10.13335/j.1000-3673.pst.2017.2368
基于深度结构多任务学习的园区型综合能源系统多元负荷预测
为进一步减轻环境压力,提高能源利用效率,综合能源系统已经成为了能源转型过程中一种重要的能源利用方式,电、热、气系统之间的联系更加的紧密.精确的能源需求预测将成为综合能源系统经济调度和优化运行中重要的一环.提出了基于深度结构多任务学习的短期电、热、气负荷联合预测方法.首先介绍了底层深度置信网络和顶层多任务回归的深度模型结构,其中深度置信网络作为无监督学习方法提取了抽象高级特征,多任务回归层作为有监督学习方法输出预测结果;其次建立含离线训练和在线预测的多元负荷预测系统,分析天气信息、历史信息、日历信息及经济数据的输入属性,提出验证模型预测精度的指标;最后,采用某综合能源系统的实际数据对算法的有效性进行了验证,结果显示深度学习和多任务学习在能源需求预测方面有较好的应用效果.
综合能源系统、多元负荷预测、深度学习、多任务学习
42
TM721(输配电工程、电力网及电力系统)
中央高校基本科研业务费专项资金2016XS10;国家自然科学基金项目51507061. 本文得到了” 电网技术国际标准研制201510207-3”项目的资助,谨此致谢.Fundamental Research Funds for the Central Universities2016XS10;National Natural Science Foundation of China51507061
2018-04-10(万方平台首次上网日期,不代表论文的发表时间)
共10页
698-706,中插1