基于径向基函数神经网络的综合能源系统多元负荷短期预测

翟晶晶; 吴晓蓓; 王力立

doi:10.3969/j.issn.1009-1831.2019.04.007

欢迎来到能源电力期刊网！

您当前的位置：

首页 >

文章列表页 >

基于径向基函数神经网络的综合能源系统多元负荷短期预测

研究与探讨 | 更新时间：2026-03-05

- 基于径向基函数神经网络的综合能源系统多元负荷短期预测
- Multiple short⁃term load forecasting in integrated energy system based on RBF⁃NN model
- 电力需求侧管理 2019年21卷第4期
- 作者机构：
  
  1. 南京理工大学自动化学院,南京,210094
  2. 南京工程学院电力工程学院,南京,211167
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目（51607036）
- DOI：10.3969/j.issn.1009-1831.2019.04.007
  中图分类号：
- 纸质出版：2019
- 稿件说明：
移动端阅览
翟晶晶, 吴晓蓓, 王力立. 基于径向基函数神经网络的综合能源系统多元负荷短期预测[J]. 电力需求侧管理, 2019,21(4).

翟晶晶, 吴晓蓓, 王力立. Multiple short⁃term load forecasting in integrated energy system based on RBF⁃NN model[J]. 2019, 21(4).
翟晶晶, 吴晓蓓, 王力立. 基于径向基函数神经网络的综合能源系统多元负荷短期预测[J]. 电力需求侧管理, 2019,21(4). DOI： 10.3969/j.issn.1009-1831.2019.04.007.

翟晶晶, 吴晓蓓, 王力立. Multiple short⁃term load forecasting in integrated energy system based on RBF⁃NN model[J]. 2019, 21(4). DOI： 10.3969/j.issn.1009-1831.2019.04.007.

摘要

准确的能源负荷预测对综合能源系统的经济调度和优化运行有着重要的影响。提出一种基于径向基函数神经网络（radial basis function neural network，RBF-NN）模型的综合能源系统电、气、热多元负荷短期预测方法。首先利用Copula理论对电、气、热负荷进行相关性分析，建立了电、气、热负荷和温度的时间序列；接着设计RBF-NN网络模型结构，采用K-means聚类算法对隐含层节点进行优化；最后通过国内某园区综合能源系统的实际数据对模型进行验证。通过3个案例结果的比较，验证了文中提出的方法可以有效地考虑电、气、热负荷之间的耦合关系，具有较高的预测精度。

Abstract

Accurate energy load prediction has a considerable impact on the economic scheduling and optimal operation of integrated energy system. Radial basis function neural network（RBF-NN）model is introduced to predict the short term electric

gas and heating loads of integrated energy system. Firstly

the Copula theory is used to analyze the correlation of electric

gas and heating loads

and the time series model of electric

gas

heating loads and temperature is established. Then

the structure of RBF-NN network is designed and K-means clustering algorithm is adopted to optimize the hidden layer nodes. Finally

the proposed model is verified by the practical data of an integrated energy system in a park in China.Through the comparison of three cases

it is verified that the method proposed in this paper can effectively consider the coupling relationship among electric

gas and heating loads

and improve the prediction accuracy.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种支撑设备动态聚合的虚拟电厂系统设计与实现

考虑热-电-气-氢-碳耦合与源荷响应的综合能源系统优化调度

基于SEResNet-BiLSTM网络的综合能源负荷预测方法

基于负荷分解与辨识的短期电力负荷预测

考虑差异化需求响应不确定性的综合能源系统低碳经济优化调度