【技术实现步骤摘要】
基于RBF
‑
ARX的综合能源系统时序概率多元负荷预测方法及系统
[0001]本专利技术属于综合能源系统多元负荷预测领域,尤其涉及基于RBF
‑
ARX的综合能源系统时序概率多元负荷预测方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息,不必然构成在先技术。
[0003]综合能源系统(Integrated energy system,IES)作为一种新型能源供应模式,通过其内部种类众多的能量转换和存储设备,实现了不同能源之间的灵活转换、高效分配和有机协调。与传统的单一能源系统相比,综合能源系统可以提高能源利用效率、有效减少碳排放,具有灵活、清洁、高效的特点。而对于多元负荷(主要包括冷却、热、电负荷)的准确短期预测是保证IES可靠、经济运行的前提。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。因此,开展针对综合能源系统的多元负荷预测研究有着重要的意义。
[0004]目前,负荷预测方法主要分为统计方法和机器学习方法两类。经典的统计算法有指数平滑、自回归移动平均(ARMA)和自回归积分移动平均(ARIMA)等,此类方法能够预测的时间范围较短,当需要较长的预测时间范围时,其预测精度会下降。机器学习方法有支持向量回归(SVR)、大数据分析技术和人工神经网络等,其中,人工神经网络凭借着良好的非线性逼近特性和 ...
【技术保护点】
【技术特征摘要】
1.基于RBF
‑
ARX的综合能源系统时序概率多元负荷预测方法,其特征在于,包括如下步骤:获取综合能源系统多元负荷数据,并进行相关性分析,筛选得到外部因素和耦合关系符合条件的多元负荷数据;将符合条件的多元负荷数据分解为确定性分量和随机性分量;采用变量投影算法对RBF
‑
ARX混合模型模型参数进行优化后,对确定性分量进行时序预测;对随机性分量进行拟合,在得到拟合随机性分量的概率密度函数之后,通过采样来获取随机性分量的预测值,对随机性分量进行概率预测;将确定性分量的时序预测结果和随机性分量的概率预测相加,作为最终的预测结果。2.如权利要求1所述的基于RBF
‑
ARX的综合能源系统时序概率多元负荷预测方法,其特征在于,采用最大信息系数法对多元负荷之间以及多元负荷与外部因素之间相关性进行分析。3.如权利要求1所述的基于RBF
‑
ARX的综合能源系统时序概率多元负荷预测方法,其特征在于,所述将符合条件的多元负荷数据分解为确定性分量和随机性分量,具体包括:经符合条件的多元负荷数据X(n)将过FFT过程得到时间序列在频域的表示结果X
DFT
(k);通过设置一个阈值水平,筛除X
DFT
(k)中与X(n)随机性分量相关的频率分量;对筛选的X
DFT
(k)进行IFFT操作,得到从原始时间序列中分离出的确定性分量X
cert
;将原始数据与确定性分量作差可得到随机性分量X
rand
(n)。4.如权利要求1所述的基于RBF
‑
ARX的综合能源系统时序概率多元负荷预测方法,其特征在于,基于RBF
‑
ARX混合模型,采用变量投影算法对模型参数进行优化,具体包括:将RBF
‑
ARX混合模型写为由模型线性参数和非线性参数的优化问题;对于非线性参数,通过解线性最小二乘问题得到模型线性参数和非线性参数的关系;基于模型线性参数和非线性参数的关系对优化问题进行简化,得到仅含非线性参数的表达式作为简化后的优化问题;通过LM方法解非线性最小二乘问题,将得到的结果作为确定性分量的时序预测结果。5.如权利要求1所述的基于RBF
‑
ARX的综合能源系统时序概率多元负荷预测方法,其特征在于,采用高斯混合模型对随机性分量进行拟合,得到对应的拟合随机性分量的概率密度函数。6.如权利要求5所述的基于RBF
‑
ARX的综合能源系统时序概率多元负荷预测方法,其特征在于,具体包括:所述采用高斯混合模型对随机性分量进行拟合,得到对应的拟合随机性分量的概率密度函数,具体包括:输入随机性分量样本数据,最大迭代次数和高斯分布成员的个数;对随机性分量的概率密度分布进行估计,得到条件分布p(z|x,θ);估计高斯混合模型的权重系数α
n
,μ
n
,σ
2n
,记θ
n
={α
n
...
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。