综合能源系统负荷预测模型建立方法及装置制造方法及图纸

本发明专利技术公开了一种综合能源系统负荷预测模型建立方法及装置，所述方法包括：对收集到的综合能源系统负荷历史数据进行预处理；对预处理后的所述综合能源系统负荷历史数据进行综合能源系统多能源负荷预测的多维影响因素分析，获取分析结果；根据分析结果，通过CNN

【技术实现步骤摘要】
综合能源系统负荷预测模型建立方法及装置


[0001]本专利技术涉及电力大数据分析
，尤其是涉及一种综合能源系统负荷预测模型建立方法及装置。

技术介绍

[0002]在能源互联网和低碳电力背景下，综合能源系统已成为节能减排的重要载体。随着综合能源系统中各种能源的耦合度日益提高、可再生能源的大规模接入以及能源生产和消费的逐步市场化，对负荷的准确性、实时性和可靠性提出了更高的要求。综合系统负荷预测从上到下可分为跨区域层、区域层和用户层。由于用户对电力、冷热负荷的需求和能源偏好不同，且各种能源负荷之间波动性强、耦合关系复杂，研究综合能源系统用户级负荷预测对实现同时兼顾经济效益和用户满意度的调度具有重要意义。
[0003]但是，对现有技术的研究与实践过程中，本专利技术的专利技术人发现，目前的研究大多集中在结合BP神经网络、支持向量回归、随机森林和梯度提升决策树等机器学习算法建立综合预测模型，虽然考虑多能负荷之间的耦合关系，但没有涉及多源信息特征提取过程中数据结构的多样性和合理性，以及不同因素的重要性。因此亟需选取一种能够综合不同预测模型的特点本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种综合能源系统负荷预测模型建立方法，其特征在于，包括：对收集到的综合能源系统负荷历史数据进行预处理；对预处理后的所述综合能源系统负荷历史数据进行综合能源系统多能源负荷预测的多维影响因素分析，获取分析结果；根据分析结果，通过CNN
‑
BiLSTM注意力机制网络建立综合能源系统多能源负荷预测模型，其中，所述综合能源系统多能源负荷预测模型用于进行综合能源系统负荷预测。2.根据权利要求1所述的方法，其特征在于，对收集到的综合能源系统负荷历史数据进行预处理具体包括：对收集到的综合能源系统负荷历史数据进行数据清洗和归一化处理。3.根据权利要求1所述的方法，其特征在于，对预处理后的所述综合能源系统负荷历史数据进行综合能源系统多能源负荷预测的多维影响因素分析，获取分析结果，具体包括：对综合能源系统多能源负荷的时间相关性进行分析，采用如公式1所述的皮尔逊相关系数计算每种类型负荷第t时刻的负荷值与第t
‑
d时刻的负荷值之间的相关性，设置合适的阈值，根据相关性指标ρ
XY
的大小，来确定每种负荷输入和输出的时间步长：其中，ρ
XY
表示每种类型负荷第t时刻的负荷值与第t
‑
d时刻的负荷值之间的相关性，X
j
表示第t时刻负荷值序列，表示第t时刻负荷值序列的平均值，Y
j
表示第t
‑
d时刻的负荷值序列，表示第t
‑
d时刻负荷值序列的平均值，N表示第t时刻和第t
‑
d时刻负荷值序列的长度；对综合能源系统多能源负荷与外部环境因素的相关性进行分析，采用如公式1所示的皮尔逊相关系数计算，其中，所述外部环境影响因素具体包括：气温和气压，设置合适的阈值，根据相关性指标ρ
XY
的大小，选取相关性较大的外部环境因素作为模型输入的一部分。4.根据权利要求1所述的方法，其特征在于，根据分析结果，通过CNN
‑
BiLSTM注意力机制网络建立综合能源系统多能源负荷预测模型具体包括：根据分析结果，通过CNN网络模型提取局部特征，通过BiLSTM网络模型提取时间信息，通过注意力机制模型分配权重，通过Adam算法进行权重的优化，建立综合能源系统多能源负荷预测模型。5.根据权利要求4所述的方法，其特征在于，通过CNN网络模型提取局部特征，通过BiLSTM网络模型提取时间信息，通过注意力机制模型分配权重，通过Adam算法进行优化具体包括：通过CNN网络在时间维上提取变量之间的局部依赖关系：其中，CNN网络的卷积层由多个核组成，将第k个滤波器扫过输入矩阵，表示为：h
k
＝ReLU(W
k
*X+b
k
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式2；其中*表示卷积操作，输出h
k
表示输出的一个向量，卷积层的输出为一个大小为d
c
×
T的矩阵，其中d
c
表示滤波器的数量，T表示时间维度。ReLU激活函数ReLu(x)＝max(x,0)，W
k
表示第k个滤波器的斜率，b
k
表示第k个滤波器的截距，X为输入矩阵，X∈R
D
×
T
，D表示多元变量维
度，T表示时间维度；给定输入序列X＝(x1,x2,
…
,x
T
),其中x
t
∈R
n
，n是因子的维度，t时刻的隐藏状态是h
t
∈R
m
，m是隐藏状态的维度，根据公式3
‑
7进行LSTM模型中输入门、遗忘门、输出门、记忆单元更新、以及输出的计算：i
t
＝sigmoid(W
i
[h
t
‑1；x
t
]+b
i
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式3；f
t
＝sigmoid(W
f
[h
t
‑1；x
t
]+b
f
)
ꢀꢀꢀꢀꢀꢀꢀꢀ
公式4；o
t
＝sigmoid(W
o
[h
t
‑1；x
t
]+b
o
)
ꢀꢀꢀꢀꢀꢀꢀ
公式5；s
t
＝f
t
⊙
s
t
‑1+i
t
⊙
tanh(W
s
[h
t
‑1；x
t
]+b
s
)
ꢀꢀꢀꢀꢀꢀꢀ
公式6；h
t
＝o
t
⊙
tanh(s
t
)
ꢀꢀꢀꢀꢀꢀꢀ
公式7；其中[h
t
‑1；x
t
]∈R
m+n
表示先前隐藏状态h
t
‑1和当前输入x
t
的串联，W
i
,W
f
,W
o
,W
s
∈R
m*(m+n)
表示权重矩阵，b
i
,b
f
,b
o
,b
s
∈R
m
表示偏置向量参数，
⊙
表示逐元素乘法，R
m+n
表示维度为m+n的矩阵，R
m*(m+n)
表示维度为m*(m+n)的矩阵，R
m
表示维度为m的矩阵；通过BiLSTM网络模型在两个方向上处理进行观察结果的预测：前向LSTM单元生成前面信息，即产生隐藏状态其中后向LSTM单元生成后续信息，即产生隐藏状态其中将两个所述前面信息和后续信息连接起来产生如公式8所示的联合表示：其中，是前向LSTM单元的最后一个隐藏状态，是后向LSTM单元的第一个隐藏状态；通过为隐藏状态分配不同的注意力权重，进行隐藏状态重要性的区分：给定h
i
表示BiLSTM层的隐藏状态序列，根据公式9，将h
i
通过全连接层转换为目标的注意力权重：u
i
＝tan(W*h
i
+b)
ꢀꢀꢀꢀꢀ
公式9；其中，b表示截距，W表示斜率；根据公式9，基于softmax函数生成权重的概率向量p
t
：其中，u
v
表示第v个注意力权重，M表示注意力权重的个数；将生成的注意力权重分配给对应的隐藏层状态h
i
，根据公式11进行h
i
的加权平均计算，得到注意力打分函数s如下：s＝∑
l
p
l
*h
l
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式11；通过Adam算法，根据训练数据迭代更新权重，进行权重的优化。6.一种综合能源系统负荷预测模型建立装置，其特征在于，...

【专利技术属性】
技术研发人员：胡宏彬，韩俊飞，俞超宇，张一帆，王宇强，尹柏清，陶军，
申请(专利权)人：内蒙古电力集团有限责任公司内蒙古电力科学研究院分公司，
类型：发明
国别省市：