典型文献
基于相似日和多集成组合的短期负荷预测
文献摘要：
针对短期电力负荷预测精度低、泛化能力弱等问题,提出了一种基于相似日选取与多集成组合的短期电力负荷预测模型.首先利用最大信息准则MIC(maximal information coefficient)选取高相关变量作为模型输入;然后综合考虑MIC与灰色关联度,对气象敏感性较弱地区的负荷进行相似日选取;最后引入集成随机子空间、自适应增强、堆叠-神经网络的框架组合多核核极限学习机,对待预测日进行回归拟合,输出最终预测结果.采用马来西亚柔佛州供电公司提供的负荷数据进行算例分析,结果表明,相比于随机森林、BP神经网络和循环门控单元,所提模型的预测精度更高、泛化能力更强.
文献关键词：
短期电力负荷预测;多集成组合;相似日选取;核极限学习机
中图分类号：
作者姓名：
金辰曦;卢先领;徐宇颂;刘如浩;张家想
作者机构：
江南大学物联网工程学院,无锡 214122
文献出处：
引用格式：
[1]金辰曦;卢先领;徐宇颂;刘如浩;张家想-.基于相似日和多集成组合的短期负荷预测)[J].电力系统及其自动化学报,2022(02):31-38
A类：
多集成组合,柔佛州,佛州
B类：
短期负荷预测,短期电力负荷预测,泛化能力,相似日选取,负荷预测模型,信息准则,MIC,maximal,information,coefficient,模型输入,灰色关联度,随机子空间,自适应增强,堆叠,多核,核极限学习机,回归拟合,马来西亚,供电公司,负荷数据,算例分析,门控单元
AB值：
0.229801
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。
