典型文献
基于改进ABC和IDPC-MKELM的短期电力负荷预测
文献摘要：
为提高受外部因素影响敏感的短期电力负荷预测精度,提出了一种基于改进ABC优化密度峰值聚类和多核极限学习机的短期电力负荷预测方法.构建融合特征提取、人工蜂群算法(ABC)、密度峰值聚类(DPC)和核极限学习机(KELM)的短期电力负荷预测模型.针对ABC收敛效率不高的缺陷,设计新型蜜源搜索和蜜蜂进化方式,以提升改进ABC全局寻优能力;针对DPC截断距离与聚类中心人为设定的不足,定义邦费罗尼指数函数和聚类中心截断指标,并将改进的ABC应用于DPC参数优化过程,以实现DPC最佳聚类分析;针对KELM回归能力不强、参数选取难以确定的问题,设计多核加权KELM,并采用改进的ABC进行参数优化,以提高极限学习机预测精度.仿真结果表明,所提短期电力负荷预测方法更具有效性,平均误差低了约8.8％～39.8％.
文献关键词：
短期电力负荷预测;人工蜂群算法;密度峰值聚类;核极限学习机;特征提取;预测精度
中图分类号：
作者姓名：
狄曙光;刘峰;孙建宇;冀超;董铎亮;蔄靖宇
作者机构：
内蒙古电力(集团)有限责任公司包头供电分公司,内蒙古包头 014000;上海电力大学能源与机械工程学院,上海 200090
文献出处：
引用格式：
[1]狄曙光;刘峰;孙建宇;冀超;董铎亮;蔄靖宇-.基于改进ABC和IDPC-MKELM的短期电力负荷预测)[J].智慧电力,2022(09):74-81
A类：
IDPC
B类：
ABC,MKELM,短期电力负荷预测,外部因素,密度峰值聚类,多核极限学习机,负荷预测方法,融合特征,人工蜂群算法,负荷预测模型,收敛效率,效率不高,蜜源,蜜蜂,提升改进,全局寻优,寻优能力,截断距离,聚类中心,费罗,指数函数,断指,参数选取,难以确定,极限学习机预测,平均误差
AB值：
0.200683
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。
