[发明专利]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

权利要求书

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较大的气象特征；最后在此基础上将历史冷、热、电负荷数据排成时间序列；

2)多元负荷模态分解

首先采用自适应局部迭代滤波分解ALIF方法分别对历史冷、热、电负荷时间序列进行分解，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；在此基础上分别将多元负荷的模态函数根据样本熵值进行重构形成周期序列、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

首先将多元负荷周期序列、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以此划分为训练集与测试集用于模型训练与测试，然后分别使用长短期记忆网络LSTM模型对训练集进行多任务学习训练，实现冷、热、电负荷、气象及日期之间耦合信息的共享，分别得到各个序列的预测模型；接着将同种负荷各个序列预测模型的预测结果进行求和重构，分别得到冷、热、电负荷的初始负荷预测结果；最后使用综合能源系统实际历史负荷序列与初始负荷预测结果构造多元负荷预测误差序列；

4)多元负荷预测误差补偿

首先使用门控循环单元网络GRU算法对冷、热、电负荷预测误差序列进行多任务学习的训练，建立误差预测模型进行误差预测；其次分别将多元负荷初始负荷预测结果与误差预测结果求和重构，得到多元负荷最终的预测结果，最后对多元负荷最终的预测结果进行反归一化即得到实际预测结果。

2.根据权利要求1所述的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：所述步骤1)中综合能源系统历史数据预处理步骤为：

1.1)首先获取综合能源系统的历史冷、热、电负荷数据、历史气象数据与日期信息，其中气象数据包括温度值、湿度值、风速，辐照度、降水情况，日期信息使用1,2,3…7代表星期一至星期日以区分工作日与非工作日，对以上历史负荷数据及对应的历史气象数据进行缺失值检验与填补，并利用最大-最小规范化处理对历史负荷数据与历史气象数据进行处理，具体如下式所示：

式中，x'为特征规范化后的值；x为特征原始值；x_MIN为原始特征最小值；x_MAX为原始特征最大值；

1.2)对步骤1.1)中经过规范化处理之后的数据进行气象特征筛选，为充分考虑气象因素对历史冷、热、电负荷的影响，采用皮尔逊相关系数分析历史气象数据与多元负荷之间的相关性，筛选出对综合能源系统负荷影响较大的气象特征，分别计算冷、热、电负荷与各个气象特征之间的相关性，分别将每个气象特征与三种负荷的相关性求和得到该气象特征总相关性值，根据气象特征总相关性值完成气象特征的筛选；

1.3)将步骤1.1)中经过数据预处理的历史冷、热、电负荷数据按采样时间排成时间序列，得到历史冷、热、电负荷时间序列，其中：

历史冷负荷时间序列为P_cold＝[P_cold(1),P_cold(2),...,P_cold(n)]，

历史热负荷时间序列P_heat＝[P_heat(1),P_heat(2),...,P_heat(n)]，

历史电负荷时间序列为P_elect＝[P_elect(1),P_elect(2),...,P_elect(n)]，

其中n为一个负荷时间序列所包含的数据个数。