计算机时代2023，Issue(6) ：43-47.DOI:10.16644/j.cnki.cn33-1094/tp.2023.06.010

基于改进人工蜂鸟算法优化ELM的电力负荷预测

Optimized ELM based on improved artificial hummingbird algorithm for power load forecasting

王童
计算机时代2023，Issue(6) ：43-47.DOI:10.16644/j.cnki.cn33-1094/tp.2023.06.010
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于改进人工蜂鸟算法优化ELM的电力负荷预测

Optimized ELM based on improved artificial hummingbird algorithm for power load forecasting

王童1
扫码查看

作者信息

  • 1. 浙江理工大学计算机科学与技术学院,浙江 杭州 310018
  • 折叠

摘要

为了能够提高短期电力负荷预测的精度,提出一种改进人工蜂鸟算法优化ELM的电力负荷预测模型.改进标准的人工蜂鸟算法,通过引入Sobol序列初始化种群和修改访问表更新规则,增强算法的寻优能力.将改进后的人工蜂鸟算法应用于ELM的参数寻优中,进一步提升ELM的准确性.结果显示,改进后的人工蜂鸟算法能够快速地找到最优解,负荷预测的准确率超过了99.161％,验证了本文预测模型的稳定性与可靠性.

关键词

负荷预测/极限学习机/人工蜂鸟算法/Sobol序列

引用本文复制引用

基金项目

激光与物质相互作用国家重点实验室开发基础研究课题(SKLLIM2113)

出版年

2023
计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
被引量3
参考文献量4
段落导航相关论文