%0 Journal Article
%T 考虑影响因素的短期负荷预测核函数ELM方法 Kernel function ELM method for short-term load forecasting considering influencing factors
%A 张宁
%A 刘天键
%J 武汉大学学报(工学版)
%D 2018
%X 结合结构风险最小化原则,使用核函数映射代替基本极限学习机(ELM)模型中的隐层节点特征映射,在考虑温度、相对湿度、日期类型、历史负荷等影响因素情况下提出了基于核函数极限学习机模型的短期负荷预测新方法.该方法具有较强的泛化能力,并能避免基本ELM模型可能产生的过学习现象.对实际负荷数据进行预测分析,其研究结果表明核函数极限学习机模型的预测精度要优于基本ELM模型、最小二乘支持向量机模型以及BP神经网络模型.同时也验证了核函数极限学习机方法用于短期负荷预测中的可行性和有效性
%K 结构风险最小化原则
%K 极限学习机
%K 负荷影响因素
%K 核函数极限学习机
%K 最小二乘支持向量机模型
%U http://wsdd.cbpt.cnki.net/WKC/WebPublication/paperDigest.aspx?paperID=a4f799fd-c0cc-4525-abd8-f7336c46cd39