基于LSTM的高校建筑电力负荷预测方法

摘要：

提出一种基于长短时记忆网络(LSTM)的预测模型,以提高高校电力负荷预测的准确率.以某高校的电力负荷数据为研究对象,分析不同超参数的影响,确定最优的预测模型,并与常用的基于支持向量机(SVM)的负荷预测模型进行负荷预测对比.结果 表明,本文提出的负荷预测模型平均绝对百分误差(MAPE)为:办公楼6.67％、科研楼4.32％、教学楼5.98％和宿舍4.57％,每类建筑均比基于SVM预测模型的MAPE低1.5％左右.

关键词：高校建筑;负荷预测;负荷特征;负荷曲线;长短时记忆网络;支持向量机;平均绝对百分误差;实验对比

所属期刊栏目：40

分类号：TU852(房屋建筑设备)

在线出版日期：2022-01-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：58-63