100 积分
50
评分
4.6 积分- 详情
- 2020-12-27
- 简介
pdf
- 871KB
- 页数 5P
- 阅读 95
- 下载 34
为了提高电力系统短期负荷预测精度,提出一种基于改进极限学习机(MELM)的短期电力负荷预测模型。引入基于结构风险最小化理论,并结合最小二乘向量机回归学习方法,以克服传统极限学习机(ELM)在短期负荷预测中存在的过拟合问题。某地区用电负荷预测结果表明,改进模型的泛化性与预测精度均优于传统ELM和OS-ELM模型,可为短期电力负荷预测提供有效依据,具有一定的实用性。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于改进极限学习机的短期电力负荷预测方法 871KB
基于径向基函数极限学习机的短期负荷预测 160KB
电力系统短期负荷预测方法研究 15.4MB
基于改进遗传算法优化极限学习机的短期电力负荷预测 280KB
改进的BP算法在短期电力负荷预测中的应用 307KB
基于粒子群算法的极限学习机短期电力负荷预测 2.5MB
短期电力负荷预测器设计 2.7MB
一例基于灰色模型的电力负荷预测方法的应用 429KB
基于混沌蚁群算法的电力短期负荷预测 142KB
一种基于变权动态组合模型的电力负荷预测方法 178KB