基于深度学习的电力消费预测

摘要建筑能源管理系统 (BEMS) 是集成的计算机化系统，跟踪和管理许多与建筑相关的机器和设备的能源使用，包括照明、电力系统和暖通空调系统。现代建筑必须配备 BEMS，以减少能源使用，同时保持舒适性。BEMS 不仅为节能而设计，还对提高能源供应质量至关重要，这有助于更好地理解能源的使用情况和建筑的能源消耗。当建筑能源使用的动态情况被了解时，可以确定哪些变化最可能减少消费。许多连接设备、操作模式、能源使用和环境因素都可以通过 BEMS 实时监控和控制。通过这种方式，改变操作时间和设定点以最大程度地提高舒适性和效率变得简单。在本文中，我们主要解决了模型优化和电力消耗预测的两个重大问题。未来的预测采用基于 LSTM 的时间序列方法进行。我们生成了医院设施所消耗电力的数据，并在实际数据上测试了我们建议的方法。所获得的结果表明，这些策略在两种数据类型上都有效。在实际数据上，可以准确预测电力消费的趋势。几种模型优化器也提高了建议方法的性能。我们的目标函数准确率达到 95%。