本文主要研究内容
作者杨本臣,于坤鹏,张军（2019）在《基于ELM优化模型的用户短期负荷研究》一文中研究指出：随着售电侧的逐步开发以及用电大数据时代的到来,短期负荷预测更加复杂,必须综合考虑实时电价、用户历史用电行为以及预测模型的精度和时间复杂度。在分析各种短期负荷影响因素的基础上,利用K-means聚类方法对用户历史用电行为进行聚类,再利用兼具有自动寻找隐层节点数和在线学习功能的I-OS-ELM学习机进行负荷预测。实例预测结果证明,该模型能够有效地解决实时电价机制下短期负荷的预测问题。
Abstract
sui zhao shou dian ce de zhu bu kai fa yi ji yong dian da shu ju shi dai de dao lai ,duan ji fu he yu ce geng jia fu za ,bi xu zeng ge kao lv shi shi dian jia 、yong hu li shi yong dian hang wei yi ji yu ce mo xing de jing du he shi jian fu za du 。zai fen xi ge chong duan ji fu he ying xiang yin su de ji chu shang ,li yong K-meansju lei fang fa dui yong hu li shi yong dian hang wei jin hang ju lei ,zai li yong jian ju you zi dong xun zhao yin ceng jie dian shu he zai xian xue xi gong neng de I-OS-ELMxue xi ji jin hang fu he yu ce 。shi li yu ce jie guo zheng ming ,gai mo xing neng gou you xiao de jie jue shi shi dian jia ji zhi xia duan ji fu he de yu ce wen ti 。
论文参考文献
论文详细介绍
论文作者分别是来自计算机应用与软件的杨本臣,于坤鹏,张军，发表于刊物计算机应用与软件2019年11期论文，是一篇关于实时电价论文,用电行为论文,聚类算法论文,学习机论文,计算机应用与软件2019年11期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机应用与软件2019年11期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：实时电价论文; 用电行为论文; 聚类算法论文; 学习机论文; 计算机应用与软件2019年11期论文;