【目的】随着能源消费趋向多样化,多元负荷预测对于综合能源系统(integrated energy system,IES)优化调度与运行规划的重要作用日益凸显。【方法】针对目前综合能源系统负荷预测研究中往往忽略多元负荷间耦合关系的问题,提出一种基于多...
详细信息
【目的】随着能源消费趋向多样化,多元负荷预测对于综合能源系统(integrated energy system,IES)优化调度与运行规划的重要作用日益凸显。【方法】针对目前综合能源系统负荷预测研究中往往忽略多元负荷间耦合关系的问题,提出一种基于多能需求响应与改进双向长短期记忆(bi-directional long short-term memory,BiLSTM)神经网络的综合能源系统多元负荷联合预测方法。首先,综合用户需求响应行为构建多能需求响应的输入特征变量,并与最大信息系数筛选出的多元负荷预测强相关特征共同构成预测模型的输入特征集;其次,基于混沌映射理论和精英反向学习策略对冠豪猪优化算法进行改进,以优化双向长短期记忆神经网络的模型参数;最后,基于多头自注意力机制自适应调整输入特征权重。【结果】仿真结果表明,所提多元负荷联合预测方法的预测精度相较于单一负荷预测方法有显著提升,与未考虑需求响应的多元负荷预测方法相比,电、热、冷负荷的平均绝对百分比误差分别降低了6.59%、13.04%和24.86%。此外,与其他预测模型相比,所提模型在提高预测精度方面更为有效,能够实现更为精准的多元负荷预测。【结论】同时,将所提负荷预测与综合能源系统调度结合,分析其带来的经济效益。与普通调度相比,引入所提负荷预测方法的系统总运行成本减少了16.49%,能够实现IES综合效益的提升。
暂无评论