论文部分内容阅读
本文提出一种小脑模型极限学习机,并应用于电力负荷的不确定性预测。在预测过程中,考虑模型和数据的不确定度,并结合bootstrapping技术对不确定度进行量化,进而建立预测区间。此外,为了进一步提高预测精度,小波分解技术被用于数据的预处理。文中使用宁德供电局的历史负荷数据来测试模型,实验结果表明模型具有优秀的预测性能。