摘要
针对综合能源负荷易受气象因素影响及其异质能量耦合特性所导致的预测建模复杂、准确性不高等问题,提出了一种考虑温湿指数与耦合特征的负荷短期预测模型。首先,在深入挖掘多元负荷耦合特征的基础上,结合温湿指数构造计及多因素影响的输入变量;然后,利用核主成分分析(KPCA)法在确保信息有效的前提下完成对预测输入空间的降维处理,并基于门控循环单元(GRU)神经网络进行预测建模,进一步引入Attention机制实现重要特征的差异化提取;最后,选取某实际系统电、冷负荷数据进行仿真。仿真结果表明,基于KPCA-GRU-Attention模型的电、冷负荷短期预测结果的均方根误差和平均绝对百分误差分别为1 025 kW,2.7%和2 167 kW,2.9%,准确性得到了显著提升。所提方法能够在考虑多因素影响的基础上有效提高综合能源负荷的短期预测精度,实现了对用能需求的精准感知。
- 单位