论文部分内容阅读
针对现有电力负荷预测模型中存在测量精度不高和稳定性较低的缺点,本文提出了一种基于深度置信网络-极限学习机(Deep Belief Network-Extreme Learning Machine,DBN-ELM)的电力负荷预测模型。该模型在传统DBN的基础上,引入ELM作为回归层,将DBN在特征提取方面的优势和ELM泛化能力强的特征相结合,提高电力负荷预测的准确性。实验表明,对比传统DBN神经网络,该模型可以更好地拟合电力负荷数据时间序列变化趋势,具有更高的预测精度。