基于改进递归网络的智慧楼宇负荷预测方法
肖荣洋1
黄雁2
1.同济大学 电子与信息工程学院,上海200331;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：针对智慧楼宇负荷类型复杂且多变导致的负荷预测精度低等问题,提出了一种基于改进递归网络的智慧楼宇负荷预测方法.该方法在深度神经网络多隐层结构的基础上增设了关联层,使深度递归神经网络(DRNN)模型具有动态特性,并利用改进粒子群优化算法对模型权值空间进行优化,进而实现楼宇负荷的准确预测.基于不同类型楼宇的实验结果表明,所提方法的预测误差约在±0.3 MW的范围内波动,其均方根差与平均绝对百分比误差分别为0.27 MW和1.05％,且预测误差均小于其他对比方法.
关键词：改进粒子群优化算法深度递归神经网络智慧楼宇负荷预测关联层均方根差平均绝对百分比误差预测误差
分类号：TM715(输配电工程、电力网及电力系统)
资助基金：福建省自然科学基金(2018J01746)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：2022-03-25
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( 121-126 )
英文信息