[发明专利]综合能源系统综合需求响应特性的学习辨识方法及系统

说明书

综合能源系统综合需求响应特性的学习辨识方法及系统，方法包括：采集综合能源系统的外部历史运行数据，采用长短时记忆神经网络建立等值封装模型；对等值封装模型进行测试验证，以外部历史运行数据对等值封装模型预测结果的综合边际效益最优且等值封装模型预测结果误差最小为目标，更新长短时记忆神经网络；利用等值封装模型对综合能源系统综合需求响应特性进行学习辨识。本发明解决传统固定参数的综合需求响应模型在动态变化场景下的适应性不足问题，更有效计及多能之间的耦合交互关系以及各类负荷需求的时序关系，实现对综合能源系统动态时变、相互耦合交织的需求响应特性及调控潜力的深度挖掘，为综合能源系统的规划设计、优化运行等奠定基础。

技术领域

本发明属于配电技术领域，更具体地，涉及综合能源系统综合需求响应特性的学习辨识方法及系统。

背景技术

近年来，可再生能源相关技术发展迅速，能源系统的源端与受端的多样化发展以及能源传输与设备的革新促使能源系统之间的耦合进一步加深，综合能源系统是能源互联网的重要物理载体，是多能互济、能源梯级利用等理念实现应用的关键。而对于综合能源系统中电、热、气等多元负荷构成的综合需求响应特性建模则是充分挖掘综合能源系统负荷侧资源的可调可控潜力，辨识多元负荷的时空互补替代转化能力，实现源网荷互动的重要技术。因此如何研究辨识综合能源系统中的综合需求响应特性，实现多种能源之间的需求互补替代转换，进而引导用户改变用能负荷的方式，削峰减谷，对于实现综合能源系统的优化运行将起关键的导向作用，迅速成为了国内外研究热点。

现有技术中，针对能源系统的需求响应特性的辨识研究，传统的方法大多是某种单一负荷类型的独立辨识。在电力负荷需求响应特性辨识方面，主要包括矢量自回归模型、多元线性回归法、整合移动平均自回归模型等传统时间序列数据分析方法；而在冷、热负荷需求响应特性辨识方面，传统的方法大多是回归分析与随机森林；在天然气负荷需求响应特性辨识方面，主要方法则包括果蝇优化算法，模拟退火算法和支持向量机多种模型相结合的集成算法。但是以上这些单一能源负荷的需求响应特性辨识方法往往只能用于特定能源的需求响应特性辨识或者综合能源系统中能源种类较少、耦合度较低的场合，而在高耦合度、高不确定性的新型综合能源系统中，由于各能源的响应时间尺度不一，特性差异大，这些方法将不再适用。尽管相关专利开始关注综合能源系统的综合需求响应技术，如专利CN112583021A建立了计及转移型负荷响应、替代型负荷响应以及可调节冷热负荷响应的综合需求响应模型，并将其用于综合能源系统优化调度。专利CN110378729B提出了分布式梯度投影迭代算法，实现了基于动态能源定价的综合能源系统综合需求响应建模。但这些专利中的综合需求响应模型大都是基于灵敏度分析构造的固定参数的响应模型，而实际上冷、热、电、气各类负荷的需求响应能力会随用户行为，外部环境不确定性等多重影响下而动态变化，因此这些基于固定参数的需求响应模型在动态变化场景下的误差会较大，且难以实现对综合能源系统动态时变的需求响应潜力的深度挖掘。因此，目前迫切需要一种考虑多能源耦合、时空互补替代转换的综合能源系统需求响应特性的自学习和动态辨识方法。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供综合能源系统综合需求响应特性的学习辨识方法及系统，实现对多能源高度耦合下的综合能源系统的综合需求响应特性的辨识分析，解决传统固定参数的综合需求响应模型在动态变化场景下的适应性不足问题，更有效计及多能之间的耦合交互关系以及各类负荷需求的时序关系，实现对综合能源系统动态时变、相互耦合交织的需求响应特性及调控潜力的深度挖掘，为综合能源系统的规划设计、优化运行等奠定基础，对探究不同能源内部运行机理、推广能源先进技术具有重要的理论和现实意义。

本发明采用如下的技术方案。

本发明一方面提出了一种综合能源系统综合需求响应特性的学习辨识方法，包括：

步骤1，获取综合能源系统的外部历史运行数据，利用外部历史运行数据构造训练集与测试集；其中，外部历史运行数据与综合能源系统的结构无关；

步骤2，采用长短时记忆神经网络对训练集进行学习训练，建立综合能源系统的等值封装模型；