基于Deep AR神经网络时间序列模型的电能消耗预测

作者：邱禧荷; 茹亚军; 陈斌; 郭韵^*

来源：江苏大学学报(自然科学版), 2022, 43(05): 599-603.

• 时间序列模型
• 电能消耗预测
• 长短期记忆网络
• Deep AR
• 概率分布

为实现对电能消耗进行准确预测，基于美国PJM公司数据集，采用基于深度自回归循环网络(deep autoregressive recurrent networks, Deep AR)时间序列模型，对Commonwealth Edison公司未来某12 h区间电能消耗进行预测.该模型基于长短期记忆网络(long short term memory network, LSTM)得到数据的分布参数，最后在高斯分布中进行采样，从而得到预测值.采用平均绝对误差(MAE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)作为预测短期电能消耗评价指标，并与差分整合移动平均自回归模型(autoregressive integrated moving average, ARIMA)算法模型和Prophet算法模型进行比较.结果表明：Deep AR算法模型的MAE、RMSE和MAPE分别为1 070.01、1 279.31和6.12%,预测准确率较高；该算法不仅能够预测未来一段时间的电能消耗，还能预测其概率分布，进一步刻画事件发生的全局性.

• 单位
  上海工程技术大学; 上海理工大学