资源描述：
《电业超短期负荷预测仿真研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、1006-9348(2015)07-0096-06电业超短期负荷预测仿真研究梁静1，瞿博阳2,1，宋慧1刘巍31.郑州大学电气工程学院，河南郑州450001；2.中原工学院电子信息学院，河南郑州450007；3.国网河南省电力公司经济技术研究院，河南郑州450000摘要：超短期负荷预测是电力负荷预测中很重要的环节，数据的提取和预测方法的选择则是最难的环节。为了准确预测，采用电行业监测分析系统数据提取平台，能够实时监测及提取负荷数据。反向传播(BP)神经网络和极限学习机（ELM）具有预测能力强和全局搜索显著特点而成为超短期负荷预测中常用的两种方法。实验数据
2、通过重点用电行业监测分析系统获取，通过建立预测数据提取模型，用BP神经网络和ELM通过不同的隐含层节点数设置进行超短期预测。实验结果表明，提出的数据提取平台在提取数据上的可靠性，同时BP神经网络及ELM在超短期负荷预测中的可行性，并且相比较于BP神经网络，ELM在超短期负荷预测上具有较高的预测精度和较短的运算时间。超短期负荷预测；极限学习机；反向传播神经网络TP183BSimulationandResearchonUltra-Short-TermLoadForecastingofElectricityIndustryLIANGJing1QUBo-yang
3、2,1,SONGHui1,LIUWei31.SchoolofElectricalEngineering,ZhengzhouUniversity,ZhengzhouHenan450001,China;2.SchoolofElectricandInformationEngineering,ZhongyuanUniversityofTechnology,ZhengzhouHenan450007,China;3.StateGridHenanEconomicResearchInstitute,ZhengzhouHenan450000,ChinaABSTRACT:U
4、ltra-Short-TermLoadForecastingisaveryimportantpartinpowerloadforecast,andcollectingdataandthemethodsforforecastingarethemostimportant.Monitoringandanalysissystemforthekeyelectricityindustry,whichcanmonitorandextractthedatainrealtime,isanewplatformforextractingdata.BackPropagation
5、(BP)NeuralNetworkandExtremeLearningMachine(ELM),whichhavenotablefeaturesofagoodabilityofforecastandglobalsearchability,andhavebeentwocommonmethodsinUltra-Short-TermLoadForecasting.Thetesteddatawereobtainedfromthemonitoringandanalysissystemforthekeyelectricityindustry,andanextract
6、ionmodelforforecastingdatawasbuilt.ThentheUltra-Short-TermLoadForecastingwasconductedthroughdifferenthiddenlayernodessettingunderalgorithmsofBPNeuralNetworkandELM.Theresultshowsthatthedatacamefromtheplatformarereliable,andBPNeuralNetworkandELMareavailableinUltra-Short-TermLoadFor
7、ecasting,andELMhashigherpredictionaccuracyandlesscomputingtimeforUSTLFcomparedwithBPNeuralNetwork.Ultra-short-termloadforecasting;Extremelearningmachine;Backpropagationneuralnetwork国家自然科学基金项目(61305080)；中国博士后科学基金特别资助项目（2012T50639）；河南省教育厅科学技术研究重点项目(14A410001)；河南省科技攻关项目(132102210521
8、)；河南省电力公司2013年第二批科技项目(5217L0135029)；博士后特
