基于改进DaNN的综合能源系统多能负荷预测

基于改进DaNN的综合能源系统多能负荷预测
随着能源革命的推进及双碳目标的提出，综合能源系统越发受到广大研究者的重视，对综合能源系统进行高效的规划和控制离不开精准的多能负荷预测。基于上述需求，引入迁移学习理论，提出一种改进领域自适应神经网络（DaNN）负荷预测模型对综合能源系统中的冷、热、电负荷进行统一建模与预测。首先，通过历史数据分别构筑冷、热、电负荷特征图，随后输入改进DaNN的参数共享卷积层和全连接层；其次，基于冷、热、电负荷联合预测的特点改进传统神经网络的损失函数，加入最大均值差异指标，并优化训练模型；最后，通过3个各自独立的全连接层分别输出冷、热、电负荷的预测值。通过采用实际算例验证并与基准模型对比可知，所提改进DaNN模型能够有效提高综合能源多能负荷预测精度。

标题：
基于改进DaNN的综合能源系统多能负荷预测
Multiple energy load forecasting of integrated energy system based on improved DaNN

作者：
何桂雄，金璐，李克成，何伟，闫华光
HE Guixiong, JIN Lu, LI Kecheng, HE Wei, YAN Huaguang

关键词：
综合能源系统;负荷预测;迁移学习;卷积神经网络(CNN);领域自适应神经网络(DaNN);多能耦合
integrated energy system;load forecasting;transfer learning;convolutional neural network (CNN);domain adaptive neural network (DaNN);multiple energy coupling

2025-1-23 19:51 上传 基于改进DaNN的综合能源系统多能负荷预测.pdf

文件大小:

1.95 MB

下载次数:

60

高速下载