[发明专利]基于LSTM的园区多能短期负荷预测及优化方法

权利要求书

1.一种基于LSTM的园区多能短期负荷预测及优化方法，其特征在于，包括以下步骤：

对获取到的园区多能源系统的负荷历史数据进行特征提取，获得大负荷下的短期负荷历史数据集；所述大负荷下的短期负荷历史数据集包括各大负荷下历史时刻的环境参数下的供冷负荷功率、供热负荷功率、用气负荷功率和用电负荷功率；

采用所述大负荷下的短期负荷历史数据集训练基于深度学习的多能负荷功率预测模型，获得训练好的多能负荷功率预测模型，模型输出为当前时刻的环境参数下的供冷负荷功率、供热负荷功率、用气负荷功率和用电负荷功率；

对获取到的园区多能源系统的与负荷历史数据相对应的储能控制参数进行特征提取，获得控制参数数据集；所述控制参数数据集包括分别与各大负荷下历史时刻的环境参数下的供冷负荷功率、供热负荷功率、用气负荷功率和用电负荷功率相对应的冷量输出控制参数、热量输出控制参数、气体输出控制参数和储电输出控制参数及相应的供冷输出功率、供热输出功率、用气输出功率和用电输出功率；

采用所述控制参数数据集训练基于深度学习的多能配置预测模型，获得训练好的多能配置预测模型，模型输出为当前时刻的环境参数下的供冷输出功率、供热输出功率、用气输出功率和用电输出功率；

基于多能配置预测模型，在训练好的多能负荷功率预测模型输出的能耗预测值的约束下，以最小能耗为优化目标，进行冷量输出控制参数、热量输出控制参数、气体输出控制参数和储电输出控制参数的寻优；

所述采用所述大负荷下的短期负荷历史数据集训练基于深度学习的多能负荷功率预测模型，获得训练好的多能负荷功率预测模型，模型输出为当前时刻的环境参数下的供冷负荷功率、供热负荷功率、用气负荷功率和用电负荷功率的步骤包括：

采用LSTM网络的多能负荷功率预测模型具有依次连接的一个输入层、若干个隐含层、一个全连接层和一个输出层；每一层的输出作为下一层的输入；所述输出层采用Relu线性整流函数映射；

训练多能负荷功率预测模型，由负荷元素构成的大负荷下的短期负荷历史数据集作为LSTM网络的输入，LSTM网络的输出为供冷负荷功率、供热负荷功率、用气负荷功率、用电负荷功率预测值，采用均方误差损失作为代价函数，比较供冷负荷功率、供热负荷功率、用气负荷功率、用电负荷功率真实值和预测值之间的差距，当所述差距满足预设条件时，获得训练好的多能负荷功率预测模型；

将当前时刻的负荷元素输入训练好的多能负荷功率预测模型进行推演后，获得当前时刻的预测输出值；

所述采用所述控制参数数据集训练基于深度学习的多能配置预测模型，获得训练好的多能配置预测模型，模型输出为当前时刻的环境参数下的供冷输出功率、供热输出功率、用气输出功率和用电输出功率的步骤包括：

采用LSTM网络的多能配置预测模型具有依次连接的一个输入层、若干个隐含层、一个全连接层和一个输出层；每一层的输出作为下一层的输入；所述输出层采用Relu线性整流函数映射；

训练多能配置预测模型，由控制元素构成的控制数据集作为LSTM网络的输入，LSTM网络的输出为供冷输出功率、供热输出功率、用气输出功率和用电输出功率预测值，采用均方误差损失作为代价函数，比较供冷输出功率、供热输出功率、用气输出功率和用电输出功率真实值和预测值之间的差距，当所述差距满足预设条件时，获得训练好的多能负荷功率预测模型；

将当前时刻的控制元素输入训练好的多能负荷功率预测模型进行推演后，获得当前时刻的预测输出值；

所述基于多能配置预测模型，在训练好的多能负荷功率预测模型输出的能耗预测值的约束下，以最小能耗为优化目标，进行冷量输出控制参数、热量输出控制参数、气体输出控制参数和储电输出控制参数的寻优的步骤包括：

获取所述多能负荷功率预测模型预测输出的当前时刻的环境参数下的供冷负荷功率、供热负荷功率、用气负荷功率和用电负荷功率；

根据所述当前时刻的环境参数下的供冷负荷功率、供热负荷功率、用气负荷功率和用电负荷功率，获得当前时刻的综合能耗预测值；

获取所述多能配置预测模型预测输出的当前时刻的供冷输出功率、供热输出功率、用气输出功率和用电输出功率；

根据所述当前时刻的供冷输出功率、供热输出功率、用气输出功率和用电输出功率，获得当前时刻的综合输出功率水平；

根据所述当前时刻的综合输出功率水平，获得预设能耗水平关系表中与所述当前时刻的综合输出功率水平对应的当前时刻的能耗水平；

判断所述当前时刻的综合能耗预测值是否大于所述当前时刻的能耗水平；

当所述当前时刻的综合能耗预测值大于所述当前时刻的能耗水平时，重复调整更新下一时刻的冷量输出控制参数、热量输出控制参数、气体输出控制参数和储电输出控制参数，并据此通过多能配置预测模型预测推演获得下一时刻的供冷输出功率、供热输出功率、用气输出功率和用电输出功率，得到下一时刻的能耗水平，直到当前时刻的综合能耗预测值小于或等于下一时刻的能耗水平为止；

所述调整更新下一时刻的冷量输出控制参数、热量输出控制参数、气体输出控制参数和储电输出控制参数，并据此通过多能配置预测模型预测推演获得下一时刻的供冷输出功率、供热输出功率、用气输出功率和用电输出功率，得到下一时刻的能耗水平的步骤包括：

调整更新下一时刻的冷量输出控制参数、热量输出控制参数、气体输出控制参数和储电输出控制参数；

将所述当前时刻的环境参数下的供冷负荷功率、供热负荷功率、用气负荷功率和用电负荷功率、下一时刻及该时刻的室外温度、室外湿度、冷量输出控制参数、热量输出控制参数、气体输出控制参数和储电输出控制参数分别作为训练好的多能配置预测模型的输入进行推演，获得模型预测输出的下一时刻的供冷输出功率、供热输出功率、用气输出功率和用电输出功率；

根据所述下一时刻的供冷输出功率、供热输出功率、用气输出功率和用电输出功率，获得下一时刻的综合输出功率水平；

查询预设能耗水平关系表，获得与所述下一时刻的综合输出功率水平对应的下一时刻的能耗水平。