負荷預測是發(fā)電裝機規(guī)模選擇的重要工具，中科院工程熱物理研究所儲能研發(fā)中心近期在該科研方向上取得進展。儲能研發(fā)中心將神經網絡算法應用于辦公樓宇負荷的短期預測，并結合辦公樓宇負荷的實際特殊性建立預測模型；根據實際的和預測的負荷數(shù)據，儲能系統(tǒng)裝機規(guī)模計算模型得到樓宇分布式能源系統(tǒng)中的儲能系統(tǒng)裝機容量。
儲能研發(fā)中心以該研究所綜合樓用電負荷數(shù)據作為研究對象，通過上述兩模型的計算結果表明，辦公樓宇負荷短期預測模型具有很好的預測精度（平均相對誤差為-0.7%，相對誤差的均方根誤差為2.79%），基于實際的和預測的樓宇負荷數(shù)據的儲能系統(tǒng)在功率等級和容量的相對誤差很?。ǚ謩e為3.69%和2.33%）。同時科研人員發(fā)現(xiàn)，辦公樓宇負荷具有波動性，引入儲能系統(tǒng)可以有效地平滑負荷。這一系列研究結果對于樓宇分布式能源系統(tǒng)的發(fā)電裝機規(guī)模安排以及儲能系統(tǒng)的配備具有重要借鑒意義。
傳統(tǒng)的負荷預測更多針對區(qū)域性的電網，而忽略了節(jié)能潛力巨大、占總用能達24%的全球樓宇用能。儲能研發(fā)中心打破常規(guī)，科研成果著重關注分布式能源系統(tǒng)特別是樓宇分布式能源系統(tǒng)，將為節(jié)能減排提供重要技術支撐。
該項目得到了國家自然科學基金委（50906079）以及北京自然科學基金委（3122033）的支持，相關科研成果在“2012 IEEE 6th International Conference on Information and Automation for Sustainability ”大會上發(fā)布。
