规划研究中心,广东 广州 510000;广东工业大学自动化学院,广东 广州 510006
文献出处：
引用格式：
[1]吴伟杰;吴杰康;李红玲;李逸欣;郑敏嘉;李猛;黄欣;张伊宁-.基于智能极限学习机的珠三角地区电力需求预测模型)[J].供用电,2022(04):77-83
A类：
B类：
珠三角地区,电力需求预测,预测研究,甚少,灰狼优化算法,grey,wolf,optimization,GWO,智能优化,化极,extreme,learning,machine,ELM,素数,电力消费量,归一化处理,权值,智能寻优,算例分析,比基,极限学习机预测,同场,预测类型
AB值：
0.270837
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。
