基于Transformer网络和多任务学习的园区综合能源系统电-热短期负荷预测方法

负荷预测是综合能源系统（integrated energy system, IES）能量管理和优化调度的基础，其预测精度直接关系到系统的整体运行性能。提出了一种基于Transformer网络和多任务学习的园区综合能源系统电-热短期负荷预测模型。首先对Transformer网络和多任务学习结构的基本原理进行了介绍；然后通过基于随机森林的特征选择步骤提取反映负荷特性和变化规律的典型指标，构建多任务学习输入特征，基于Transformer网络构建多任务学习权值共享层，并通过全连接层输出多能负荷的预测值；最后通过实际园区微能源系统的数据验证所提方法和算法的有效性，结果表明本文所提模型可以充分学习电-热耦合特征，提高负荷预测的精度。