基于聚类KELM算法的配电网短期负荷预测分析

为了提高配电网短期负荷预测效率,建立了基于聚类KELM算法的配电网短期负荷预测算法,确定了最佳的神经元个数。算例研究结果得到:根据聚类KELM算法计算得到的RMSE比未通过聚类处理而是直接实施预测的过程减小了17.2 W;通过聚类处理的KELM算法也比直接预测达到了更快运行速度,表明聚类后组合预测算法达到了更高的适用性与有效性,从而显著降低算法的预测误差。根据Cholesky分解得到的KELM算法可以达到比常规KELM与ELMAN算法更优的跟踪效果。采用核极限学习机可以在最短时间中实现最优的拟合效果,实现了良好的泛化性能。