基于GA改进LSTM-BP神经网络的智慧楼宇用能行为预测方法
江世雄1
黄鸿标2
陈苏芳2
肖荣洋2
1.武汉大学动力与机械学院,武汉430072;国网福建省电力有限公司龙岩供电公司,福建龙岩3640002.国网福建省电力有限公司龙岩供电公司,福建龙岩364000
摘要：针对大部分预测方法难以适用于多源异构数据的处理,且存在能源类型考虑不全面等问题,提出了基于GA改进LSTM-BP神经网络的智慧楼宇用能行为预测方法.该方法通过K-means聚类算法分析用能行为并减少用能数据规模,利用遗传算法优化长短时记忆网络(LSTM)结合反向传播神经网络(BP)的预测模型,实现对智慧楼宇的能耗预测.基于TensorFlow深度学习框架进行实验分析,结果表明所提方法在12 h及120 h内预测结果的MAE值分别为1.79 J和2.11 J,预测效果稳定并优于其他对比方法,故具有一定的应用前景.
关键词：智慧楼宇用能行为预测LSTM-BP神经网络遗传算法K-means聚类算法TensorFlow深度学习框架多源异构数据
分类号：TM714(输配电工程、电力网及电力系统)
资助基金：湖北省自然科学基金(2021FFA128)国网福建省电力有限公司龙岩供电公司项目(SGFJLY00YJJS2100564)
论文发表日期：2022-07-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 366-371 )
英文信息