典型文献
基于VMD-PSO-多核极限学习机的短期负荷预测
文献摘要：
为提高短期负荷预测精度,解决核极限学习机单一核函数难以适应负荷多数据特征的问题,提出了一种基于变分模态分解与粒子群优化的多核极限学习机模型.该模型采用变分模态分解技术将原始负荷序列分解为具有不同特征频率的子序列,并对每个子序列建立预测模型.负荷预测模型采用粒子群优化的多核极限学习机,其使用混合核函数代替单一的核函数,使其在不同的参数下不仅有良好的局部搜索能力,同时也加强了全局搜索能力.实验表明,该模型拥有更好的回归精度和泛化能力,能够得到更精确的预测结果.
文献关键词：
变分模态分解;粒子群优化算法;核函数;多核极限学习机;短期负荷预测
中图分类号：
作者姓名：
吴松梅;蒋建东;燕跃豪;鲍薇
作者机构：
郑州大学电气工程学院,郑州 450000;国网河南省电力公司郑州供电公司,郑州 450000
文献出处：
引用格式：
[1]吴松梅;蒋建东;燕跃豪;鲍薇-.基于VMD-PSO-多核极限学习机的短期负荷预测)[J].电力系统及其自动化学报,2022(05):18-25
A类：
B类：
VMD,PSO,多核极限学习机,短期负荷预测,适应负荷,数据特征,变分模态分解,极限学习机模型,分解技术,负荷序列,序列分解,特征频率,子序列,负荷预测模型,混合核函数,数代,局部搜索,搜索能力,全局搜索,泛化能力,粒子群优化算法
AB值：
0.230054
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。
