基于LSTM和多任务学习的综合能源系统多元负荷预测.pdf

第 45 卷 第 5 期 2021 年 3 月 10 日 Vol. 45 No. 5 Mar. 10，2021
DOI：10. 7500/AEPS20200306002
基于 LSTM 和多任务学习的综合能源系统多元负荷预测
孙庆凯 1，王小君 1，张义志 1，张 放 1，张 沛 1，高文忠 1，2
（1. 北京交通大学电气工程学院,北京市 100044;2. 丹佛大学电气与计算机工程学院,丹佛 80208,美国）
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。
关键词：综合能源系统;多元负荷预测;多任务学忆神经网络
0 引言 林迸行短期负荷预测。文献［10］采用模糊信息粒化
法处理历史数据,并在此基础上建立支持向量机迸
传统能源系统单独规划、设计和独立运行的模
行短期负荷预测。但随着可再生能源接入、需求侧
式人为割裂了不同类型能源间的耦合关系,限制了
响应等新因素的加入,传统机器学习方法也遭遇了
系统运行可靠性和灵活性,不再适合社会发展。必
瓶颈。
然需要打破行业壁垒,由过去电、热、冷分产分供发
近些年来,以深度学习为代表的前沿机器学习
展模式转变为多能联合规划运行模式［1-2］。在转型