【技术实现步骤摘要】
本专利技术涉及一种融合深度学习组合模型的综合能源系统短期多元负荷预测方法。
技术介绍
1、在能源互联网和低碳生活的背景下，综合能源系统摆脱了传统能源系统在设计运行时各能源相互独立，实现了能源自产生到消费环节的产供销一体化，达到了多种能源网通过能量转换设备相互转化、统一管理的目的，其中精准、高效的负荷预测是整个综合能源系统运行规划和优化调度的重要前提。综合能源系统涉及冷、热、电等多种能源形式的生产、传输、储存、转换和利用，在充分消纳可再生能源提高能源利用率的同时，实现多能源互补协调运行，最终实现环境友好和可持续发展的目标。负荷预测是综合能源系统能量管理和优化调度的基础，其预测精度直接关系到系统的整体运行性能。然而，大量的无序用能必然会对能源网络的经济运行和调度产生冲击。因此，提高多元负荷预测的精度对指导综合能源系统有序用能具有重要意义。
2、目前常用的负荷预测方法包括传统预测方法和机器学习方法。
3、传统预测方法主要有指数平滑法、趋势外推法、时间序列法和回归分析法等，这类型的预测方法只适用于在过去、现在和未来都很平...
【技术保护点】
1.一种融合深度学习组合模型的综合能源系统短期多元负荷预测方法，其特征在于：包括以下步骤：
2.如权利要求1所述的融合深度学习组合模型的综合能源系统短期多元负荷预测方法，其特征在于：S1中：
3.如权利要求1所述的融合深度学习组合模型的综合能源系统短期多元负荷预测方法，其特征在于：S2中，最大最小归一化处理的计算公式为：
4.如权利要求1所述的融合深度学习组合模型的综合能源系统短期多元负荷预测方法，其特征在于：所述串并行叠加的多尺度卷积神经网络包括两个卷积神经网络。
5.如权利要求1所述的融合深度学习组合模型的综合能源系...
【技术特征摘要】
1.一种融合深度学习组合模型的综合能源系统短期多元负荷预测方法，其特征在于：包括以下步骤：
2.如权利要求1所述的融合深度学习组合模型的综合能源系统短期多元负荷预测方法，其特征在于：s1中：
3.如权利要求1所述的融合深度学习组合模型的综合能源系统短期多元负荷预测方法，其特征在于：s2中，最大最小归一化处理的计算公式为：
4.如权利要求1所述的融合深度学习组合模型的综合能源系统短期多元负荷预测方法，其特征在于：所述串并行叠加的多尺度卷积神经网络包括两个卷积神经网络。
5.如权利要求1所述的融合深度学习组合模型的综合能源系统短期多元负荷预测方法，其特征在于：利用双向门控循环单元神经网络学习负荷数据时序特征，并迭代提取全局信息；所述双向门控循环单元神经网络设置两层双向门控循环单元，每一层双向门控...
【专利技术属性】
技术研发人员：李峰，周亚鑫，刘世横，姚克明，贾立，
申请(专利权)人：江苏理工学院，
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。