科研之友
微信
新浪微博
Facebook
分享链接
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%。
-
单位内蒙古电力（集团）有限责任公司; 上海电力大学
