用于综合能源系统短期多能源需求预测的深度卷积神经网络
机器学习
2025-03-11 v2 计算工程、金融与科学
摘要
预测综合电力、热力或燃气网络系统的功率消耗对于更高效地运行整个能源网络至关重要。多能源系统越来越被视为未来能源系统的关键组成部分和宝贵的灵活性来源，可显著促进更清洁、更可持续的整体能源系统。因此，迫切需要开发新颖且性能良好的模型来预测综合能源系统的多能源需求，这些模型需考虑不同类型相互作用的能源载体及其之间的耦合。以往的需求预测工作主要集中在单一电力消耗，或最近集中在单一热力或燃气消耗。为填补这一空白，本文开发了六种基于卷积神经网络（CNN）的新型预测模型，用于多能源功率消耗的单独或联合预测：确定最优epoch数的单输入/单输出CNN模型（CNN_1）、多输入/单输出CNN模型（CNN_2）、使用训练/验证/测试数据集的单输入/单输出CNN模型（CNN_3）、联合预测CNN模型（CNN_4）、多建筑输入/输出CNN模型（CNN_5）和联邦学习CNN模型（CNN_6）。所有六种新型CNN模型全面应用于一个最近才开始用于预测的新型综合电力、热力和燃气网络系统。预测时域为短期（未来半小时），所有预测结果均以信噪比（SNR）和归一化均方根误差（NRMSE）进行评估，同时使用平均绝对百分比误差（MAPE）与文献中其他现有结果进行比较。
引用
@article{arxiv.2312.15497,
title = {Deep Convolutional Neural Networks for Short-Term Multi-Energy Demand Prediction of Integrated Energy Systems},
author = {Corneliu Arsene and Alessandra Parisio},
journal= {arXiv preprint arXiv:2312.15497},
year = {2025}
}
备注
29 pages, 40 figures