基于DE-ELM算法的配电网电力系统负荷预测研究

针对目前方法对配电网电力系统进行负荷预测时，由于未能在电力负荷预测前对电力数据进行缺失值插补处理，导致该方法存在预测精度差、时间长以及性能差的问题，提出一种基于DE-ELM(Differential Evolution-Extreme Learning Machine)算法的配电网电力系统负荷预测研究方法。首先依据小波变换对电力数据进行去噪处理，根据去噪结果完成电力数据缺失值的插补，获取完整的电力数据集；再将数据集分成训练集与测试集两部分，将全局寻优引入极限学习机，采用DE-ELM算法对训练集进行计算，依据结果建立网络模型；最后将测试集放入构建的模型中进行训练，基于输出结果实现配电网电力系统的负荷预测。实验结果表明，运用该方法进行配电网电力系统负荷预测时，预测精度高、时长短、性能好。