典型文献
基于SEELM多专家模型的分布式光伏系统负荷预测方法
文献摘要：
针对分布式光伏系统负荷所具有的非线性和非平稳等数据分布特性,基于神经网络与挂起规则,提出一种基于多模型集成式极限学习机的分布式光伏负荷预测方法.首先,设计多个神经网络作为子专家模型,并随机选取每一个网络的初始输入权值.构建挂起规则,依据数值波动范围在相应时间节点划分各神经网络的类别.针对其中数值波动较大的大误差网络,基于对应数值概率分布实施在线动态更新,以实现训练误差、输入权值的双维度同步优化.最后,将各个子专家模型的优化结果进行整合,并汇总输出,从而降低初始权值选取步骤中潜在误差波动的不利影响.基于某地区实际分布式光伏系统实施实证仿真,结果表明:在光伏负荷高波动这一特殊数据环境下,所提出预测模型在预测精度以及输出稳定性两方面均能够保持一定优势,可进一步推动并改善光伏接入背景下系统负荷预测的性能与效果.
文献关键词：
光伏系统;负荷预测;多专家模型;SEELM
中图分类号：
作者姓名：
张翰霆;陈俊;陈根永
作者机构：
湖北工业大学电气与电子工程学院,湖北武汉430068;郑州大学电气工程学院,河南郑州 450001
文献出处：
引用格式：
[1]张翰霆;陈俊;陈根永-.基于SEELM多专家模型的分布式光伏系统负荷预测方法)[J].电力系统保护与控制,2022(10):69-75
A类：
SEELM,多专家模型
B类：
分布式光伏,光伏系统,系统负荷,负荷预测方法,非平稳,数据分布,分布特性,挂起,多模型集成,集成式,极限学习机,权值,波动范围,时间节点,节点划分,概率分布,动态更新,双维度,同步优化,模型的优化,某地区,系统实施,高波动,数据环境,光伏接入
AB值：
0.301962
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。
