负荷预测的准确性与电力系统的运行安全关系密切，寻求更为精准的预测方法是当前面临的重要问题。提出一种基于改进麻雀算法优化极限学习机的负荷预测模型。在标准麻雀算法中引入Sobol序列、自适应收敛因子以及柯西变异，以增强初始种群历遍性、平衡算法重点区域搜索能力与全局的搜索能力。相较于标准麻雀算法，采用改进麻雀算法对极限学习机的关键参数寻优，可实现对负荷更为精准的预测。仿真结果表明，该模型拥有更为良好的回归精度和泛化能力，在短期电力负荷预测方面能够得到更精确的预测结果。
科研之友
微信
新浪微博
Facebook
分享链接
