基于耦合特征与多任务学习的综合能源系统短期负荷预测

在区域型综合能源系统（IES）内各负荷间耦合程度逐渐增强和对更准确、可靠的用能预测需求日益提高的背景下,提出一种基于耦合特征构造及多任务学习的IES冷热电负荷短期预测方法。首先,从特征工程的角度利用耦合特征挖掘算法构造IES冷热电负荷耦合特征变量,提取不同能源负荷需求间的耦合特征,进而将负荷历史数据、耦合特征变量及气温等外生变量作为模型输入,利用多任务学习的共享机制建立IES的负荷预测模型,使得各能源预测子任务间的高维特征及模型参数能够通过基于长短期记忆神经网络搭建的共享学习层相互借鉴,以实现对负荷间耦合特征的充分挖掘和利用。以美国亚利桑那州立大学坦佩校区IES为例,通过预测结果精度对比和深度学习模型可解释性研究,证明所提出的预测方法可以有效提高区域型IES冷热电短期负荷预测的精度。     

基于LSTM和多任务学习的综合能源系统多元负荷预测

随着综合能源利用技术的不断发展与用户用能需求的多元化,现有单一负荷预测方法难以反映多元负荷间的耦合特性,精确的多元负荷预测将成为综合能源系统优化调度和经济运行的首要前提.基于此,提出一种以长短时记忆神经网络作为共享层的多任务学习负荷预测方法,经由共享层模拟多元负荷间的耦合特性,进而达到提升预测精度的目的.首先,以"硬共...     

基于MMoE多任务学习和长短时记忆网络的综合能源系统负荷预测

精确的多元负荷预测是实现综合能源系统优化调度与经济运行的关键技术。在考虑多元负荷相关性的基础上,提出一种基于MMoE多任务学习和长短时记忆网络(LSTM)的多元负荷预测方法。利用皮尔逊相关系数分析冷热电负荷及气象因素存在的强相关性和弱相关性;构建MMoE多任务学习模型,利用专家子网和门控单元学习多元负荷间耦合特性的差异;使用LSTM构建子任务模型,对多元负荷进行预测。利用公开数据集进行性能验证,结果表明所提基于MMoE多任务学习和LSTM的模型能够有效提升多元负荷预测精度。     

基于多任务学习和单任务学习组合模型的综合能源系统多元负荷预测

针对气象因素对多元负荷变化的灵敏度差异及多元负荷间耦合强度的差异导致多任务学习(multi-tasklearning,MTL)预测模型精度受限的问题,该文提出一种MTL和单任务学习(single-tasklearning,STL)组合的多元负荷预测方法。首先使用基于长短期记忆(long and short-term memory,LSTM)网络的MTL模型提取多元负荷间的耦合信息进行初步预测;然后采用基于前置双重注意力长短期记忆(dual attention before LSTM,DABLSTM)网络的STL模型减少输入噪声进行二次预测;同时将初步的预测值输入STL模型,使得STL模型可以考虑未来的时序信息;最后,通过全连接层对两个模型的预测结果进行融合得到最终的预测结果。实验结果表明,所提组合模型相比单一的MTL和STL模型具有更高的预测精度。     

含电-热-冷-气负荷的园区综合能源系统经济优化调度研究

综合能源系统是实现各能源系统间有机协调优化的重要途径。剖析电-热-冷-气4个子系统,构建以建设运行总成本为目标的园区综合能源系统经济优化调度模型;其次,利用非线性问题处理办法将所构建的调度模型转化为混合整数规划问题;最后,基于子系统独立运行和耦合调度的2种场景,结合分时电价调用混合整数规划软件对模型进行求解。结果显示,相对于独立运行方式,各子系统耦合调度运行能够灵活组合各能源转换设备,大大降低系统外部购能和系统总成本。     

基于MMoE-TCN的综合能源系统短期多元负荷预测

准确的短期多元负荷预测是确保综合能源系统可靠经济运行的必要前提。针对现有模型预测精确度不高的问题,本文提出一种基于改进最大信息系数相关性分析和MMoE-TCN多任务学习的负荷预测方法。首先,采用改进的最大信息系数相关性分析方法筛选目标预测负荷的特征序列集。然后,建立基于参数软共享机制的MMoE多任务学习模型,通过专家子网和门控单元合理分配子任务的共享特征信息,挖掘多元负荷间的耦合特性,进而使用时间卷积神经网络构建子任务模型,用于负荷预测。最后,使用IES公开数据集进行算例分析,其误差均低于MTL-TCN、MTL-LSTM和LSTM模型,验证了本文所提方法有较高的预测准确度。     

基于重构误差和极端模式识别的综合能源系统短期负荷预测

综合能源系统的运行场景存在极端模式,且含有异常数据,亟剧增加了综合能源负荷预测的难度。该文提出基于极端模式识别和误差重构的综合能源系统极端模式短期负荷预测方法,通过极端模式的识别,异常数据的检测,提高综合能源负荷预测的精度。首先,基于最小累积距离的综合能源负荷数据聚类,识别系统的极端模式;然后,利用深度学习模型的残差和聚类误差进行误差重构,检测异常数据;最后,采用改进的Stacking集成学习方法,进行极端模式的综合能源负荷预测。将所提方法应用于典型的综合能源系统,并与已有方法比较,实验结果表明,所提方法能够很好地解决极端模式的综合能源系统短期负荷预测问题。     

基于IPSO-WNN的综合能源系统短期负荷预测

针对传统小波神经网络(WNN)综合能源系统负荷预测模型存在收敛速度、易陷入局部最优等缺点而导致预测精度不高的问题,文中提出了一种基于改进粒子群(IPSO)的WNN综合能源系统短期负荷预测方法。利用Pearson系数对各影响因素进行分析,选择合适的因素作为综合能源负荷预测的输入量;对传统粒子群算法进行改进,在PSO中引入混沌算法并根据粒子适应度采用不同的粒子惯性权重选择策略;基于IPSO建立了WNN综合能源系统短期负荷预测模型。通过案例验证,基于IPSO的WNN预测模型相比于传统WNN预测模型,预测精度明显提升。     

考虑柔性电负荷和热负荷的综合能源系统容量优化配置

柔性负荷参与调度能够削峰填谷、优化负荷曲线,降低系统成本。考虑可平移负荷、可转移负荷和可削减负荷建立了电力柔性负荷模型;根据用户对温度感知的模糊性建立了热力柔性负荷模型;采用混合整数线性规划方法,以经济成本最小和一次能源消耗量最少为目标,对综合能源系统进行配置优化,得到各个设备的最佳容量和各时段出力。算例结果表明,通过调度柔性电负荷和灵活调整室内温度,可促进可再生能源消纳、优化电负荷和热负荷曲线,从而提高风机装机容量、降低燃气轮机容量和蓄热罐容量、提高系统经济性、降低一次能源消耗量、提高可再生能源渗透率。     

基于生-光耦合利用的乡村电-热综合能源系统规划

中国农村地区的太阳能、生物质能等可再生能源十分丰富,但能源利用率较低,污染较为严重。针对生物质能、太阳能等清洁可再生能源接入的乡村场景,考虑热网传输特性与农业生产负荷可调性,提出了一种基于生-光耦合利用的乡村电-热综合能源系统多目标规划方法。首先,基于生物质与太阳能资源的耦合利用构建了乡村综合能源系统典型架构,同时对热网虚拟储能功能、农业生产可调控负荷以及系统关键设备进行建模分析,并提出相关运行策略;其次,构建了兼顾经济性、环保性以及能效性的乡村综合能源系统规划优化模型,考虑投资能力、设备运行和能量平衡等约束,采用基于莱维飞行的粒子群优化算法(particle swarm optimization algorithm based on Levy flight, LPSO)求解规划优化方案;最后,以中国北方某县所属村镇为例进行规划仿真,结果表明所提方法是合理且有效的。     

基于ResNet-LSTM网络和注意力机制的综合能源系统多元负荷预测

综合能源系统中多种负荷之间可能存在复杂的、较强的相互耦合关系.相对于对各类负荷进行单一独立的预测,直接开展多元负荷预测能够进一步挖掘负荷之间的内在联系,提高预测准确度.该文提出一种基于ResNet-LSTM网络和注意力机制的多任务学习模型,用于拟合多能负荷之间的空间耦合关系和时间耦合关系.首先,采用多层ResNet作为...     

基于GRU-TGTransformer的综合能源系统多元负荷短期预测

综合能源系统的多元负荷短期预测,对系统的优化调度和经济运行至关重要。多元负荷之间耦合关系紧密,Transformer作为一种完全建立在自注意力机制上的模型,能很好地分析多元负荷之间的内在联系。传统Transformer模型针对自然语言类问题而设计,难以直接应用于多元负荷预测。为此,提出一种GRU-TGTransformer(GRU-Talkinghead-Gated residuals-Transformer)模型。该模型采用门控循环单元代替原有的词嵌入及位置编码环节,对输入数据进行特征融合,取得具备相对位置信息的高维特征数据。通过在多头自注意力环节引入交流机制,提高多头自注意力的表达效果。为进一步强化网络结构,在残差连接中引入门控单元,提高模型在时序预测问题上的稳定性。以美国亚利桑那州立大学坦佩校区的综合能源系统为算例,通过对所提出模型与传统模型之间进行对比分析,证明所提出的模型具有更高的预测精度。     

基于XGBoost-MTL的综合能源系统多元负荷预测

精确的多元负荷预测是综合能源系统(integrated energy system,IES)优化调度和稳定运行的前提。针对IES中多元负荷之间耦合关系复杂以及影响负荷预测的因素众多等问题,文中提出一种基于极限梯度提升(extreme gradient boosting,XGBoost)与多任务学习(multi task learning,MTL)的多元负荷预测方法。首先通过XGBoost重要度排序得到各影响因素对于多元负荷的贡献度,依据贡献度来选取影响负荷预测的关键性因素作为预测模型的输入,保证了输入特征对于多元负荷预测有效的修正作用;其次以门控循环单元(gated recurrent unit,GRU)作为共享层来搭建MTL预测模型,各子任务通过共享信息来有效利用各负荷之间复杂的耦合关系;最后以上海某综合能源站的负荷数据为例对文中所提模型的有效性进行验证。结果表明:该模型能够适应实际综合能源系统中各类负荷的变化,有效提高预测精度并减少训练时间。     

考虑热备用的气-电耦合园区综合能源系统弹性调度

随着气-电耦合园区综合能源系统IEGS(integrated electricity and gas community system)内部能源耦合程度的逐渐增强和其日益增长的供能可靠性需求,制定合理有效的调度策略增强系统对供能端故障的适应性愈加重要。为此,计及IEGS电、气互补运行特性,制定了考虑蓄热装置热备用的气、电互补多阶段弹性调度策略。首先,计算各个时刻发生气源、电源故障时满足重要负荷所需的最小储能备用容量;然后,基于备用信息进行考虑热备用约束的日前经济调度,若发生源端故障,系统切换至故障运行模式,优先保证重要负荷供能;最后,选取夏季运行日数据进行调度策略的验证分析。结果表明,考虑热备用的IEGS气、电互补弹性调度策略可在不明显改变运行成本的情况下提升系统对源端故障的适应性,保证故障域内重要负荷的可靠供给,具有较强的运行弹性。     

面向区域综合能源系统的电-气负荷联合预测研究

能源互联网中电力系统与天然气系统的依赖增强,给综合能源系统中电力系统与天然气系统的负荷预测带来了更高的挑战。文中提出了基于长短记忆网络与权值共享的电-气联合负荷预测方法。文中在预测模型中使用了相关系数对天气因素进行了分析,提取了对两种负荷的重要气象因素,将长短记忆网络作为主要预测算法,权值共享模式分析了电-气两种负荷之间的相关性。算例中使用云南省综合能源系统示范工程数据对算法有效性进行了验证,结果显示该算法有效提高了综合能源系统中电力与天然气负荷预测的精度,有着较高的应用价值。     

基于径向基函数神经网络的综合能源系统多元负荷短期预测

准确的能源负荷预测对综合能源系统的经济调度和优化运行有着重要的影响。提出一种基于径向基函数神经网络（radial basis function neural network,RBF-NN）模型的综合能源系统电、气、热多元负荷短期预测方法。首先利用Copula理论对电、气、热负荷进行相关性分析,建立了电、气、热负荷和温度的时间序列;接着设计RBF-NN网络模型结构,采用K-means聚类算法对隐含层节点进行优化;最后通过国内某园区综合能源系统的实际数据对模型进行验证。通过3个案例结果的比较,验证了文中提出的方法可以有效地考虑电、气、热负荷之间的耦合关系,具有较高的预测精度。     

基于投影积分的气-电耦合园区综合能源系统动态仿真方法

在充分考虑电力、燃气系统及其相互转化特性的基础上,建立了气-电耦合园区综合能源系统动态仿真模型,并根据动态过程的时间尺度对刚性系统进行划分;在此基础上,基于投影积分理论,提出一种适用于气-电耦合园区综合能源系统的高效率动态仿真方法,采用内部积分器以小步长的显式和隐式欧拉法交替求解来精细刻画快动态过程,采用外部积分器以可变大步长二阶牛顿插值高效求解慢动态过程,且在计算过程中能够有效计及故障扰动等事件的影响;对算法的数值精度进行分析。基于典型算例的算法测试表明,所提方法能够有效实现多场景下的气-电耦合系统快速稳定求解,在保证精度的前提下有效提升仿真效率。     

综合能源系统整体架构设计及负荷预测

综合能源系统可有效减轻化石能源依赖、提升可再生能源利用水准,然而该类能源系统供能环节繁杂,耦合能源类型众多,合理规划并精准预测负荷势在必行。借助能源节点构建系统整体架构并对负荷做出预测。预测模型采用四类算法训练对应基学习器,借助已有结果训练元学习器从而得到最终结果,并选取欧洲ENTSO提供的瑞士多年份电力负荷数据佐证该模型的有效性。算例结果显示本文模型预测精度高于现有模型,可有效预测波动负荷,契合该类能源系统负荷预测场景。     

数据驱动的综合能源系统负荷预测综述

为了进一步提高能源的利用效率,综合能源系统(integrated energy system,IES)使各种能源系统间联系更加紧密,已经成为能源转型过程中一种重要的能源利用方式.IES负荷预测作为IES需求侧能量预测的重要方面,已经成为IES规划与运行调度的首要前提,要求有效地学习多类能源耦合信息,并准确地对多元化用能...     

基于数据驱动的电-热互联综合能源系统线性化潮流计算

电-热互联综合能源系统非线性潮流方程的线性化处理是简化电-热互联综合能源系统运行与控制分析计算的一种重要方法。基于偏最小二乘法及最小二乘法对电-热互联综合能源系统的历史数据进行处理，构建热网中节点热功率到管道流量、节点供水温度和回水温度的回归模型以及电网中节点有功和无功功率注入到节点电压相角和幅值的回归模型。结合电-热耦合单元的模型，提出一种基于数据驱动的电-热互联综合能源系统潮流线性化模型，通过历史数据与物理模型的融合克服了传统物理模型的数值稳定性问题。