细菌觅食算法优化极限学习机短期负荷预测的研究及应用

摘要

为了不断提升电力系统短期负荷预测的精确度,确保系统安全、经济运行,本文提出细菌觅食算法优化极限学习机的电力负荷预测模型.首先收集电力负荷历史数据,将细菌觅食优化算法引入到基于极限学习机的短期负荷预测模型中,对极限学习机中的不确定参数进行算法优化,然后利用优化后的模型进行电力系统负荷预测.最后,利用浙江某地真实电力负荷数据,进行仿真实验.仿真结果表明:细菌觅食算法优化极限学习机电力负荷预测模型的预测精度均优于遗传算法、粒子群优化算法、蝙蝠算法优化后的极限学习机预测模型,且提出的算法具有良好的鲁棒性.