基于径向基函数神经网络的综合能源系统多元负荷短期预测

被引：28

作者：

翟晶晶 ^{[1
,2
]}

吴晓蓓 ^{[1
]}

王力立 ^{[1
]}

机构：

[1] 南京理工大学自动化学院

[2] 南京工程学院电力工程学院

来源：

电力需求侧管理 | 2019年 / 21卷 / 04期

关键词：

综合能源系统; 负荷预测; 耦合; 多能流负荷; RBF-NN模型; K-means聚类;

D O I：

暂无

中图分类号：

TM715 [电力系统规划]; TP183 [人工神经网络与计算];

学科分类号：

080802 [电力系统及其自动化]; 140502 [人工智能];

摘要：

准确的能源负荷预测对综合能源系统的经济调度和优化运行有着重要的影响。提出一种基于径向基函数神经网络(radial basis function neural network,RBF-NN)模型的综合能源系统电、气、热多元负荷短期预测方法。首先利用Copula理论对电、气、热负荷进行相关性分析,建立了电、气、热负荷和温度的时间序列;接着设计RBF-NN网络模型结构,采用Kmeans聚类算法对隐含层节点进行优化;最后通过国内某园区综合能源系统的实际数据对模型进行验证。通过3个案例结果的比较,验证了文中提出的方法可以有效地考虑电、气、热负荷之间的耦合关系,具有较高的预测精度。

引用

页码：23 / 27+34 +34

页数：6

共 10 条

[1]

Heating; cooling; and electrical load forecasting for a large-scale district energy system.[J].Kody M. Powell;Akshay Sriprasad;Wesley J. Cole;Thomas F. Edgar.Energy.2014,

[2]

Modeling and forecasting of cooling and electricity load demand.[J].A. Vaghefi;M.A. Jafari;Emmanuel Bisse;Y. Lu;J. Brouwer.Applied Energy.2014,

[3]

基于负荷细分的差异化用户基线负荷预测 [J].