一种考虑多元负荷耦合特性的综合能源系统负荷预测方法技术方案

本发明专利技术公开了一种考虑多元负荷耦合特性的综合能源系统负荷预测方法，具体包括以下步骤：1)综合能源系统历史数据预处理；2)多元负荷模态分解；3)建立多元负荷多任务学习预测模型；4)多元负荷预测误差补偿；本发明专利技术采用自适应局部迭代滤波分解方法对历史冷、热、电负荷时间序列进行分解，在此基础进行重构得到各个负荷的周期序列、波动序列与趋势序列，可以降低多元负荷时间序列的复杂度与非平稳性，在数据层面实现模型预测精度的提升。

【技术实现步骤摘要】
一种考虑多元负荷耦合特性的综合能源系统负荷预测方法
本专利技术涉及综合能源系统多元负荷预测领域，尤其涉及一种考虑多元负荷耦合特性的综合能源系统负荷预测方法，为综合能源系统多元负荷预测提供一种方法。
技术介绍
随着全球环境污染的日趋严重，可再生能源发电技术的迅速成熟，综合能源系统依靠具有能量梯级利用、可再生能源的高效消纳等优点，受到人们越来越多的关注。综合能源系统是指一定区域内利用先进的物理信息技术和创新管理模式，整合区域内煤炭、石油、天然气、电能、热能等多种能源，实现多种异质能源子系统之间的协调规划、优化运行，协同管理、交互响应和互补互济。在满足系统内多元化用能需求的同时，要有效地提升能源利用效率，促进能源可持续发展的新型一体化的能源系统。综合能源系统作为一种可以为能源用户同时提供多种类型能源服务的系统，是能源互联网的实际物理载体。但是由于纳入冷、热、电等多种能源使得能源系统的耦合性也增强；其次能源生产与消费快速市场化，综合能源系统对能源调度的实时性要求越来越高，这些都对综合能源系统多元负荷预测的准确性与可靠性提出了更高的要求，本文档来自技高网...

【技术保护点】
1.一种考虑多元负荷耦合特性的综合能源系统负荷预测方法，其特征在于：具体包括以下步骤：/n1)综合能源系统历史数据预处理/n首先对综合能源系统历史负荷数据及对应的历史气象数据、日期信息进行缺失值检验与填补，并对历史负荷与气象数据进行最大-最小规范化处理；其次使用皮尔逊相关系数选取对历史负荷影响较大的气象特征；最后在此基础上将历史冷、热、电负荷数据排成时间序列；/n2)多元负荷模态分解/n首先采用自适应局部迭代滤波分解ALIF方法分别对历史冷、热、电负荷时间序列进行分解，分别得到冷、热、电负荷具有不同频段的模态函数与剩余分量；在此基础上分别将多元负荷的模态函数根据样本熵值进行重构形成周期序列、波...

【技术特征摘要】
1.一种考虑多元负荷耦合特性的综合能源系统负荷预测方法，其特征在于：具体包括以下步骤：
1)综合能源系统历史数据预处理
首先对综合能源系统历史负荷数据及对应的历史气象数据、日期信息进行缺失值检验与填补，并对历史负荷与气象数据进行最大-最小规范化处理；其次使用皮尔逊相关系数选取对历史负荷影响较大的气象特征；最后在此基础上将历史冷、热、电负荷数据排成时间序列；
2)多元负荷模态分解
首先采用自适应局部迭代滤波分解ALIF方法分别对历史冷、热、电负荷时间序列进行分解，分别得到冷、热、电负荷具有不同频段的模态函数与剩余分量；在此基础上分别将多元负荷的模态函数根据样本熵值进行重构形成周期序列、波动序列与趋势序列；
3)建立多元负荷多任务学习预测模型
首先将多元负荷周期序列、波动序列以及趋势序列与对应历史气象数据以及日期信息组合以此划分为训练集与测试集用于模型训练与测试，然后分别使用长短期记忆网络LSTM模型对训练集进行多任务学习训练，实现冷、热、电负荷、气象及日期之间耦合信息的共享，分别得到各个序列的预测模型；接着将同种负荷各个序列预测模型的预测结果进行求和重构，分别得到冷、热、电负荷的初始负荷预测结果；最后使用综合能源系统实际历史负荷序列与初始负荷预测结果构造多元负荷预测误差序列；
4)多元负荷预测误差补偿
首先使用门控循环单元网络GRU算法对冷、热、电负荷预测误差序列进行多任务学习的训练，建立误差预测模型进行误差预测；其次分别将多元负荷初始负荷预测结果与误差预测结果求和重构，得到多元负荷最终的预测结果，最后对多元负荷最终的预测结果进行反归一化即得到实际预测结果。


2.根据权利要求1所述的一种考虑多元负荷耦合特性的综合能源系统负荷预测方法，其特征在于：所述步骤1)中综合能源系统历史数据预处理步骤为：
1.1)首先获取综合能源系统的历史冷、热、电负荷数据、历史气象数据与日期信息，其中气象数据包括温度值、湿度值、风速，辐照度、降水情况，日期信息使用1,2,3…7代表星期一至星期日以区分工作日与非工作日，对以上历史负荷数据及对应的历史气象数据进行缺失值检验与填补，并利用最大-最小规范化处理对历史负荷数据与历史气象数据进行处理，具体如下式所示：



式中，x'为特征规范化后的值；x为特征原始值；xMIN为原始特征最小值；xMAX为原始特征最大值；
1.2)对步骤1.1)中经过规范化处理之后的数据进行气象特征筛选，为充分考虑气象因素对历史冷、热、电负荷的影响，采用皮尔逊相关系数分析历史气象数据与多元负荷之间的相关性，筛选出对综合能源系统负荷影响较大的气象特征，分别计算冷、热、电负荷与各个气象特征之间的相关性，分别将每个气象特征与三种负荷的相关性求和得到该气象特征总相关性值，根据气象特征总相关性值完成气象特征的筛选；
1.3)将步骤1.1)中经过数据预处理的历史冷、热、电负荷数据按采样时间排成时间序列，得到历史冷、热、电负荷时间序列，其中：
历史冷负荷时间序列为Pcold＝[Pcold(1),Pcold(2),...,Pcold(n)]，
历史热负荷时间序列Pheat＝[Pheat(1),Pheat(2),...,Pheat(n)]，
历史电负荷时间序列为Pelect＝[Pelect(1),Pelect(2),...,Pelect(n)]，
其中n为一个负荷时间序列所包含的数据个数。


3.根据权利要求1所述的一种考虑多元负荷耦合特性的综合能源系统负荷预测方法，其特征在于：所述步骤2)中，综合能源系统多元负荷模态分解的步骤为：
2.1)对步骤1)中的历史冷、热、电负荷时间序列采用自适应局部迭代滤波分解(ALIF)方法进行分解，分别得到冷、热、电负荷具有不同频段的模态函数与剩余分量；其中自适应局部迭代滤波分解又可以分为内循环过程与外循环过程，同时为了实现自适应局部迭代滤波，选取根据不同滤波区间上Fokker-Planck方程的基础解系构造具有自适应功能的滤波函数；
2.2)对步骤2.1)中的多元负荷各个模态函数计算样本熵值，将各种负荷样本熵值相近的模态函数进行重构得到新的序列，形成各种负荷的周期序列、波动序列与...

【专利技术属性】
技术研发人员：欧阳静，杨吕，潘国兵，陈金鑫，刘鑫，陈星星，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33