摘要：为提高短期电力负荷预测的精度与效率,提出一种改进流形正则化极限学习机的短期电力负荷预测方法;首先,为了改善极限学习机（ELM）的泛化性能与效率,并解决随机初始化参数导致极限学习机存在的潜在问题,采用流形正则化理论优化极限学习机;其次,针对流形正则化极限学习机中参数的选择,以及流形正则化极限学习机隐层节点选择的问题,提出将贝叶斯优化算法（BOA）融入到流形正则化极限学习机中以优化流形正则化极限学习机（MRELM）。最后,通过实验数据分析,改进流形正则化极限学习机预测方法将预测平均相对误差降低到了1.903%,30次实验的平均相对误差的方差降低到了1.9‰,平均单次运行时间降低到了6.113 s。

关键词：短期电力负荷预测 流形正则化 极限学习机 贝叶斯优化算法 平均相对误差 

单位：天津大学电气与自动化工程学院; 天津300072