基于GA改进LSTM-BP神经网络的智慧楼宇用能行为预测方法

作者：江世雄; 黄鸿标; 陈苏芳; 肖荣洋

来源：沈阳工业大学学报, 2022, 44(04): 366-371.

• 智慧楼宇
• 用能行为预测
• LSTM-BP神经网络
• 遗传算法
• K-means聚类算法
• TensorFlow深度学习框架
• 多源异构数据

针对大部分预测方法难以适用于多源异构数据的处理，且存在能源类型考虑不全面等问题，提出了基于GA改进LSTM-BP神经网络的智慧楼宇用能行为预测方法.该方法通过K-means聚类算法分析用能行为并减少用能数据规模，利用遗传算法优化长短时记忆网络(LSTM)结合反向传播神经网络(BP)的预测模型，实现对智慧楼宇的能耗预测.基于TensorFlow深度学习框架进行实验分析，结果表明所提方法在12 h及120 h内预测结果的MAE值分别为1.79 J和2.11 J,预测效果稳定并优于其他对比方法，故具有一定的应用前景.

• 单位
  武汉大学; 国网福建省电力有限公司龙岩供电公司