格式：pdf
大?。?span class="single-tag-height">160KB
頁數(shù)：
負荷預測對電網(wǎng)規(guī)劃和售電市場調(diào)控具有重要意義。由于電力負荷與天氣、日期、區(qū)域等多個因素密切相關(guān),存在較強的不確定性和非線性特征,導致傳統(tǒng)方法的負荷預測精度較低。為了提高負荷預測精度,提出基于正交投影徑向基函數(shù)極限學習機(OPRBF-ELM)的短期電力負荷預測算法。該算法將ELM的隱含層節(jié)點替換為徑向基神經(jīng)元,基于訓練誤差二范數(shù)最小化準則,采用正交投影計算輸出權(quán)值向量,并在核函數(shù)的數(shù)量取值范圍內(nèi)索引獲取使得訓練集均方根誤差(RMSE)最小的預測負荷結(jié)果。算法預測過程中只需要設(shè)置網(wǎng)絡(luò)的徑向基神經(jīng)元(RBF)個數(shù),不需要調(diào)整輸入權(quán)值及隱含層偏差,且正交投影能較好地消除輸入樣本特征之間的相關(guān)性,快速有效得到輸出權(quán)值向量,從而提高負荷預測精度。以我國某省電動汽車用電領(lǐng)域的負荷數(shù)據(jù)作為標準樣本進行仿真,仿真實驗驗證了該算法的可行性和有效性,與支持向量機(SVM)和傳統(tǒng)RBF-ELM相比,該算法的預測精度高、泛化能力強,具有廣泛的實用性。
格式：pdf
大?。?span class="single-tag-height">523KB
頁數(shù)： 4頁
介紹極限學習機（ELM）的原理，提出極限學習機模型的城市燃氣短期負荷預測方法。以重慶市某區(qū)域燃氣日負荷、氣溫、日期類型及天氣狀況等數(shù)據(jù)為訓練樣本，采用歸一化等預處理方法處理輸入數(shù)據(jù)，通過確定最優(yōu)隱含層節(jié)點數(shù)等建立最優(yōu)極限學習機模型。將實際值和通過采用極限學習機與支持向量機（SVM）方法得到的燃氣日負荷預測值進行對比，將采用極限學習機與支持向量機方法的訓練時間和預測時間進行對比，極限學習機預測方法具有較好的預測精度，且訓練時間短。
熱門知識
學習機-
話題： 地產(chǎn)家居jhw1999
-
話題： 地產(chǎn)家居yuzeshui
-
話題： 地產(chǎn)家居caicai0418
-
話題： 地產(chǎn)家居YYGJG
-
話題： 項目管理longxiguang
精華知識
學習機-
話題： 地產(chǎn)家居張寶玲
-
話題： 地產(chǎn)家居mmbugg1234
-
話題： 地產(chǎn)家居yxslt
-
話題： 地產(chǎn)家居jqd2008
-
最新知識
學習機-
話題： 地產(chǎn)家居326320571
-
-
話題： 地產(chǎn)家居ggggg12345
-
話題： 地產(chǎn)家居chy889916
相關(guān)問答
學習機-
話題： 地產(chǎn)家居chaoji9527
-
話題： 地產(chǎn)家居116232652
-
話題： 地產(chǎn)家居卿海燕
-
話題： 地產(chǎn)家居jiaozi521
-
學習機相關(guān)專題
- 怎么學習使用CAD
- 怎樣學習CAD畫圖
- 通信工程CAD如何學習
- 如何學習手繪墻畫
- 學習衣柜設(shè)計
- 學習室內(nèi)設(shè)計要多久
- 學習室內(nèi)設(shè)計手繪
- 軟裝花藝學習
- 室內(nèi)軟裝學習
- 軟裝學習網(wǎng)站
- 貢獻度極限學習機理論算法的輸電線路工程造價預測
- 改進遺傳算法優(yōu)化極限學習機的短期電力負荷預測
- 代價敏感極端學習機的電力系統(tǒng)暫態(tài)穩(wěn)定評估方法
- 公路隧道施工期圍巖快速分類極限學習機模型??
- 公路隧道施工期圍巖快速分類極限學習機模型
- 云計算和極限學習機的分布式電力負荷預測算法
- 機械課程設(shè)計對大學生學習機械設(shè)計的影響??
- 粒子群優(yōu)化的極限學習機冰蓄冷空調(diào)負荷預測
- 粒子群算法的極限學習機短期電力負荷預測
- 改進極限學習機短期電力負荷預測方法
- 極限學習機輸電線路覆冰預測方法??
- 晶閘管電路學習機電源的諧波治理
- 極限學習機燃氣日負荷預測
- 基于壓電堆驅(qū)動器的噴嘴擋板式氣體控制閥
- 電氣工程及其自動化特色專業(yè)建設(shè)探索
- 分形DGS單元結(jié)構(gòu)設(shè)計及其在微帶電路中的應(yīng)用
- 磷銨技術(shù)改造五大磷肥工程的建議