【技术实现步骤摘要】
基于多任务学习策略和深度学习的综合能源负荷预测方法
[0001]本专利技术属于信综合能源
，涉及综合能源负荷预测方法，尤其是一种基于多任务学习策略和深度学习的综合能源负荷预测方法。
技术介绍
[0002]随着我国经济社会发展，对能源需求持续增长，能源问题成为关乎国家安全战略与可持续发展能力的重要议题。传统供能系统中，冷、热、电等功能系统彼此运行独立，缺乏协调，能源利用率低，能源供应可靠性差，因此能源供应消费环节逐渐朝着综合能源系统方向发展。综合能源系统充分利用多种能源形式之间互补效应，显著提高了能源的利用效率，并通过能源间的动态转化使得能源供应环节的不确定性大大降低，能源供应平顺性提高，从而提高了整个系统的安全性。
[0003]针对综合能源系统开展多元负荷预测对系统运行优化意义重大。一方面，依据多元负荷预测结果可以合理配置多种形式的能源，提高能源利用效率及系统运行的经济性；另一方面，还可以依据负荷预测结果制定需求响应计划，实现能源供需平衡，提高系统运行的可靠性。目前的多能负荷预测主要从时间、空间维度建模不同能源...
【技术保护点】
【技术特征摘要】
1.一种基于多任务学习策略和深度学习的综合能源负荷预测方法，其特征在于：包括如下步骤：S1、获取考虑对综合能源系统冷、热、电负荷产生影响的影响因素特征，形成历史冷热电负荷特征库及影响因素特征库；S2、构建MMoE多任务学习模型，利用步骤S1中得到的历史冷热电负荷特征数据和影响因素特征数据对MMoE多任务学习模型进行训练，并由MMoE模型中若干个专家子网输出特征共享、提取的结果；S3、构建三个LSTM神经网络模型，利用步骤S2中MMoE模型中若干个专家子网输出的特征共享、提取的结果以及冷、热、电负荷标签对三个LSTM网络进行训练，最终得到MMoE
‑
LSTM模型；S4、将待预测时刻对应的历史冷热电负荷特征数据和影响因素特征数据输入到训练好的MMoE
‑
LSTM模型，得到冷热电负荷预测结果。2.根据权利要求1所述的一种基于多任务学习策略和深度学习的综合能源负荷预测方法，其特征在于：所述步骤S1中的影响因素特征包括：与冷热电负荷有密切关联的气象因素特征和时间因素特征。3.根据权利要求2所述的一种基于多任务学习策略和深度学习的综合能源负荷预测方法，其特征在于：所述气象因素特征通过皮尔逊相关系数进行分析，分别...
【专利技术属性】
技术研发人员：邓欣宇，朱汉卿，刘轶超，刘扬，李天梦，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。