改进秃鹰算法优化ELM的短期电力负荷预测研究

针对现阶段电力环境日益复杂,短期电力负荷预测方法存在预测精度不高、收敛速度慢的问题,提出一种基于改进秃鹰搜索算法(IBES)优化极限学习机(ELM)的短期电力负荷预测模型。原始秃鹰搜索算法在确定ELM中的连接权重和隐含层阈值时,容易陷入局部最优,且收敛速度慢,导致预测精度不高。针对这一问题,首先利用Piecewise混沌映射初始化秃鹰种群,增加多样性;然后引入莱维飞行策略,扩大种群的搜索范围,使其能及时跳出局部最优点;最后,引入动态权重因子,提高秃鹰的局部搜索能力。利用改进的秃鹰搜索算法对ELM的两个随机参数进行寻优,从而建立IBES-ELM短期电力负荷预测模型。结合某地区的实际电力负荷数据进行预测分析,结果表明,相比于ELM、BES-ELM、PSO-ELM、DBO-ELM,改进的模型在预测精度和收敛速度上均有提升。