基于LASSO和PSO-LSTM的综合能源系统负荷预测

• 作者: 黄文静 戚建国
• 来源期刊: 科技与创新
• 关键词: 综合能源 负荷预测 LSTM神经网络 LASSO
• 年，卷（期）: 2024,（23）
• 所属期刊栏目: 前沿·视点
• 页码范围: 19-21
• 页数: 3页
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2023.23.004

摘要

为有效统筹与调度综合能源系统资源，合理规划综合能源系统多元负荷，构建了一种基于LASSO(Least Absolute Shrinkage and Selection Operator，压缩估计)算法和PSO(Particle Swarm Optimizer，粒子群算法)优化LSTM(Long and Short Term Memory，长短时记忆神经网络)的综合能源系统负荷预测新模型。针对综合能源系统气象因素导致数据复杂程度增大，首先研究了基于LASSO的大数据分析及选择的算法，对气象因素进行选择和分析，获得有效数据集；然后引入PSO算法优化LSTM神经网络，帮助LSTM神经网络参数寻优；最后利用PSO-LSTM神经网络进行负荷预测。通过对北方某园区区域综合能源系统进行负荷预测，验证了该模型的可行性，保障了区域综合能源系统优化运行。