基于深度学习的能源系统需求响应短期负荷预测

作者：黄远明; 黄志生; 周睿; 向德军

来源：电子设计工程, 2021, 29(10): 96-110.

DOI：10.14022/j.issn1674-6236.2021.10.021

• 深度学习
• 神经网络
• 能源系统
• 需求响应
• 短期负荷
• 预期收益

为提升能源系统短期负荷预测精度,解决需求响应给能源系统带来的全新挑战,提出基于深度学习的能源系统需求响应短期负荷预测方法。构建栈式自编码神经网络SAE-NN深度学习模型,考虑能源系统的需求响应,并对其数据进行调整,得到用户预期收益和舒适度是影响短期负荷变化的两项重要因素。在构建的SAE-NN深度学习模型中进行样本训练,提取深层特征。利用逻辑回归(LR)模型预测能源系统的短期负荷,提升模型预测精度。仿真结果表明,所提方法的短期负荷预测结果与实际负荷基本一致,测得的相对误差为0.61%,平均绝对误差为1.88%,均方根误差为0.523,希尔不等系数为0.009,均低于对比方法,短期负荷预测精度高,预测效果好。