基于长短期记忆神经网络的综合能源系统多元负荷预测方法技术方案

本发明专利技术公开一种基于长短期记忆神经网络的综合能源系统多元负荷预测方法，包括以下步骤：(1)获取源荷时空序列数据的特征因子集；(2)采用互信息理论选取输入变量；(3)对上述输入变量建立预测模型，比较预测误差大小，确定最优的输入变量；(4)在选取最优输入变量集合的基础上，建立基于长短期记忆神经网络(LSTM)的综合能源系统多元负荷预测模型。本发明专利技术基于源荷时空序列数据的特征因子集，结合多特征因子有效性分析结果，研究利用长短期记忆神经网络模型，实现区域综合能源系统源荷数据日前预测；该方法有利于综合能源系统中的经济调度和优化运行，进一步减轻环境压力，提高能源利用效率。

【技术实现步骤摘要】
基于长短期记忆神经网络的综合能源系统多元负荷预测方法
本专利技术属于电力系统
，具体涉及一种基于长短期记忆神经网络的综合能源系统多元负荷预测方法。
技术介绍
21世纪以来，我国经济飞速发展，同时能源行业也发生了日新月异的变化。传统化石能源过度开采以至于面临着日益枯竭的风险，可再生能源的兴起发展，环境污染问题的日渐尖锐，因此提高对多种类型能源的综合利用效率、降低污染物的排放已成为我国构建清洁、低碳、安全、高效的现代能源体系所需要解决的关键问题。传统的能源系统中，电力系统、热力系统以及天然气系统单独规划，单独设计，独立运行，这割裂了不同类型能源之间的耦合，也在很大程度上限制了能源系统运行的灵活性。综合能源系统(energysystemsintegration，ESI)作为新一代能源系统的重要组成，涵盖了供电、供热、供气及电气化交通等能源系统，集成了多种形式的供能、能量转换和储能设备，在源、网、荷等不同环节实现了不同类型能源的耦合。综合能源系统实现了多种能源子系统的统筹管理和协调规划，明晰各种能源之间的互补性以及它的可替代性提高了能源开本文档来自技高网...

【技术保护点】
1.一种基于长短期记忆神经网络的综合能源系统多元负荷预测方法，其特征在于，包括以下步骤：/n(1)获取源荷时空序列数据的特征因子集；/n(2)采用互信息理论选取输入变量；/n(3)设置初始特征集合为空集，对排序的输入变量集合通过前向搜索策略逐个添加变量至已选特征集合并建立预测模型，通过比较预测误差大小，确定最优的输入变量；/n(4)在选取最优输入变量集合的基础上，建立基于长短期记忆神经网络的综合能源系统多元负荷预测模型。/n

【技术特征摘要】
1.一种基于长短期记忆神经网络的综合能源系统多元负荷预测方法，其特征在于，包括以下步骤：
(1)获取源荷时空序列数据的特征因子集；
(2)采用互信息理论选取输入变量；
(3)设置初始特征集合为空集，对排序的输入变量集合通过前向搜索策略逐个添加变量至已选特征集合并建立预测模型，通过比较预测误差大小，确定最优的输入变量；
(4)在选取最优输入变量集合的基础上，建立基于长短期记忆神经网络的综合能源系统多元负荷预测模型。


2.根据权利要求1所述的一种基于长短期记忆神经网络的综合能源系统多元负荷预测方法，其特征在于，所述步骤(1)包括以下步骤：
(11)获取负荷数据；
(12)对步骤(11)的负荷数据进行预处理，补充缺漏的数据，剔除异常数据，得到特征因子集。


3.根据权利要求1所述的一种基于长短期记忆神经网络的综合能源系统多元负荷预测方法，其特征在于，所述步骤(2)包括以下步骤：
(21)计算待预测时刻前1时刻至前168个时刻负荷与待预测时刻的互信息值：
(22)随机变量X、Y间的互信息I(X,Y)可以定义为：



式中，p(x,y)是X和Y的联合概率分布函数，p(x)和p(y)分别是X和Y的边缘概率分布函数；
(23)根据步骤(21)得...

【专利技术属性】
技术研发人员：张勇，朱旭，李晨，陈丽娟，周济，王大海，马斌，王鑫明，杨立波，时珉，
申请(专利权)人：国网河北省电力有限公司，东南大学，国家电网有限公司，
类型：发明
国别省市：河北;13