科研之友
微信
新浪微博
Facebook
分享链接
摘要
综合能源系统中风电、光伏等可再生能源出力具有波动性和间歇性，精准的短期负荷预测有利于平抑可再生能源对系统运行的影响。系统中的多元负荷时间序列为典型的非平稳性信号，难以进行精准地预测。为了从数据层面提高综合能源系统短期负荷预测模型的精度，提出基于自适应局部迭代滤波（ALIF）的历史负荷数据分解方法，将历史负荷序列分解为具有不同频段模态函数的多个分量；针对预测模型训练中长时间序列处理困难及系统中多元负荷间耦合信息挖掘利用的问题，建立基于长短期记忆（LSTM）网络多任务学习的综合能源系统短期负荷预测模型。实验结果显示，与LSTM、ALIF-LSTM单任务学习、随机森林、LGBM方法相比，所提方法能够应对负荷波动剧烈的工况，预测精度较高，满足综合能源系统安全稳定运行控制的要求。
-
单位特种装备制造与先进加工技术教育部; 浙江工业大学; 浙江华云电力工程设计咨询有限公司
