【技术实现步骤摘要】
一种短期综合能源系统多元负荷预测方法及系统
[0001]本专利技术涉及综合能源系统的
，更具体地说是涉及综合能源系统负荷预测的
技术介绍
[0002]目前短期负荷预测方面分为传统方法和人工智能方法。传统方法中以遗传算法、ARIMA为代表的数学统计模型和支持向量机、随机森林、XGBoost和稀疏算法为代表的机器学习模型。数学统计方法通过数据统计能够较好的拟合线性规律，但对于预测问题中存在的非线性规律无法准确拟合。机器学习算法虽能解决上述问题，但需要人为构造数据的时序特征。
[0003]随着人工智能算法的快速发展，Long short term memory network(LSTM)在解决时间序列问题上有着显著优势，近年来在电负荷预测领域已有一定研究。目前有提出一种双输入组通道的LSTM and Self
‑
attention Mechanism组合模型，对日前的住宅负荷进行预测。有通过LSTM个人负荷预测模型采用弹球损失引导的优化方式进行训练。上述技术均针对单一负荷构建预测模型，虽然...
【技术保护点】
【技术特征摘要】
1.一种短期综合能源系统多元负荷预测方法，其特征在于，预测方法步骤如下：第一步，数据预处理，分析数据并构建预测方法输入数据集；第二步，依据输入数据的特点从多个维度提取抽象特征；第三步，对提取出来的多维度抽象特征，利用神经网络的拼接Concatenate层和叠加层进行融合，最后通过全连接层实现负荷预测。2.根据权利要求1所述的一种短期综合能源系统多元负荷预测方法，其特征在于：第一步中：(1)分别采用回归法和K
‑
Means法对数据异常值和缺失值，进行修改填补；(2)数据归一化处理；(3)从多个维度去分析数据中存在的气候特性、周特性、日特性、负荷之间的耦合特性，以及负荷在时序上的自身相关性，构建以下6个输入维度数据：Input1：预测日t时刻前4小时的电、热、冷负荷Input2：预测日t时刻前7小时的电、热、冷负荷Input3：预测日前一周内每天t
‑
1时刻负荷值Input4：预测日前一周内每天t时刻负荷值Input5：预测日前一周内每天t+1时刻负荷值Input6：预测日t时刻天气数据及工作日类型。3.根据权利要求1所述的一种短期综合能源系统多元负荷预测方法，其特征在于，第二步中,依据输入数据的特点是分别采用自回归算法、卷积神经网络和长短期记忆组合网络CLSTM以及长短期记忆网络LSTM从多个维度提取抽象特征。4.根据权利要求3所述的一种短期综合能源系统多元负荷预测方法，其特征在于，第二步中：(1)基于自回归算法的超短期时序特征提取算法以Input1作为数据输入，利用Lambda层与全连接Dense层模拟自回归机制，通过Lambda层进行等价维度变换将二维输入数据变换成一维向量，全连接层结合线性激活函数将权值向量ω与输入向量X点乘并与偏置系数相加，实现对预测进刻的超短期时序特征进行提取，x
t
输出方程见下式：x
t
＝F
linear
(ω
T
·
X+ε
t
)
ꢀꢀꢀꢀꢀ
(1)(2)基于CLSTM时空特征提取第一步，将Input2、Input3、Input4、Input5输入到卷积层，通过滑动窗口的方式对数据压缩；第二步，压缩的特征通过最大值池化层实现空间耦合特征提取；第三步，Dropout层对池化层所提取出的特征进行筛选；最后，LSTM网络从筛选出的有效抽象特征中实现时序特征的提取；(3)基于LSTM的环境特征提取Input6输入到LSTM网络中实现环境因素特征提取。5.根据权利要求1所述的一种短期综合能源系统多元负荷预测方法，其特征在于，第三步中：融合过程分为两步：第一步是对CLSTM提取的多维度时空子特征采用Concatenate层进行特征拼接，再用以softmax激活函数的全连接Dense层完成这部分特征的第一次融合；第
二步是对超短期时序特征、环境因素特征结合第一步的融合特征，做第二次融合，融合方式采用Add层对三个特征进行叠加；最后，通过线性激活函数，输出预测负荷。6.一种短期综合能源系统多元负荷预测系统，其特征在于，包括：数据输入模块、数据特征提取模块和多维度特征融合预测模块，所述数据输入模块，通过分析参量之间关系与自身相关性，将原始时序数据从多个维度构建输入数据集；所述数据特征提取模块，依据输入数据的特点分别采用自回归算法、卷积神经网络和长短期记忆组合网络CLSTM以及长短期记忆网络LSTM从多个维度提取抽象特征；所...
【专利技术属性】
技术研发人员：李红霞，张桂红，张祥成，任博文，马恒瑞，陈来军，陈辰，田旭，金成，黄存强，王港飞，李俊贤，秦立栋，刘兴文，武世东，安娟，李绚绚，赵雪，米金梁，
申请(专利权)人：国网青海省电力公司国家电网有限公司青海大学，
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。