建筑分布式能源系统负荷预测模型研究

作     者：邓威威 

作者单位：北京建筑大学 

学位级别：硕士

导师姓名：王晓辉

授予年度：2022年

学科分类：080702[工学-热能工程] 08[工学] 0807[工学-动力工程及工程热物理] 0813[工学-建筑学] 

主      题：建筑能耗 负荷预测 LSTM 粒子群算法 Informer 多尺度残差网络 

摘      要：随着中国城镇化进程的不断加快,建筑能耗也不断增长。为了减少建筑能耗,建筑用能需要得到高效利用,这就需要对建筑负荷进行精准预测,即对规划阶段和运行阶段的负荷进行准确预测。建筑规划阶段负荷的准确预测是附近能源站和能源系统规划和建造的基础,建筑运行阶段负荷的准确预测是负荷运行优化的基础。与集中式供能系统相比,分布式能源系统更加靠近用户侧,对分布式能源系统进行负荷预测有利于对运行阶段的负荷进行能源管理,使能源得到最大化利用,以达到节能减排,有助于实现“双碳的目标。为了对建筑负荷进行合理并且精确的预测,本文首先将对建筑负荷的研究分为两个方面,一种是对建筑规划阶段的负荷进行预测,另外一种是对建筑运行阶段的负荷进行预测。其次,对于建筑规划阶段的负荷预测,本文使用Energy Plus构造办公建筑模型,并生成批量办公建筑模型。对办公建筑模型提取其参数和模拟结果,并对模拟结果进行不确定性分析,查看模拟结果的频率分布以及其分布特征。对模拟结果和参数进行相关性分析,并从分析中得到对建筑负荷影响较大的参数包括窗墙比、层高和传热系数等。再次,对规划阶段的数据使用改进粒子群优化的长短期记忆（IPSO-LSTM）模型进行预测,并与LSTM、反向传播（BP）进行对比,从对比结果可以看出本文提出模型的误差最小。并使用不同层数的建筑负荷进行验证,从预测结果也能得出本文提出模型的误差最小,说明了本文所提模型中超参数在同类型负荷预测中的通用性。最后,本文提出使用多尺度残差网络优化的Informer（MSRN-Informer）模型对建筑运行阶段的负荷进行预测。在Informer算法中加入多尺度结构,可以避免由于加深网络带来的大量资源浪费和过度拟合问题,同时也可以提取更多的数据特征,加入残差网络可以避免梯度爆炸或梯度消失的问题。在公共数据集对不同的预测方法进行对比,得出本文提出的模型在不同数据集上都提升了预测准确度,误差明显小于其他方法。使用北京某区的实际用电负荷进行测试,从结果可以看出,对于短期负荷预测,本文的预测模型误差较小,对于中长期负荷预测,本文能大致预测负荷的趋势,说明本文提出的负荷预测模型可以应用到现实生活中。