[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

说明书

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。

技术领域

本发明涉及综合能源系统多元负荷预测领域，尤其涉及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，为综合能源系统多元负荷预测提供一种方法。

背景技术

随着全球环境污染的日趋严重，可再生能源发电技术的迅速成熟，综合能源系统依靠具有能量梯级利用、可再生能源的高效消纳等优点，受到人们越来越多的关注。

综合能源系统是指一定区域内利用先进的物理信息技术和创新管理模式，整合区域内煤炭、石油、天然气、电能、热能等多种能源，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。在满足系统内多元化用能需求的同时，要有效地提升能源利用效率，促进能源可持续发展的新型一体化的能源系统。

综合能源系统作为一种可以为能源用户同时提供多种类型能源服务的系统，是能源互联网的实际物理载体。但是由于纳入冷、热、电等多种能源使得能源系统的耦合性也增强；其次能源生产与消费快速市场化，综合能源系统对能源调度的实时性要求越来越高，这些都对综合能源系统多元负荷预测的准确性与可靠性提出了更高的要求，因此精确的多元负荷预测成为能否实现综合能源系统经济运行与优化调度的关键。

现有的综合能源系统负荷预测方法多未考虑不同类型负荷之间的耦合特性，并且没有对负荷预测误差进行相应的误差补偿，导致最后的综合能源系统多元负荷预测精度较低。因此如何对综合能源系统多元负荷进行准确的预测成为亟需解决问题。

发明内容

本发明的目的在于克服现有的综合能源系统多元负荷预测方法未考虑不同类型负荷之间的耦合特性，并且没有对负荷预测误差进行相应的误差补偿的缺点，本提供了预测精度较高、考虑多元负荷耦合特性并且进行相应预测误差补偿的一种考虑多元负荷耦合特性及预测误差补偿的综合能源系统负荷预测方法。

本发明通过以下技术方案来实现上述目的：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，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