基于改进极端学习机方法的电力系统短期负荷预测方法

摘要

本发明公开了一种基于改进极端学习机方法的电力系统短期负荷预测方法，以极端学习机(ELM)作为预测模型基本结构，提出BFGS(Broyden，Fletcher，Goldfarb，Shanno)拟牛顿方法对网络左侧权值进行优化训练调整，解析获得右侧权值参数的迭代-解析学习算法，创建了基于改进极端学习机(IELM)方法的短期负荷预测模型，提出极端学习机网络参考隐节点数概念，对隐节点数目与样本数目相同的等维极端学习机网络进行训练，再对该等维网络右权值向量的模值进行有序聚类，找出相应的多个模值分割点，并将其作为预测网络的参考隐节点数，在预测精度和速度方面比现有方法都有了大幅提高。