异构计算下的电力系统用户侧净负荷预测算法OA

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。