基于聚合混合模态分解和时序卷积神经网络的综合能源系统负荷修正预测

摘要：

为增强综合能源系统负荷精细化分解水平,充分利用误差信息以进一步提升预测性能,提出一种基于聚合混合模态分解和时序卷积神经网络(temporal convolutional network,TCN)的综合能源系统负荷修正预测框架.首先,采用改进完全集合经验模态分解对电、冷和热负荷初步分解处理,随后利用变分模态分解对具有强复杂性的子序列进一步分解.然后,依据最大信息系数(maximum information coefficient,MIC)分析多元负荷的耦合特性并通过多元相空间重构(multivariate phase space reconstruction,MPSR)丰富特征信息.最后,构建基于TCN的修正预测模型.以校园综合能源系统算例对比不同预测模型,结果显示所提修正预测框架的电、冷和热负荷预测均具有较低的平均绝对百分比误差,有效解决了预测中模态分解的模态混叠以及模态高频分量问题,实现预测误差修正.

关键词：综合能源系统负荷预测、混合模态分解、最大信息系数、时序卷积神经网络、误差修正

所属期刊栏目：46

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金51807109

在线出版日期：2022-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3345-3353