【技术实现步骤摘要】
本专利技术涉及短期电负荷预测技术，具体涉及基于带注意力机制lstm及集成学习的综合能源系统短期电负荷预测方法、系统。
技术介绍
1、综合能源系统(integrated energy system,ies)集成多种形式的能量供应、转换和储存设备，实现不同类型能源在源、网、荷、储等环节的耦合，是新一代能源系统的重要体现形式。相比于单一能源系统，综合能源系统由电、冷、热、气等多种能源网络耦合形成，能够实现多种异质能源子系统之间的协调规划、优化运行，协同管理、交互响应和互补互济。短期负荷预测是综合能源系统设计和运行的重要环节，为综合能源系统日常运行优化提供数据基础，对运行优化策略的设置具有十分重要的意义。
2、然而，将现有的短期负荷预测方法在应用到真实综合能源系统时，存在精度不高，不适配等问题，无法适应真实综合能源系统中面临的复杂多变的负荷波动情况。另一方面，真实综合能源系统产生的负荷数据存在较多的噪声、缺失、异常点等问题，数据的低质量会对负荷预测的效果产生较大的影响。
技术实现思路
...
【技术保护点】
1.基于带注意力机制LSTM及集成学习的综合能源系统短期电负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的基于带注意力机制LSTM及集成学习的综合能源系统短期电负荷预测方法，其特征在于，基于折线图法进行负荷周期趋势分析，基于最小最大值法和直方图统计法进行负荷异常点分析；其中，利用最小最大值法进行负荷异常点分析时，极大异常值由预设的最大值替代，极小异常值由预设的最小值替代。
3.根据权利要求1所述的基于带注意力机制LSTM及集成学习的综合能源系统短期电负荷预测方法，其特征在于，所述数据预处理包括：
4.根据权利要求1所述的基...
【技术特征摘要】
1.基于带注意力机制lstm及集成学习的综合能源系统短期电负荷预测方法，其特征在于，包括：
2.根据权利要求1所述的基于带注意力机制lstm及集成学习的综合能源系统短期电负荷预测方法，其特征在于，基于折线图法进行负荷周期趋势分析，基于最小最大值法和直方图统计法进行负荷异常点分析；其中，利用最小最大值法进行负荷异常点分析时，极大异常值由预设的最大值替代，极小异常值由预设的最小值替代。
3.根据权利要求1所述的基于带注意力机制lstm及集成学习的综合能源系统短期电负荷预测方法，其特征在于，所述数据预处理包括：
4.根据权利要求1所述的基于带注意力机制lstm及集成学习的综合能源系统短期电负荷预测方法，其特征在于：所述特征设计包括时间特征设计和类别特征设计；其中，时间特征设计为将日期转化为时刻、日、月以及季节特征，类别特征设计为通过独热编码方法实现对气象摘要、风向、季节离散的类别特征连续，通过位状态寄存器对变量的每个状态进行编码，每个状态均有独立的寄存器位，并且在任意时候只有一位有效。
5.根据权利要求1所述的基于带注意力机制lstm及集成学习的综合能源系统短期电负荷预测方法，其特征在于，所述特征选择包括：
6.根据权利要求1所述的基于带注意力机制lstm及集成学...
【专利技术属性】
技术研发人员：张保瑞，李睿，张世帅，王威，王靖韬，谭瑶，王志光，李大阳，付禹昕，王佳伟，杨鑫，李英吉，张涛，史洋，张坤，陈秀新，姜德阳，张元博，周静，
申请(专利权)人：国网雄安综合能源服务有限公司，
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。