典型文献
基于改进递归网络的智慧楼宇负荷预测方法
文献摘要：
针对智慧楼宇负荷类型复杂且多变导致的负荷预测精度低等问题,提出了一种基于改进递归网络的智慧楼宇负荷预测方法.该方法在深度神经网络多隐层结构的基础上增设了关联层,使深度递归神经网络(DRNN)模型具有动态特性,并利用改进粒子群优化算法对模型权值空间进行优化,进而实现楼宇负荷的准确预测.基于不同类型楼宇的实验结果表明,所提方法的预测误差约在±0.3 MW的范围内波动,其均方根差与平均绝对百分比误差分别为0.27 MW和1.05％,且预测误差均小于其他对比方法.
文献关键词：
改进粒子群优化算法;深度递归神经网络;智慧楼宇;负荷预测;关联层;均方根差;平均绝对百分比误差;预测误差
中图分类号：
作者姓名：
肖荣洋;黄雁
作者机构：
同济大学 电子与信息工程学院,上海200331;国网福建省电力有限公司 龙岩供电公司,福建 龙岩364000
文献出处：
引用格式：
[1]肖荣洋;黄雁-.基于改进递归网络的智慧楼宇负荷预测方法)[J].沈阳工业大学学报,2022(02):121-126
A类：
DRNN
B类：
递归网络,智慧楼宇,负荷预测方法,负荷类型,深度神经网络,关联层,深度递归神经网络,动态特性,改进粒子群优化算法,权值,现楼,准确预测,预测误差,MW,内波,均方根差,平均绝对百分比误差,比方
AB值：
0.238847
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
