一种基于DTformer的短期多能源负荷预测方法技术

本发明专利技术公开了一种基于DTformer的短期多能源负荷预测方法，包括以下步骤：（1）获取与日历特征相关的数据及气象数据；（2）分别对获取到的电、热、冷负荷历史数据、各气象特征数据和日历数据进行缺失值填充和异常值处理得到经过清洗的时间序列数据集；（3）利用最大信息系数评估多个能源负荷之间的耦合关系以及与各气象特征之间的相关性；（4）对DTformer负荷预测模型的输入数据进行了归一化处理；构建DTformer预测模型并进行训练，得到电、热、冷负荷的归一化预测结果；（5）对归一化的预测结果进行反归一化处理，获得最终的电、热、冷负荷的预测值；本发明专利技术引入最优时间窗口注意力和双注意力变量模块，以解决时间上的长期依赖性和不同变量之间的依赖性。

【技术实现步骤摘要】

本专利技术涉及综合能源系统，具体涉及一种基于dtformer的短期多能源负荷预测方法。

技术介绍

1、近年来，深度学习等负荷预测方法因其对非线性数据的处理能力和高预测准确度等优点而得到广泛应用。在单一电力系统负荷预测方面，主要采用了模糊理论、支持向量机、灰色模型、随机森林、自回归差分滑动平均模型、神经网络、组合模型和时间卷积等方法。尽管电力系统负荷预测的研究范围越来越广泛，但是关于多元负荷预测研究仍处于初级阶段，机器学习方法如极值点对称模态分解-样本熵方法、最小二乘支持向量回归方法、基于多任务学习和最小二乘支持向量机的综合能源负荷预测模型、基于集成学习的综合能源系统负荷预测模型以及考虑时间动态和耦合特性的预测方法，能够提高预测精度，但由于泛化能力受限和处理高维特征效果有限，存在一定的局限性。 深度学习中深度置信网络和多任务回归方法在能量转换和消耗方式方面具有优势，但复杂建模和大计算量限制了其适用性；基于用户层次聚类的多元负荷预测方法通过聚类提升了预测性能，但聚类结果与网络复杂度相关，聚类效果不明显可能影响鲁棒性；通过分解多能源负荷为分量，并使用循环神经网络本文档来自技高网...

【技术保护点】

1.一种基于DTformer的短期多能源负荷预测方法，其特征在于，包括以下步骤：

2.根据权利要1所述的一种基于DTformer的短期多能源负荷预测方法，其特征在于，所述步骤（1）与日历特征相关的数据包括：相应时间点的电、热、冷负荷的历史数据；其中，日历特征包括：是否为周末，是否为假期；气象数据包括：露点、风速、降水量、风向、湿度、温度、大气压。

3.根据权利要1所述的一种基于DTformer的短期多能源负荷预测方法，其特征在于，所述步骤（2）包括以下步骤：

4.根据权利要1所述的一种基于DTformer的短期多能源负荷预测方法，其特征在于，所述步骤（...

【技术特征摘要】

1.一种基于dtformer的短期多能源负荷预测方法，其特征在于，包括以下步骤：

2.根据权利要1所述的一种基于dtformer的短期多能源负荷预测方法，其特征在于，所述步骤（1）与日历特征相关的数据包括：相应时间点的电、热、冷负荷的历史数据；其中，日历特征包括：是否为周末，是否为假期；气象数据包括：露点、风速、降水量、风向、湿度、温度、大气压。

3.根据权利要1所述的一种基于dtformer的短期多能源负荷预测方法，其特征在于，所述步骤（2）包括以下步骤：

4.根据权利要1所述的一种基于dtformer的短期多能源负荷预测方法，其特征在于，所述步骤（3）中，最大信息系数公式如下：

5.根据权利要1所述的一种基于dtformer的短期多能源负荷预测方法，其特征在于，所述步骤（4）包括以下步骤：

6.根据权利要5所述的一种基于dtformer的短期多能源负荷预测方法，其特征在于，所述双注意力变量模块由多头注意力机制、残差设计的层归一化层，以及前...

【专利技术属性】
技术研发人员：庄伟，樊继利，李文峰，郑征，张琳娟，韩军伟，卢丹，周志恒，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：