关键词： 风电功率   组合预测   模糊信息粒化   遗传算法   极限学习机  

摘要： 为有效预测超短期风电功率及其波动范围,提出一种基于模糊信息粒化(FIG)和遗传算法优化极限学习机(GA-ELM)的组合预测模型。通过对风电系统参数进行模糊信息粒化,提取各参数在时序窗口下有效分量信息的最大值、最小值和大致平均值。将各参数有效分量整合作为训练样本,并建立基于遗传算法优化极限学习机的预测模型。采用优化后的预测模型完成对下一个时序下风电功率波动范围的预测。实验结果表明,该组合预测模型可以有效跟踪风电功率变化并预测其波动范围。

关键词： 流量预测   相空间重构   混沌特性   极限学习机  

摘要： 网络流量的预测可以有效降低网络拥塞频率,提高网络的服务质量,针对传统方法无法准确描述网络流量混沌特性的局限性,提出了相空间重构与极限学习机的网络流量预测模型（PHR-ELM）。首先通过相空间重构把网络流量变为有规律数据,然后采用极限学习机实现网络流量的准确预测,最后进行了网络流量预测的仿真测试,结果表明,PHR-ELM可以有效拟合网络流量的混沌变化特性,准确实现了网络流量变化趋势的预测,预测效果要优于传统模型,验证了PHR-ELM的有效性和优越性。

关键词： 主成分分析   余弦相似度   皮尔逊相关系数   电量特征   短期电量预测  

摘要： 如何快速准确实现电力用户的短期电量预测对需求响应的实施以及售电公司的经营具有重要的意义。提出一种基于相似用户电量特征匹配与鲁棒极限学习机的用户短期电量预测方法。首先通过主成分分析与余弦相似度相结合的聚类分析方法建立用户电量特征库;然后通过皮尔逊相关系数法选取与待预测用户用电特性相似度较高的用户,将其用电信息匹配生成预测参考日数据集;最后建立鲁棒极限学习机模型实现对用户短期电量预测。为验证所提方法的有效性,采用实际案例进行仿真分析。结果表明该方法可以有效提高用户短期电量预测精度。

关键词： 采煤机   功率预测   概念设计   极限学习机   支持向量机  

摘要： 为提高采煤机概念设计的效率和质量,充分继承专家知识经验,面向采煤机概念设计过程,分析了采煤机内部参数的耦合关系,结合粗糙集属性约简和规则提取,提出基于极限学习机的采煤机电机功率预测模型。采用遗传算法优化隐含层神经元个数,并通过分析不同激励函数对决定系数的影响,优选激励函数。最后选用设备制造商的数据进行实验分析,并与支持向量机模型进行对比。结果表明,该模型决定系数保持在0.95以上,平均相对误差在5%以内,精度优于支持向量机模型,并且ELM模型在计算速度方面具有显著优势,能够满足应用需求。

关键词： 控制系统   核极限学习机   在线滚动序列   非线性模型预测控制   涡轴发动机  

摘要： 针对涡轴发动机控制系统设计,提出了1种基于在线滚动序列核极限学习机的非线性模型预测控制方法。综合考虑直升机旋翼扭矩、燃气涡轮转速、动力涡轮转速、涡轮级间温度和压气机喘振裕度等信息,设计具有较好实时性、精度和泛化能力的多输出在线滚动序列核极限学习机作为预测模型,引入预测模型输出与发动机输出的误差进行反馈校正,利用序列二次规化算法在线求解包含限制约束的预测控制问题。在某型直升机/涡轴发动机综合平台的仿真环境中进行了直升机大幅度机动飞行仿真验证,结果表明:该模型预测控制器相比于传统串级控制具有更好的控制品质,可显著降低动力涡轮转速超调/下垂量。

关键词： 智能交通   GPS数据   极限学习机   公交行程时间预测  

摘要： 以公交车GPS数据为基础,建立了基于极限学习机方法的公交站点间行程时间预测模型.依据GPS数据在站点附近的特征表现,定义了公交车到站临界点,并分析了临界点处车辆的5种运行状态;提出了公交车到站时刻估算方法,进而得到公交车行程时间数据;通过分析公交车行程时间数据内在特征,确定了极限学习机模型关键参数及其纬度;最后,以长春市88路公交车GPS数据为基础进行了方法验证.结果表明,所用ELM方法预测误差约为11%,并与应用广泛的BP神经网络、RBF神经网络、SVM进行对比分析,发现ELM方法在满足精度前提下拥有更快训练速度与预测可靠性.

关键词： 正交投影   径向基函数   极限学习机   电力负荷   短期预测  

摘要： 负荷预测对电网规划和售电市场调控具有重要意义。由于电力负荷与天气、日期、区域等多个因素密切相关,存在较强的不确定性和非线性特征,导致传统方法的负荷预测精度较低。为了提高负荷预测精度,提出基于正交投影径向基函数极限学习机(OPRBF-ELM)的短期电力负荷预测算法。该算法将ELM的隐含层节点替换为径向基神经元,基于训练误差二范数最小化准则,采用正交投影计算输出权值向量,并在核函数的数量取值范围内索引获取使得训练集均方根误差(RMSE)最小的预测负荷结果。算法预测过程中只需要设置网络的径向基神经元(RBF)个数,不需要调整输入权值及隐含层偏差,且正交投影能较好地消除输入样本特征之间的相关性,快速有效得到输出权值向量,从而提高负荷预测精度。以我国某省电动汽车用电领域的负荷数据作为标准样本进行仿真,仿真实验验证了该算法的可行性和有效性,与支持向量机(SVM)和传统RBF-ELM相比,该算法的预测精度高、泛化能力强,具有广泛的实用性。

关键词： 交通安全   事故严重程度   机器学习   极限学习机   BP神经网络  

摘要： 极限学习机是单隐层前馈神经网络,作为BP神经网络的一种改进,极限学习机克服BP神经网络需要设置大量网络训练参数,并容易产生局部最优解问题的缺隐,交通事故严重程度的预测适合用极限学习机建模预测。研究选取某城市道路交通事故数据,利用基于LM算法(Levenberg-Marquardt)的BP神经网络和极限学习机建立事故严重程度的预测模型,随机选取80%的样本作为训练集、选取20%的样本作为测试集,对测试集的期望值和网络输出值进行比较,结果表明,极限学习机的预测性能比BP神经网络的要好。

关键词： 短期负荷预测   分位回归   鲁棒极限学习机   自相关分析  

摘要： 针对短期负荷预测对电力系统运行管理和优化调度的影响,提出一种基于分位回归鲁棒极限学习机的短时负荷预测方法,即先对所收集的历史负荷数据进行归一化处理,然后利用自相关分析提取最相关的历史负荷数据作为模型的输入变量,再融合鲁棒极限学习机和分位回归建立负荷预测基本模型,最后利用某电力公司2016年采样频率为30min的数据进行实例分析,试验数据表明相比极限学习机(ELM)、分位回归(QR)和分位回归支持向量机(QR-SVM),所提模型预测精度更高,验证了所提模型和算法的可行性和有效性。

关键词： 风速预测   混合分解技术   改进鲸鱼算法   鲁棒极限学习机   多步预测  

摘要： 提出一种基于混合分解技术的改进鲁棒极限学习机的风速预测模型。混合分解技术的特殊性在于采用变分模态分解,把互补集合经验模式分解所产生的高频固有模态函数进一步分解为多个模态分量,以提高短期风速预测的精度。然后对混合分解技术分解得到的全部风速分量分别建立鲁棒极限学习机模型进行预测,并采用一种改进鲸鱼优化算法对鲁棒极限学习机的参数进行微调。最后,根据西班牙某一风电场实际风速数据进行风速多步短期预测。实验结果表明:基于混合分解技术和改进鲸鱼优化算法优化鲁棒极限学习机的组合预测模型在风速预测中取得较好的预测效果。