基于GA改进LSTM-BP神经网络的智慧楼宇用能行为预测方法 |
| |
引用本文: | 江世雄,黄鸿标,陈苏芳,肖荣洋.基于GA改进LSTM-BP神经网络的智慧楼宇用能行为预测方法[J].沈阳工业大学学报,2022(4):366-371. |
| |
作者姓名: | 江世雄 黄鸿标 陈苏芳 肖荣洋 |
| |
作者单位: | 1. 武汉大学动力与机械学院;2. 国网福建省电力有限公司龙岩供电公司 |
| |
基金项目: | 湖北省自然科学基金项目(2021FFA128); |
| |
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 |
|
|