基于改进递归网络的智慧楼宇负荷预测方法

• 作者: 肖荣洋 黄雁
• 来源期刊: 沈阳工业大学学报
• 学科: 工学
• 关键词: 改进粒子群优化算法 深度递归神经网络 智慧楼宇 负荷预测 关联层 均方根差 平均绝对百分比误差 预测误差
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 电气工程|Electrical Engineering
• 页码范围: 121-126
• 页数: 6页
• 分类号: TM715
• 语种: 中文
• DOI: 10.7688/j.issn.1000-1646.2022.02.01

摘要

针对智慧楼宇负荷类型复杂且多变导致的负荷预测精度低等问题,提出了一种基于改进递归网络的智慧楼宇负荷预测方法.该方法在深度神经网络多隐层结构的基础上增设了关联层,使深度递归神经网络(DRNN)模型具有动态特性,并利用改进粒子群优化算法对模型权值空间进行优化,进而实现楼宇负荷的准确预测.基于不同类型楼宇的实验结果表明,所提方法的预测误差约在±0.3 MW的范围内波动,其均方根差与平均绝对百分比误差分别为0.27 MW和1.05％,且预测误差均小于其他对比方法.