基于神经网络和ARIMA模型的冷热电短期负荷预测

作者：梁荣; 王洪涛^*; 吴奎华; 孙伟; 付春梅; 张晓磊

来源：电力系统及其自动化学报, 2020, 32(03): 52-58.

DOI：10.19635/j.cnki.csu-epsa.000260

• 冷热电联供
• 负荷预测
• Elman神经网络
• 自回归求和滑动平均模型
• 小波神经网络

冷热电负荷预测对终端供能系统的规划设计有重要意义,针对冷热电负荷预测方法中存在的变量多、时间开销大等问题,以5种典型建筑的冷热电负荷历史数据为基础,将Elman神经网络、自回归求和滑动平均ARIMA(autoregressive integrated moving average)模型和小波神经网络用于冷热电短期负荷预测。仿真结果表明:在冬夏典型日的冷热电负荷预测中,小波神经网络的最大平均绝对百分比误差为2.1%,计算速度适中,是较为合适的冷热电负荷预测方法;ARIMA模型的最大平均绝对百分比误差为4.1%,计算速度慢,但调试和确定参数的难度不大;Elman神经网络的最大平均绝对百分比误差为7.4%,但计算速度最快,网络参数少且调节简捷,适用于对预测精度的要求不太高,但需快速响应的场合。

• 单位
  上海大学; 自动化学院; 国网山东省电力公司; 宁德师范学院; 机电工程学院; 国网山东省电力公司经济技术研究院