公开(公告)号：CN115481788B

公开(公告)日：2023-08-25

申请号：CN202211062224.6

申请日：2022-08-31

Applicant: 北京建筑大学

Inventor： 李壮举 ,  魏贞祥 ,  李壮辉 ,  史子棋 ,  陈石毓

IPC: H02J3/00 ,  G06Q50/06 ,  G06N3/126 ,  G06Q10/0631 ,  G06Q10/04 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种相变储能系统负荷预测方法及系统，属于相变储能系统运行控制技术领域，获取待预测时期的天气环境参数；利用预先训练好的负荷预测模型，对获取的待预测时期的天气环境参数进行处理，得到待预测时期的用电功率；其中，所述预先训练好的负荷预测模型的基础网络模型为卷积神经网络和长短时记忆神经网络的结合，且在所述长短时记忆神经网络中加入了遗传算法和自注意力机制。本发明提出了混合神经网络预测模型SA‑GA‑CNN‑LSTM，缩小了预测结果在极值点上的误差，提高了在负荷波动时的预测准确率；基于预测的负荷结果，可计算每日储能需量大小，服务于相变储能系统的规划设计，为相变储能系统的部署提供可靠的数据参考，有利于缓解供电压力。

公开(公告)号：CN115481788A

公开(公告)日：2022-12-16

申请号：CN202211062224.6

申请日：2022-08-31

Applicant: 北京建筑大学

Inventor： 李壮举 ,  魏贞祥 ,  李壮辉 ,  史子棋 ,  陈石毓

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/12 ,  H02J3/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种相变储能系统负荷预测方法及系统，属于相变储能系统运行控制技术领域，获取待预测时期的天气环境参数；利用预先训练好的负荷预测模型，对获取的待预测时期的天气环境参数进行处理，得到待预测时期的用电功率；其中，所述预先训练好的负荷预测模型的基础网络模型为卷积神经网络和长短时记忆神经网络的结合，且在所述长短时记忆神经网络中加入了遗传算法和自注意力机制。本发明提出了混合神经网络预测模型SA‑GA‑CNN‑LSTM，缩小了预测结果在极值点上的误差，提高了在负荷波动时的预测准确率；基于预测的负荷结果，可计算每日储能需量大小，服务于相变储能系统的规划设计，为相变储能系统的部署提供可靠的数据参考，有利于缓解供电压力。