基于LSTM和多任务学习的综合能源系统多元负荷预测

• 作者: 孙庆凯 王小君 张义志 张放 张沛 高文忠
• 来源期刊: 电力系统自动化
• 关键词: 综合能源系统 多元负荷预测 多任务学习 长短时记忆神经网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 学术研究
• 页码范围: 63-70
• 页数: 8页
• 语种: 中文
• DOI: 10.7500/AEPS20200306002

摘要

随着综合能源利用技术的不断发展与用户用能需求的多元化,现有单一负荷预测方法难以反映多元负荷间的耦合特性,精确的多元负荷预测将成为综合能源系统优化调度和经济运行的首要前提.基于此,提出一种以长短时记忆神经网络作为共享层的多任务学习负荷预测方法,经由共享层模拟多元负荷间的耦合特性,进而达到提升预测精度的目的.首先,以"硬共享机制+长短时记忆共享层"方式构建多任务学习负荷预测模型,利用共享机制学习不同子任务提供的耦合信息.其次,通过神经网络可解释性技术对离线训练结果进行可视化解释,证实了所构建模型能够利用子任务提供的耦合信息来提高预测精度.最后,与传统模型进行对比分析,结果表明所构建模型在预测精度和时间上具有更好的应用效果.