文献类型：期刊文章

作　　者：梁荣[1] 王洪涛[2,3] 吴奎华[1] 孙伟[4] 付春梅[5] 张晓磊[4]

LIANG Rong;WANG Hongtao;WU Kuihua;SUN Wei;FU Chunmei;ZHANG Xiaolei(Economic and Technological Research Institute,State Grid Shandong Electric Power Company,Jinan 250021,China;School of Mechatronic Engineering and Automation,Shanghai University,Shanghai 200072,China;School of Information and Mechanical&Electrical Engineering,Ningde Normal University,Ningde 352100,China;State Grid Shandong Electric Power Company,Jinan 250021,China;State Grid Jinan Power Supply Company,Jinan 250012,China)

机构地区：[1]国网山东省电力公司经济技术研究院,济南250021 [2]上海大学机电工程与自动化学院,上海200072 [3]宁德师范学院信息与机电工程学院,宁德352100 [4]国网山东省电力公司,济南250021 [5]国网济南供电公司,济南250012

出　　处：《电力系统及其自动化学报》

基　　金：福建省自然科学基金资助项目(2019J01845);宁德师范学院科研创新团队基金资助项目(2018T05);宁德师范学院重大培育资助项目(2018ZDK04);宁德师范学院科研发展基金资助项目(2016FZ11)。

年　　份：2020

卷　　号：32

期　　号：3

起止页码：52-58

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：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。

关 键 词：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

分 类 号：TM[电气类]