公开(公告)号：CN105354646B

公开(公告)日：2017-04-12

申请号：CN201510878644.5

申请日：2015-12-04

Applicant: 福州大学

Inventor： 陈羽中 ,  李婉华 ,  郭文忠 ,  郭昆 ,  牛玉贞

IPC: G06F19/00

Abstract: 本发明涉及用电负荷预测技术领域，特别是一种混合粒子群优化与极限学习机的电力负荷预测方法，所述方法包括如下步骤：首先，对电力负荷数据进行预处理，之后采用混合粒子群优化与极限学习机的电力负荷预测方法对电力负荷历史数据进行训练，生成电力负荷预测的极限学习机模型；最后利用生成的极限学习机模型计算未来时刻的电力负荷的预测值。该方法结合粒子群优化对极限学习机方法进行改进，解决极限学习机在电力负荷预测时存在的稳定性问题，该方法可以从历史的电力负荷数据中挖掘出电力负荷数据的特性进而生成稳定的极限学习机预测模型，并对未来的电力负荷数据进行预测，并且有较高的准确度。

公开(公告)号：CN105354646A

公开(公告)日：2016-02-24

申请号：CN201510878644.5

申请日：2015-12-04

Applicant: 福州大学

Inventor： 陈羽中 ,  李婉华 ,  郭文忠 ,  郭昆 ,  牛玉贞

IPC: G06Q10/04 ,  G06Q50/06

Abstract: 本发明涉及用电负荷预测技术领域，特别是一种混合粒子群优化与极限学习机的电力负荷预测方法，所述方法包括如下步骤：首先，对电力负荷数据进行预处理，之后采用混合粒子群优化与极限学习机的电力负荷预测方法对电力负荷历史数据进行训练，生成电力负荷预测的极限学习机模型；最后利用生成的极限学习机模型计算未来时刻的电力负荷的预测值。该方法结合粒子群优化对极限学习机方法进行改进，解决极限学习机在电力负荷预测时存在的稳定性问题，该方法可以从历史的电力负荷数据中挖掘出电力负荷数据的特性进而生成稳定的极限学习机预测模型，并对未来的电力负荷数据进行预测，并且有较高的准确度。