[发明专利]一种综合能源系统负荷预测方法及装置

说明书

本发明提供了一种综合能源系统负荷预测方法及装置，该方法包括：接收目标地区的各种能源的消耗历史数据以及天气历史数据；根据消耗历史数据、天气历史数据以及预生成的能源系统负荷预测模型预测目标地区的能源系统负荷，其中，能源系统负荷预测模型是基于卷积神经网络以及长短期记忆网络所生成的；在能源系统负荷预测模型下，计算消耗历史数据的多个影响因素各自的Shapley值；根据Shapley值确定对多个影响因素的重要性进行排序。本发明一方面建立了基于卷积‑长短期记忆神经网络的综合能源系统负荷高精度预测模型；另一方面，本发明基于Shapley值揭示了预测模型中各影响因素对总能耗的贡献。

技术领域

本发明涉及能源系统负荷检测技术领域，具体涉及一种综合能源系统负荷预测方法及装置。

背景技术

现有技术中的各能源系统单独规划、运行的模式由于存在能源利用效率低、灵活性差等缺点，已然不能满足绿色用能的需要。

发明内容

针对现有技术中的问题，本发明一方面首次建立了基于卷积-长短期记忆神经网络的综合能源系统负荷高精度预测模型；另一方面，本发明实现了根据能源系统运行 数据提取其时间及空间维度上的信息特征，准确预测能源系统负荷；第三方面，本发 明实现了基于模型的预测结果，解释了不同样本特征对区域负荷的影响程度，改善了 传统深度学习模型的黑箱不可解释性。

第一方面，本发明提供一种综合能源系统负荷预测方法，包括：

接收目标地区的各种能源的消耗历史数据以及天气历史数据；

根据所述消耗历史数据、天气历史数据以及预生成的能源系统负荷预测模型预测所述目标地区的能源系统负荷，其中，所述能源系统负荷预测模型是基于卷积神经网 络以及长短期记忆网络所生成的；

在所述能源系统负荷预测模型下，计算所述消耗历史数据的多个影响因素各自的Shapley值；

根据所述Shapley值确定对所述多个影响因素的重要性进行排序。

一实施例中，生成所述能源系统负荷预测模型的方法包括：

根据预生成的卷积神经初始网络以及长短期记忆初始网络生成所述能源系统负荷预测模型的初始模型；

根据多个地区的各种能源的消耗历史数据、天气历史数据以及对应的能源系统负荷生成训练数据；

根据所述训练数据对所述初始模型进行训练，以生成能源系统负荷预测模型。

一实施例中，所述根据所述消耗历史数据、天气历史数据以及预生成的能源系统负荷预测模型预测所述目标地区的能源系统负荷，包括：

将所述目标地区的各种能源的消耗历史数据以及天气历史数据输入至所述卷积神经网络中，以对所述目标地区的各种能源的消耗历史数据以及天气历史数据进行筛 选；

将筛选后的目标地区的各种能源的消耗历史数据以及天气历史数据输入至所述长短期记忆网络中，以提取所述目标地区的各种能源的消耗历史数据以及天气历史数 据的时间特征数据；

根据所述时间特征数据以及所述能源系统负荷预测模型预测所述目标地区的能源系统负荷。

一实施例中，所述在所述能源系统负荷预测模型下，计算所述消耗历史数据的多个影响因素各自的Shapley值，包括：

根据多个影响因素、影响因素的数量以及影响因素的特征函数计算所述Shapley值。

第二方面，本发明提供一种综合能源系统负荷预测装置，该装置包括：

数据接收模块，用于接收目标地区的各种能源的消耗历史数据以及天气历史数据；