利用传统方法进行短期负荷预测时,通常随机选取离待测日相近的连续一段时间作为训练样本进行模型训练,没有考虑气象因素、日期类型和实时电价等的影响,待测日与训练样本的特征值相差较大,导致负荷预测存在较大误差。为此,本文提出了一种基于K-Means聚类算法和改进增量型极限学习机(Ⅱ-ELM)相结合的短期负荷预测方法。仿真结果表明,所提方法在确保精度的前提下,对短期负荷预测具有较高的运算速度和精确度。
科研之友
微信
新浪微博
Facebook
分享链接
