[发明专利]一种综合能源系统中电负荷和热负荷的联合预测方法

摘要

本发明实施例公开了一种综合能源系统中电负荷和热负荷的联合预测方法，先收集综合能源系统电负荷、热负荷历史数据；以及对应的太阳辐射、风力、温度、湿度、气压历史数据；对历史数据进行检验与归一化，得到样本数据；采用主成分分析法选取影响电负荷和热负荷的重要气象因素；将归一化后的样本数据划分为训练数据和测试数据，向LSTM深度神经网络模型中输入训练样本并训练网络模型；在TensorFlow深度学习框架中对LSTM深度神经网络模型进行训练，保存神经网络模型权值；加载保存的LSTM深度神经网络模型，对测试数据进行预测模拟，得到预测的电负荷功率和热负荷功率；采用平均绝对误差百分比和均方根误差的平均值对电负荷和热负荷的预测结果进行评价。

主权项

1.一种综合能源系统中电负荷和热负荷的联合预测方法，其特征在于，包括如下步骤：/n步骤100、收集综合能源系统电负荷、热负荷历史数据，以及对应的太阳辐射、风力、温度、湿度、气压历史数据；/n步骤200、对收集的历史数据进行检验与归一化，得到样本数据；/n步骤300、采用主成分分析法选取影响电负荷和热负荷的重要气象因素；/n步骤400、将归一化后的样本数据划分为训练数据和测试数据，向LSTM深度神经网络模型中输入训练样本并训练网络模型；/n步骤500、在TensorFlow深度学习框架中对LSTM深度神经网络模型进行训练，当LSTM神经网络模型的损失函数的误差小于设定值ε₂或者迭代次数达到训练最大次数时，训练停止，保存神经网络模型权值；/n步骤600、加载保存的LSTM深度神经网络模型，对测试数据进行预测模拟，得到预测的电负荷功率和热负荷功率；/n步骤700、采用平均绝对误差百分比和均方根误差的平均值对电负荷和热负荷的预测结果进行评价。/n