期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于优化极限学习机与多任务学习的超短期负荷预测方法
1
作者
李占江
《电子设计工程》
2025年第8期159-164,共6页
在超短期电力负荷分析过程中,通过简单极限学习机完成负荷预测,所涉及的初始权值和阈值都是随机产生的,使得负荷预测结果均方根误差(RMSE)较大,因此,提出结合优化极限学习机与多任务学习的超短期负荷预测方法。依托于多任务学习思想构...
在超短期电力负荷分析过程中,通过简单极限学习机完成负荷预测,所涉及的初始权值和阈值都是随机产生的,使得负荷预测结果均方根误差(RMSE)较大,因此,提出结合优化极限学习机与多任务学习的超短期负荷预测方法。依托于多任务学习思想构建负荷特征选取模型,从大量负荷自身变化特征、外部影响因素特征中筛选出最优特征。根据特征筛选结果采集数据建立负荷序列,运用小波变换算法完成原始信号的分解和重构,实现负荷序列降噪处理。应用包含个体变异机制的改进萤火虫算法,求解极限学习机的最优参数,生成优化极限学习机。以优化极限学习机为基础构建负荷预测模型,输入降噪负荷序列进行不断学习,即可输出超短期负荷预测值。实验结果表明,新设计方法预测出的超短期负荷RMSE值低于0.1,证明了其可以准确描述电力系统未来短时间内的负荷状态。
展开更多
关键词
极限学习机
改进萤火虫算法
多任务学习
变量选择
小波变换
负荷预测
在线阅读
下载PDF
职称材料
题名
基于优化极限学习机与多任务学习的超短期负荷预测方法
1
作者
李占江
机构
国家电投集团有限公司山东分公司
出处
《电子设计工程》
2025年第8期159-164,共6页
文摘
在超短期电力负荷分析过程中,通过简单极限学习机完成负荷预测,所涉及的初始权值和阈值都是随机产生的,使得负荷预测结果均方根误差(RMSE)较大,因此,提出结合优化极限学习机与多任务学习的超短期负荷预测方法。依托于多任务学习思想构建负荷特征选取模型,从大量负荷自身变化特征、外部影响因素特征中筛选出最优特征。根据特征筛选结果采集数据建立负荷序列,运用小波变换算法完成原始信号的分解和重构,实现负荷序列降噪处理。应用包含个体变异机制的改进萤火虫算法,求解极限学习机的最优参数,生成优化极限学习机。以优化极限学习机为基础构建负荷预测模型,输入降噪负荷序列进行不断学习,即可输出超短期负荷预测值。实验结果表明,新设计方法预测出的超短期负荷RMSE值低于0.1,证明了其可以准确描述电力系统未来短时间内的负荷状态。
关键词
极限学习机
改进萤火虫算法
多任务学习
变量选择
小波变换
负荷预测
Keywords
extreme learning machine
improve the firefly algorithm
multi task learning
variable selec-tion
wavelet transform
load forecasting
分类号
TM743 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于优化极限学习机与多任务学习的超短期负荷预测方法
李占江
《电子设计工程》
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
