基于神经网络和ARIMA模型的冷热电短期负荷预测

被引：56

作者：

梁荣 ^{[1
]}

王洪涛 ^{[2
,3
]}

吴奎华 ^{[1
]}

孙伟 ^{[4
]}

付春梅 ^{[5
]}

张晓磊 ^{[4
]}

机构：

[1] 国网山东省电力公司经济技术研究院

[2] 上海大学机电工程与自动化学院

[3] 宁德师范学院信息与机电工程学院

[4] 国网山东省电力公司

[5] 国网济南供电公司

来源：

电力系统及其自动化学报 | 2020年 / 32卷 / 03期

关键词：

冷热电联供; 负荷预测; Elman神经网络; 自回归求和滑动平均模型; 小波神经网络;

D O I：

10.19635/j.cnki.csu-epsa.000260

中图分类号：

TM715 [电力系统规划];

学科分类号：

080802 [电力系统及其自动化];

摘要：

冷热电负荷预测对终端供能系统的规划设计有重要意义,针对冷热电负荷预测方法中存在的变量多、时间开销大等问题,以5种典型建筑的冷热电负荷历史数据为基础,将Elman神经网络、自回归求和滑动平均ARIMA(autoregressive integrated moving average)模型和小波神经网络用于冷热电短期负荷预测。仿真结果表明:在冬夏典型日的冷热电负荷预测中,小波神经网络的最大平均绝对百分比误差为2.1%,计算速度适中,是较为合适的冷热电负荷预测方法;ARIMA模型的最大平均绝对百分比误差为4.1%,计算速度慢,但调试和确定参数的难度不大;Elman神经网络的最大平均绝对百分比误差为7.4%,但计算速度最快,网络参数少且调节简捷,适用于对预测精度的要求不太高,但需快速响应的场合。

引用

页码：52 / 58

页数：7

共 13 条

[1]

某车站综合体天然气冷热电联供系统方案研究 [J].