买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江工业大学

摘要：本发明公开了一种考虑多元负荷耦合特性的综合能源系统负荷预测方法，具体包括以下步骤：1综合能源系统历史数据预处理；2多元负荷模态分解；3建立多元负荷多任务学习预测模型；4多元负荷预测误差补偿；本发明采用自适应局部迭代滤波分解方法对历史冷、热、电负荷时间序列进行分解，在此基础进行重构得到各个负荷的周期序列、波动序列与趋势序列，可以降低多元负荷时间序列的复杂度与非平稳性，在数据层面实现模型预测精度的提升。

主权项：1.一种考虑多元负荷耦合特性的综合能源系统负荷预测方法，其特征在于：具体包括以下步骤：1综合能源系统历史数据预处理首先对综合能源系统历史负荷数据及对应的历史气象数据、日期信息进行缺失值检验与填补，并对历史负荷与气象数据进行最大-最小规范化处理；其次使用皮尔逊相关系数选取对历史负荷影响大的气象特征；最后在此基础上将历史冷、热、电负荷数据排成时间序列，并令n为一个负荷时间序列所包含的数据个数；2多元负荷模态分解2.1对步骤1中的历史冷、热、电负荷时间序列采用自适应局部迭代滤波分解ALIF方法进行分解，分别得到冷、热、电负荷具有不同频段的模态函数与剩余分量；其中自适应局部迭代滤波分解又可以分为内循环过程与外循环过程，同时为了实现自适应局部迭代滤波，选取根据不同滤波区间上Fokker-Planck方程的基础解系构造具有自适应功能的滤波函数；2.2对步骤2.1中的多元负荷各个模态函数计算样本熵值，将各种负荷样本熵值相近的模态函数进行重构得到新的序列，形成各种负荷的周期序列、波动序列与趋势序列，其中冷负荷的周期序列波动序列与趋势序列热负荷周期序列波动序列与趋势序列电负荷周期序列波动序列与趋势序列3建立多元负荷多任务学习预测模型3.1将步骤1与步骤2中得到的多元负荷周期序列、波动序列以及趋势序列与对应历史气象数据以及日期信息组合得到多元负荷数据集，划分为训练集与测试集，分别用于模型的训练与测试；3.2将步骤3.1得到的训练集输入模型进行训练，使用LSTM模型对多元负荷的周期序列、波动序列以及趋势序列分别进行多任务学习的训练，得到各个序列对应的预测模型，具体方法为借助LSTM算法进行多任务学习以实现综合能源系统的多元负荷预测，使冷热电负荷预测任务实现参数共享，以此实现能源系统多元负荷之间耦合信息的共享；3.3所述步骤3.2中使用LSTM模型对冷、热、电负荷各序列进行多任务学习训练与预测，其中下标j＝cold,heat,elect表示负荷类型，上标i＝1,2,3分别代表周期序列、波动序列以及趋势序列；具体原理为利用t时刻前m个点的冷、热、电负荷数据预测下一个时刻点即t时刻的冷、热、电负荷，冷、热、电负荷预测每次训练的输入与输出数据如下所示： 式中t＝m+1,m+2,...,n，结合日期信息date，使用date＝1,2,...,7代表星期一至星期日；t-1时刻实时气象数据作为预测t时刻负荷时输入模型的气象特征weathert＝[T,h,ws,ir]，其中T为温度值，h为湿度值，ws为风速，ir为辐照度；最终输入模型特征为： 模型输出为： 使用经过训练的LSTM模型进行多任务预测:yt＝LSTMiXt,LSTMi代表不同序列经过多任务学习训练得到的模型，最终多元负荷不同序列经过模型的预测结果为上标i＝1,2,3代表不同序列；3.4对步骤3.3中的冷、热、电各个序列的预测结果分别求和重构，则重构之后的冷、热、电负荷预测结果可以表示为： 模型的初始冷负荷预测结果为：模型的初始热负荷预测结果为：模型的初始电负荷预测结果为：3.5结合步骤3.4预测结果并且考虑实际的冷、热、电负荷值为Pcoldt，Pheatt，Pelectt，t＝1,2,...,n，则可以得到冷负荷预测误差序列： 同理得热负荷预测误差序列：Eheat＝[eheat1,eheat2,...,eheatn]；同理可得电负荷预测误差序列：Eelect＝[eelect1,eelect2,...,eelectn]；4多元负荷预测误差补偿4.1对步骤3中各种负荷的预测误差序列使用GRU算法多任务学习的方式进行训练与预测，冷、热、电负荷预测误差序列的特征维度k,具体原理为利用t时刻前k个点的冷、热、电负荷预测误差数据预测下一个时刻点即t时刻的冷、热、电负荷预测误差，使用GRU算法进行误差预测模型训练，输入数据和输出数据分别表示为：输入数据：Xt＝[xcoldt,xheatt,xelectt,weathert,date]6其中： 输出数据：yerrort＝[ecoldt,eheatt,eelectt]84.2利用所述步骤4.1训练所得的GRU模型进行多元负荷预测误差的预测，预测结果yerrort＝GRUXt,GRU代表经过多任务学习训练的模型，最终负荷误差预测结果为模型的冷负荷误差预测结果为：热负荷误差预测结果为：电负荷误差预测结果为：4.3结合步骤4.2误差预测结果与步骤3初始负荷预测结果，冷负荷最终的预测结果：热负荷最终的预测结果：电负荷最终的预测结果：将多元负荷最终的预测结果反归一化，得到实际的多元负荷预测结果。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种考虑多元负荷耦合特性的综合能源系统负荷预测方法