基于神经网络和ARIMA模型的冷热电短期负荷预测

• 作者: 付春梅 吴奎华 孙伟 张晓磊 梁荣 王洪涛
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 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
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 52-58
• 页数: 7页
• 分类号: TM74
• 字数: 3483字
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000260

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴奎华	国网山东省电力公司经济技术研究院	21	70	5.0	7.0
2	张晓磊		6	12	3.0	3.0
3	孙伟		12	24	3.0	4.0
4	王洪涛	上海大学机电工程与自动化学院	17	29	3.0	4.0
8	梁荣	国网山东省电力公司经济技术研究院	7	31	3.0	5.0
9	付春梅		2	3	1.0	1.0