【技术实现步骤摘要】
本专利技术涉及一种基于元学习和变分模态分解的综合能源系统电、冷、热负荷预测方法，属于综合能源系统负荷预测领域。
技术介绍
1、低碳、高效是现代能源体系建设的关键特征之一。综合能源系统通过优化内部发电、制冷、供暖等多形式能源的生产、传输、储存和运输，以提升能源系统灵活性、清洁度和低碳性。准确的综合能源系统负荷短期预测已经成为发挥系统需求侧响应能力、确保经济可靠运行的首要前提。如何从历史数据有效挖掘多元负荷序列自身非线性特征及耦合关系，对提高综合能源系统负荷预测准确性具有重要意义。
2、综合能源系统负荷预测方法中，深度学习具有灵活与适应性，常见类型包括前馈神经网络和递归神经网络两大类。前馈神经网络具有多层感知机类似的结构，发展出了以极限学习机，深度置信网络及小波神经网络等为变体的预测模型。尽管神经网络具有出色的预测性能，但目前还未有成熟的机制来处理综合能源系统负荷时间序列的非平稳性。数据分解可以显著缓解数据非平稳性带来的预测问题，预测效果却受到分解策略合理性的直接影响。同时，综合能源系统多元负荷间动态关联将导致概念漂移现象。为了...
【技术保护点】
1.一种元学习与分解方法结合的综合能源短期负荷预测方法，其特征在于包括如下步骤：
2.根据权利要求1所述的一种元学习与分解方法结合的综合能源短期负荷预测方法，其特征在于，步骤1所述的负荷动态最大信息系数筛选方法，具体如下：
3.根据权利要求1所述的一种元学习与分解方法结合的综合能源短期负荷预测方法，其特征在于，步骤2所述多元负荷序列滑窗分解方法，具体如下：
4.根据权利要求1所述的一种元学习与分解方法结合的综合能源短期负荷预测方法，其特征在于，步骤3所述综合能源系统负荷预测元学习模型，具体如下：
5.根据权利要求1所述的...
【技术特征摘要】
1.一种元学习与分解方法结合的综合能源短期负荷预测方法，其特征在于包括如下步骤：
2.根据权利要求1所述的一种元学习与分解方法结合的综合能源短期负荷预测方法，其特征在于，步骤1所述的负荷动态最大信息系数筛选方法，具体如下：
3.根据权利要求1所述的一种元学习与分解方法结合的综合能源短期负荷预测方法，其特征在于，步骤2所...
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。