[发明专利]基于季节分解的短期冷热电负荷联合预测方法及装置

说明书

本发明适用于能源系统技术领域，提供了一种基于季节分解的短期冷热电负荷联合预测方法及装置，所述方法包括：获取待预测时段的天气预测数据以及目标能源系统在待预测时段对应历史时段的多个不同类型的负荷数据；分别对历史时段各个类型的负荷数据进行分解，得到各个类型负荷数据对应的趋势及循环分量、季节分量和不规则分量；将历史时段各个类型负荷数据的同种分量同时输入至对应的一个预测模型中进行预测，得到待预测时段各个类型负荷的数据预测值。本发明在预测过程中考虑了各个负荷之间的耦合性，能够有效提高对能源系统的负荷预测精度。

技术领域

本发明属于能源系统技术领域，尤其涉及一种基于季节分解的短期冷热电负荷联合预测方法及装置。

背景技术

负荷预测对能源系统的调度管理具有十分重要的意义。能源系统例如能源互联网、冷热电联供系统等，相应的，负荷预测即对能源互联网或冷热电联供系统中的冷、热、电负荷进行短期预测。

然而，现在的负荷预测研究都是只对单一的负荷进行预测，没有考虑不同种类负荷之间内部的关联性以及各种负荷的规律性、季节性，导致负荷预测精度较低。对能源互联网而言，如果冷热电负荷的预测精度过低，则会干扰到能源互联网的稳定运行以及能源互联网中冷热电负荷的供求平衡；对冷热电联供系统而言，如果冷热电负荷的预测精度过低，则会对冷热电联供系统的优化设计、运行调度和能量管理等方面产生不利的影响。

发明内容

有鉴于此，本发明实施例提供了一种基于季节分解的短期冷热电负荷联合预测方法及装置，以进一步提高对能源系统的负荷预测精度。

本发明实施例的第一方面提供了一种基于季节分解的短期冷热电负荷联合预测方法，包括：

获取待预测时段的天气预测数据以及目标能源系统在待预测时段对应历史时段的多个不同类型的负荷数据；

对负荷数据进行分解，得到各类型负荷数据对应的趋势及循环分量、季节分量和不规则分量；

将天气预测数据和各类型负荷数据的趋势及循环分量输入至第一预测模型，得到待预测时段各类型负荷数据的趋势及循环分量；将天气预测数据和各类型负荷数据的季节分量输入至第二预测模型，得到待预测时段各类型负荷数据的季节分量；将天气预测数据和各类型负荷数据的不规则分量输入至第三预测模型，得到待预测时段各类型负荷数据的不规则分量；

基于待预测时段各类型负荷数据的趋势及循环分量、季节分量和不规则分量，确定待预测时段各类型负荷的数据预测值。

可选的，多个不同类型的负荷数据包括冷负荷数据、热负荷数据和电负荷数据。

可选的，对负荷数据进行分解的模型为X-12-ARIMA乘法模型；

X-12-ARIMA乘法模型的公式为：

Y_t＝T_tS_tI_t

式中，Y_t为原始数据序列，原始数据为某一个类型的负荷数据，T_t为趋势及循环分量，S_t为季节分量，I_t为不规则分量。

可选的，第一预测模型、第二预测模型、第三预测模型均为预训练的ILBLS模型；对于任意一个预测模型，该预测模型的训练过程包括：

获取多个第一历史时段内的真实天气数据和各个类型负荷数据的目标分量，以及将各个第一历史时段作为训练过程中的待预测时段，并获取各个第一历史时段对应第二历史时段内各个类型负荷数据的目标分量，得到第一训练集；其中，目标分量为趋势及循环分量、季节分量和不规则分量中该预测模型对应的某一个分量，第二历史时段早于对应的第一历史时段；