[发明专利]一种基于GRU-MTL的电冷热负荷联合预测方法及系统

说明书

本发明属于综合能源系统多元负荷预测技术领域，提供了一种基于GRU‑MTL的电冷热负荷联合预测方法及系统。该方法包括，将电负荷历史数据、冷负荷历史数据、热负荷历史数据、气象历史数据以及日历信息输入训练好的电冷热负荷预测模型，得到待预测的电负荷数据、冷负荷数据和热负荷数据；其中，所述电冷热负荷预测模型包括：采用GRU神经网络搭建多任务学习MTL的共享学习层。

技术领域

本发明属于综合能源系统多元负荷预测技术领域，尤其涉及一种基于GRU-MTL的电冷热负荷联合预测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

作为能源系统的重要组成部分，传统的电力系统、热力系统等是单独规划、单独设计和独立运行的，割裂了不同类型能源之间的耦合，很大程度上限制了能源系统运行的灵活性。

综合能源系统(Integrated energy system，IES)作为新一代能源系统的重要组成，涵盖了供电、供冷、供热等能源系统，集成了多种形式的供能、能量转换和储能设备，在源、网、荷等不同环节实现了不同类型能源的耦合。随着多种能源系统的耦合性增强，大规模可再生能源的接入，能源生产和消费日益市场化，这些转变对用能预测的准确性提出了更高的要求。

综合能源系统的负荷具有多元性，包含电负荷、冷负荷和热负荷等，精确的多元负荷短期预测是综合能源系统运行及调度的基础，保证其预测精度尤为重要。目前关于电力系统短期负荷预测的研究较多，预测模型具有较高的预测精度，并已广泛应用于电力系统调度运行中。相较于此，由于电负荷、冷负荷和热负荷具有较强的时变性和耦合性，相关影响因素众多，在对电负荷、冷负荷和热负荷进行预测时没有充分考虑三者之间的耦合性来进行综合建模，对模型的预测精度会产生影响。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于GRU-MTL的电冷热负荷联合预测方法及系统，其在进行电冷热负荷联合预测时，能够充分模拟负荷与负荷之间以及负荷与多种输入特征之间的耦合特性，提高电冷热负荷联合预测精度，从而很好的解决了上述背景中提到的电冷热负荷联合预测中存在的耦合特性问题。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于GRU-MTL的电冷热负荷联合预测方法。

一种基于GRU-MTL的电冷热负荷联合预测方法，包括：

将电负荷历史数据、冷负荷历史数据、热负荷历史数据、气象历史数据以及日历信息输入训练好的电冷热负荷预测模型，得到待预测的电负荷数据、冷负荷数据和热负荷数据；

其中，所述电冷热负荷预测模型包括：采用GRU神经网络搭建多任务学习MTL的共享学习层。

本发明的第二个方面提供一种基于GRU-MTL的电冷热负荷联合预测系统。

一种基于GRU-MTL的电冷热负荷联合预测系统，包括：

预测模块，其被配置为：将电负荷历史数据、冷负荷历史数据、热负荷历史数据、气象历史数据以及日历信息输入训练好的电冷热负荷预测模型，得到待预测的电负荷数据、冷负荷数据和热负荷数据；

模型构建模块，其被配置为：所述电冷热负荷预测模型包括：采用GRU神经网络搭建多任务学习MTL的共享学习层。

本发明的第三个方面提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的基于GRU-MTL的电冷热负荷联合预测方法中的步骤。

本发明的第四个方面提供一种计算机设备。