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。