基于QPSO-ELM-KF的电力系统短期负荷预测

作者：杨晋岭; 靳云龙^*

来源：太原科技大学学报, 2023, 44(01): 27-33.

• 短期电力负荷预测
• 量子粒子群算法
• 极限学习机
• 卡尔曼滤波

为保证日常电力系统的正常运行，满足其生产活动安排、电力经济调度以及电网安全分析的要求，必须要进行电力系统短期负荷的预测。为提高预测精度和稳定性，提出了一种基于量子粒子群(QPSO)优化极限学习机(ELM)与卡尔曼滤波(KF)相结合的电力系统短期负荷预测模型。该模型首先通过ELM预测各时间点的电力负荷值，其中，根据QPSO算法本身的特性以及在参数寻优方面的优势，利用其对ELM网络结构中输入层-隐含层的权值和隐含层的阈值进行寻优；然后，利用KF算法将得到的预测值做进一步的更新和优化，从而得到各时刻的最优估计值，最终以实现对短期电力负荷的精准预测。实验表明，使用QPSO-ELM-KF预测模型进行短期电力负荷预测，预测精度有进一步的提高。

• 单位
  太原科技大学; 电子信息工程学院