科研之友
微信
新浪微博
Facebook
分享链接
摘要
利用改进的哈里斯鹰算法对核极限学习机进行优化，构建了CEHHO-KELM电力负荷预测模型。首先，在充分考虑了经济、时间、气候以及电网自身影响的基础上，采用灰色关联分析法筛选主要影响因素作为预测模型输入向量。然后，将优化的哈里斯鹰算法融合到核极限学习机的参数优化中，建立了CEHHO-KELM电力负荷预测模型。将某省电力负荷数据及其影响因素数据用于实证分析。仿真结果表明，CEHHO-KELM算法相较于HHO-KELM、LSSVM、KELM算法，能够较好地搜索核极限学习机的参数、更好地平衡全局和局部性能，从而使得KELM预测模型具有更高的预测精度。
- 单位
