异构计算下的电力系统用户侧净负荷预测算法

摘要

针对原始电力系统用户侧净负荷序列混乱问题，为精准预测电力系统用户侧负荷数据的变化情况，提出一种异构计算下的电力系统用户侧净负荷预测算法。分析带有噪声的电力系统用户侧净负荷数据，实施二进制小波变换，经设定门限值与确定估计信号，预处理电力系统用户侧净负荷数据；应用经验模态分解方法，进行了电力系统用户侧净负荷分解，使用扩展卡尔曼滤波(EKF:Extended Kalman Filter)以及核函数极限学习机(KELM:Kernel Extreme Learning Machine)两种存在差异的算法，建立基于EKF-KELM的电力系统用户侧净负荷预测函数，异构计算IMF(Intrinsic Mode Function)分量的最优参数，引入核函数，叠加全部预测值，得到异构计算下的电力系统用户侧净负荷预测结果。实验结果表明，所提算法获取的电力系统用户侧净负荷预测值和真实值基本吻合，均方根误差和平均绝对误差均低，有效减少电力系统用户侧净负荷预测耗时，可以获取高准确率的电力系统用户侧净负荷预测结果。

关键词

异构计算 / 电力系统 / 用户侧 / 净负荷预测