摘要：针对在智能用电环境下研究对象复杂且负荷随机性强，短期电力负荷预测算法精度差、计算时间长等问题，提出一种基于ELM-Adaboost神经网络改进算法预测短期电力负荷的新方法。该方法引入Adaboost算法，首先对经过预处理后的历史数据进行测试样本权重初始化，然后反复训练ELM网络预测输出，ELM算法预测过程简洁，速度快；通过Adaboost算法调整测试样本权重并确定弱预测器权重，最后将得到的多个ELM弱预测器组成强预测器。实验以某市的电力负荷数据的进行预测仿真以及结果比较。仿真结果表明该方法具有较高的预测精度，泛化性能好，具有一定的理论意义和较好的应用前景。

关键词：负荷预测 极限学习机 adaboost算法 强预测器 神经网络 

单位：上海理工大学光电信息与计算机工程学院 上海200093