科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提高电力负荷预测的准确度，需要研究影响电力负荷预测的各个特征变量，笔者提出一种改进极限学习机的电力负荷预测方法。首先，使用箱形图找出原始电力负荷数据的异常值并剔除；然后，使用探索性数据分析和皮尔逊相关性分析确定电力负荷与环境温度、大气压力、相对湿度和排气蒸汽压强等变量的相关性，并确定预测模型的特征输入；最后，使用蜻蜓算法优化极限学习机中的输入层和隐藏层的连接权值、隐层单元的偏置值。实验结果表明，该预测模型的决定系数可达到0.93，预测效果理想，给电力负荷预测提供了借鉴思路。
- 单位
为了提高电力负荷预测的准确度，需要研究影响电力负荷预测的各个特征变量，笔者提出一种改进极限学习机的电力负荷预测方法。首先，使用箱形图找出原始电力负荷数据的异常值并剔除；然后，使用探索性数据分析和皮尔逊相关性分析确定电力负荷与环境温度、大气压力、相对湿度和排气蒸汽压强等变量的相关性，并确定预测模型的特征输入；最后，使用蜻蜓算法优化极限学习机中的输入层和隐藏层的连接权值、隐层单元的偏置值。实验结果表明，该预测模型的决定系数可达到0.93，预测效果理想，给电力负荷预测提供了借鉴思路。
