[发明专利]一种综合能源系统多元负荷超短期预测方法

说明书

本发明提供了一种综合能源系统多元负荷超短期预测方法，包括：S1，建立典型综合能源系统用能结构模型；S2，定义综合能源系统多元负荷相关性评价指标；S3，建立综合能源系统日内超短期负荷预测输入数据集；S4，提出采用核主成分分析法对输入数据集进行降维解耦的处理方法；S5，采用交叉寻优得广义回归神经网络的最优带宽参数；S6，采用广义回归神经网络对数据进行预测处理。本发明基于综合能源系统多元负荷之间和负荷与天气因素之间存在的非线性相关性，采用核主成分分析法进而使用广义回归神经网络对多元负荷进行预测，提出了基于核主成分析和广义回归神经网络的超短期负荷预测模型。此预测模型适用于综合能源系统的超短期负荷预测。

技术领域

本发明涉及电力系统的综合能源系统负荷预测领域，具体涉及一种综合能源系统多元负荷超短期预测方法。

背景技术

可再生能源的消纳利用，供需协作、多能融合、高效配置是目前能源供给消费模式发展的方向^[4]。传统能源供给、传输、消费模式向新模式的变化重要特征就是高度的耦合，能源转换与分配更加协调、能源供给消费更加清洁安全，并且随着电力市场化改革、能源交易市场改革的推进，未来能源的消费体系将走向以终端消费为导向的综合能源系统(IES)。随之也将诞生新兴的综合能源服务商为不同终端用户用能需求服务。为了提升服务质量、满足用户用能需求、降低自身供能成本、提升市场竞争力，对用户侧用能结构特征分析及多元负荷预测是综合能源系统服务商必要的技术实力基础。此外，伴随着智能监测设备与大数据技术的不断发展，数据庞大、结构复杂的综合能源数据得以记录，以机器学习算法、大数据挖掘为代表的数据处理方式也将广泛被利用在能源供应领域。因此，深入分析用户用能行为，对终端能源需求预测迫在眉睫。

未来的电力系统是一个源荷双侧随机性系统，在源荷双侧随机性电力系统中，由于可再生能源具有随机性、间歇性和波动性特点，难以对其进行准确预测。这是对电网运行产生不利影响的主要原因，间歇性、波动性较大的可再生能源发电给电源侧带来随机因素，使得源侧不能完全可控。这种源荷双侧随机性特征对电力系统安全稳定、经济运行带来了一系列挑战，影响电力系统的实时供需平衡，增大了系统调度决策的难度。未来电网调度技术的关键问题在于如何应对系统发电侧可再生能源出力具有的强随机波动性、反调峰特性和需求侧日益增长的随机性，在风电、需求预测的基础上，统筹优化安排机组出力和各类调度资源，满足风电、多元负荷随机波动情况下的实时功率供需平衡。

发明内容

针对现有技术的不足，本发明提出了一种综合能源系统多元负荷超短期预测方法，所述方法包括以下步骤：

步骤S1，建立典型综合能源系统用能结构模型；

步骤S2，定义综合能源系统多元负荷相关性评价指标；

步骤S3，建立综合能源系统日内超短期负荷预测输入数据集；

步骤S4，提出采用核主成分分析法对输入数据集进行降维解耦的处理方法；

步骤S5，采用交叉寻优得广义回归神经网络的最优带宽参数；

步骤S6，采用广义回归神经网络对数据进行预测处理；

步骤S7，广义回归网络预测输出结果数据集。

可选地，主要多元负荷包括电负荷、热负荷、冷负荷。相关影响因素取温度、湿度。

可选地，所述步骤S2中对电负荷、热负荷、冷负荷、温度、湿度之间的非线性相关进行分析。非线性定量采用Spearman秩相关系数来进行描述。

可选地，所述步骤S3包括：假设对第d天的t时刻电、热、冷负荷进行预测，则输入数据矩阵如下：

其中，为电负荷历史数据，为热负荷历史数据，为冷负荷历史数据，T_d,M_d为温度、湿度历史数据。