买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖南大学

摘要：本发明提供了一种多能源系统多类型负荷联合预测方法及系统。该方案包括获得历史气象数据和负荷测量数据，在剔除异常时间序列数据和补全缺失数据后，对数据单独归一化处理，生成时间序列样本集；获取季节的时间划分节点，将所述时间序列样本集按照四季划分，计算每个季节的耦合相关性，生成多能预测模型的输入数据；搭建每个季节的双向长短期记忆神经网络负荷预测模型，输入训练样本进行预测模型学习训练并调整优化模型参数；将测试样本输入所述双向长短期记忆神经网络负荷预测模型，生成冷、热、电负荷预测结果。该方案通过考虑不同季节的负荷耦合关联，充分挖掘负荷变化规律，提高多能源系统负荷预测性能。

主权项：1.一种多能源系统多类型负荷联合预测方法，其特征在于，该方法包括：获得历史气象数据和负荷测量数据，在剔除异常时间序列数据和补全缺失数据后，对每个数据单独归一化处理，生成时间序列样本集；获取季节的时间划分节点，将所述时间序列样本集按照四季划分，计算每个季节的耦合相关性，生成多能预测模型的输入数据；搭建每个季节的双向长短期记忆神经网络负荷预测模型，输入训练样本进行预测模型学习训练并调整优化模型参数；将测试样本输入所述双向长短期记忆神经网络负荷预测模型，生成冷、热、电负荷预测值；所述获取季节的时间划分节点，将所述时间序列样本集按照四季划分，计算每个季节的耦合相关性，生成多能预测模型的输入数据，具体包括：获取季节的时间划分节点，将所述时间序列样本集按照四季时间节点划分为四个季节样本集；计算四个季节样本中冷负荷、热负荷、电负荷的最大互信息系数，衡量每个季节冷热电负荷的耦合相关性；根据负荷间互信息系数的统计值，建立联合特征选择方法；选择所述耦合相关性最大的负荷作为多能预测模型的输入数据；将所述多能预测模型的输入数据划分为训练样本集、验证样本集、测试样本集，其中，所述训练样本集占比80%，所述验证样本集占比10%，所述测试样本集占比10%；其中，所述最大互信息系数的计算公式如下： 其中，x为比较对象表示所分析的负荷特征数据，y为参考对象表示所参照的负荷特征数据，n为数据样本包含的数量，p为联合概率计算，a表示表示在二维空间中x方向上划分的网格数量，b表示在二维空间中y方向上划分的网格数量，MICx,y表示比较对象数据x和参考数据y之间的最大相互信息系数，取值范围在0到1之间；所述根据负荷间互信息系数的统计值，建立联合特征选择方法，具体包括：计算各负荷特征间的最大互信息系数，统计满足最大互信息系数大于阈值0.3以上的负荷特征数量；当所述负荷特征数量大于等于2，说明冷热电负荷特征间的耦合相关性强，联合选择冷热电负荷共同作为预测模型输入特征；当所述负荷特征数量为1，说明冷热电负荷中有两种负荷特征的耦合相关性强，联合选择耦合相关性强的两种负荷特征作为其预测模型的输入特征，另外一种负荷则单独进行预测；当所述负荷特征数量为0，说明冷热电负荷间耦合关联相互影响较弱，将冷热电负荷分别单独进行预测。

全文数据：

权利要求：

百度查询： 湖南大学 一种多能源系统多类型负荷联合预测方法及系统