一种基于时间序列的集成电力负荷预测方法研究

作者：李毅; 彭晋卿; 廖维; 邹斌; 曹静宇

来源：建筑科学, 2022, 38(10): 190-197.

DOI：10.13614/j.cnki.11-1962/tu.2022.10.23

• 集成算法
• 数据采集
• 特征提取
• 最小二乘法

准确的建筑能耗预测对建筑能源系统的智能高效运行起着至关重要的作用。为了更好挖掘海量数据中蕴含的有效信息，提高短期能耗预测精度，针对能耗数据时序性和非线性的特点，本研究基于湖南省某办公楼4年的能耗数据，提出了一种基于时间序列的集成模型用于电力负荷预测。该方法将季节性自回归综合移动平均（SARIMA）模型与长短期记忆网络（LSTM）模型相结合，综合考虑了能耗数据的时序性和非线性特点，利用最小二乘法动态计算每个模型的权重因子。此外，本研究将该方法与其他预测模型在预测精度和计算效率两方面进行对比，结果表明，该集成模型的均方根误差（RMSE）为12.065,拟合优度（R2）为97.45%,相比最优的单一模型（LSTM）预测误差降低了20.3%,显著提高了能耗预测的准确率。同时，本研究分别统计了模型在供暖季和供冷季的RMSE分布并进行预测精度对比，结果表明采用该混合模型在供暖季具有更优的预测性能。另外，在特征数据构建过程中，本研究采用混合比例为0.5的改进Boruta算法进行特征选择，不仅降低了阴影特征样本的复杂度，同时更高效地提取出与建筑能耗相关的特征集合。

• 单位
  湖南大学