热能动力工程

作者：刘倩颖,阮应君,时翔,李铮伟

单位：同济大学 机械与能源工程学院,,同济大学 机械与能源工程学院,,国网山东省电力公司青岛供电公司,,同济大学 机械与能源工程学院,

关键词：能源;聚类分析;神经网络;预测;相对误差;均方根误差;平均绝对百分误差

基金：国家重点研发计划项目“可再生能源绿色建筑领域应用效果研究”（2016YFC0700104）

基于青岛某办公建筑2015年全年逐时总用电能耗及空调用电能耗数据，利用kmeans聚类算法对其进行聚类，将全年能耗水平分为四大类。利用求平均值法得到每一类典型设备使用率曲线。将典型曲线的数据、日前两周数据以及气象数据一同作为BP神经网络的输入，预测未来24小时的建筑总用电和空调用电，该方法比单用日前两周数据及气象数据进行负荷预测能获得更低的相对误差、均方根误差、平均绝对百分误差。 BP负荷预测相对误差在5%以内，而kmeans-BP负荷预测算法控制在±2.5%以内；BP预测得到的均方根误差和平均绝对百分误差范围分别在4.6~9.0之间、2.3%~4.4%之间，kmeans-BP将该误差缩小到3.1、2.0%以内，对于负荷预测精度要求上是阶跃性的突破。

来源：2018年第3期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2018年第3期