文件名称：使用人工神经网络预测长期电力需求时间序列-研究论文
文件大小：1.78MB
文件格式：PDF
更新时间：2024-06-29 20:48:31
Forecasting; Electricity Load; Artificial
电力负荷的准确预测变得越来越重要。 我们提出了一种使用人工神经网络预测长期依赖天气的每小时电力负荷的方法。 使用 2006 年至 2015 年的历史数据训练具有 5 个隐藏层和每层 1,024 个隐藏节点的全连接密集人工神经网络。输入参数包括日历信息、年度峰值负荷和天气数据。 结果与欧洲输电系统运营商网络 (entso-e) 发布的当前中期充足率预测中使用的预测电力负荷的方法进行了对比。 对于 2016 年的验证，我们的方法显示平均绝对百分比误差为 2.8%，而 entso-e 使用的常用方法使用峰值负载缩放显示平均误差为 4.8%。 此外，我们对德国、瑞典、西班牙和法国进行了 2025 年情景预测并评估了参数变化。 我们的方法可以用于提高未来电力负荷的预测准确性。