二维码
中国土木工程学会燃气分会会刊
首页>论文搜索

论文预览

深度学习方法在能源负荷预测的应用

论文作者徐鹏1、2，张飞龙1、2，杜景勃1、2杂志期数2023年4月刊
关键词能源负荷预测；机器学习；深度学习；预测精度
作者单位（1.北京建筑大学供热、供燃气、通风及空调工程北京市重点实验室，北京100044；2.北京建筑大学燃气研究中心，北京100044）
通过对6种常用的深度学习网络（循环神经网络、长短期记忆网络、门控循环单元网络、卷积神经网络、深度置信网络、生成式对抗网络）的解析，阐述深度学习的理论思想，综述深度学习方法在能源负荷预测领域的应用。深度学习在处理海量数据方面有更强的学习、提取特征的能力，有助于提高预测精度。研究文献及实例对比的结果都显示深度学习模型（LSTM模型）的性能要优于浅层机器学习模型（BP模型）以及传统统计模型（ARIMA模型）。以深度学习算法为基础的组合模型，是目前能源负荷预测领域的重点。通过将其他模型或者优化算法（PSO、EMD、GA算法等）与深度学习模型相结合，能够使得预测精度得到显著提高。实例对比中所使用的PSO-LSTM模型的预测精度高于LSTM模型，证明了组合模型能够有更高的精度。
下载论文论文免费注册会员后免费下载