基于MMoE-TCN的综合能源系统短期多元负荷预测

摘要：

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.

关键词：综合能源系统(IES)、多元负荷预测、改进的最大信息系数、MMoE多任务学习、时间卷积神经网络(TCN)

所属期刊栏目：45

分类号：TM715+.1;TM744(输配电工程、电力网及电力系统)

资助基金：国网甘肃省电力公司科技项目522722200032

在线出版日期：2023-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：39-45,38