科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统的电力负荷预测模型存在的预测精度不高和泛化能力不强的问题，提出一种基于Stacking集成学习、极限学习机(ELM)和最小二乘支持向量机(LSSVM)的短期负荷预测方法。以Calinski-Harabasz指标确定最佳簇数，采用模糊C均值(FCM)聚类筛选相似日样本集合，优选并减小样本规模。在Stacking集成学习框架下，建立多个ELM初级预测模型，以LSSVM作为元学习器，对多个预测结果重新融合，构成综合预测系统。算例分析表明，提出的方法较单一的ELM预测模型和传统的结合策略具有良好的预测精度和泛化性。
- 单位
