蓄能空调需求响应时段负荷和储释能时长预测

• 作者: 任效效 孟庆龙 李洋 熊成燕 奚源
• 来源期刊: 建筑节能（中英文）
• 关键词: 空调 需求响应 TRNSYS 神经网络 主动储能 支持向量回归
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 智慧运维
• 页码范围: 95-104
• 页数: 10页
• 分类号: TU831.3
• 语种: 中文
• DOI: 10.3969/j.issn.2096-9422.2021.09.015

摘要

空调参与需求响应能够提高电力系统的稳定性.考虑主动储能的需求响应是通过准确预测蓄能罐的储能、释能时长以及系统的运行负荷来保障策略的合理性和高效性.为此,搭建TRNSYS仿真实验平台获取数据,采用相关性分析和主成分分析,选择输入变量并对其降维,比较5种机器学习算法(BP神经网络、RBF神经网络、广义回归神经网络、Elman神经网络和支持向量回归)对空调系统未来1 h和24 h的静态负荷预测.选择Elman神经网络预测蓄能罐的储、释能时长并利用改进的粒子群优化算法进一步优化,对未来1 h和24 h负荷进行滚动预测.结果表明:相关性分析+主成分分析能提高模型的预测精度,Elman神经网络预测精度最高,利用改进的粒子群算法优化后,该模型对未来1 h和24 h负荷预测的拟合优度R2值分别从0.790和0.972提高到0.845和0.975;利用Elman神经网络预测储、释能时长R2值分别为0.993和0.984.