文献类型：期刊文章

作　　者：江世雄[1,2] 黄鸿标[2] 陈苏芳[2] 肖荣洋[2]

JIANG Shi-xiong;HUANG Hong-biao;CHEN Su-fang;XIAO Rong-yang(School of Power and Machinery,Wuhan University,Wuhan 430072,China;Longyan Power Supply Company,State Grid Fujian Electric Power Co.Ltd.,Longyan 364000,China)

机构地区：[1]武汉大学动力与机械学院,武汉430072 [2]国网福建省电力有限公司龙岩供电公司,福建龙岩364000

出　　处：《沈阳工业大学学报》

基　　金：湖北省自然科学基金项目(2021FFA128);国网福建省电力有限公司龙岩供电公司项目(SGFJLY00YJJS2100564).

年　　份：2022

卷　　号：44

期　　号：4

起止页码：366-371

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对大部分预测方法难以适用于多源异构数据的处理,且存在能源类型考虑不全面等问题,提出了基于GA改进LSTM-BP神经网络的智慧楼宇用能行为预测方法.该方法通过K-means聚类算法分析用能行为并减少用能数据规模,利用遗传算法优化长短时记忆网络(LSTM)结合反向传播神经网络(BP)的预测模型,实现对智慧楼宇的能耗预测.基于TensorFlow深度学习框架进行实验分析,结果表明所提方法在12 h及120 h内预测结果的MAE值分别为1.79 J和2.11 J,预测效果稳定并优于其他对比方法,故具有一定的应用前景.

关 键 词：智慧楼宇  用能行为预测  LSTM-BP神经网络  遗传算法  K-MEANS聚类算法 TensorFlow深度学习框架  多源异构数据  

分 类 号：TM714]