基于CSO优化深度信念网络的园区能源需求预测方法

被引：25

作者：

吴伟杰 ^{[1
]}

吴杰康 ^{[2
]}

雷振 ^{[2
]}

郑敏嘉 ^{[1
]}

张伊宁 ^{[1
]}

李猛 ^{[1
]}

黄欣 ^{[1
]}

李逸欣 ^{[1
]}

机构：

[1] 广东电网有限责任公司电网规划研究中心

[2] 广东工业大学自动化学院

来源：

电网技术 | 2021年 / 45卷 / 10期

基金：

广东省科技计划;

关键词：

园区能源需求预测; 综合能源系统; 相似日分析; 改进灰色关联分析; 纵横交叉算法;

D O I：

暂无

中图分类号：

TK01 [能源];

学科分类号：

080707 [能源环境工程];

摘要：

针对目前能源需求预测影响因素繁多、构建模型复杂、预测精度不足的问题,提出了一种改进关联分析和纵横交叉优化深度信念网络的多能互补系统能源需求预测方法。首先,分析了园区多能互补系统冷热电能源需求的影响因素,并采用互信息和误差最小的方法对其进行确定。其次,基于传统灰色关联分析的不足,建立了距离相似度和趋势相似度的综合相似度的相似日选取方法。囿于深度信念网络初始权重的随机化,采用纵横交叉优化深度信念网络对园区冷热电负荷进行预测。以园区为仿真计算实例,分析冷热电负荷变化对能源需求预测的影响,验证了所提预测方法有效地提高了预测精度,具有较高的准确性和实用性。

引用

页码：3859 / 3868

页数：10

共 24 条

[1]

基于GRA-LSTM神经网络的区域综合能源系统多元负荷短期预测模型 [J].