[发明专利]园区综合能源系统电-热负荷联合自适应预测方法及装置

说明书

本发明涉及园区综合能源系统电‑热负荷联合自适应预测方法及装置，通过多任务学习框架学习多元负荷的耦合关系，采用CNN‑LSTM‑Attention网络分别提取电热负荷的特征，结合日前的天气信息作为共享层；同时损失函数考虑到电热负荷的不确定性差异，对不同任务赋予动态权重，来权衡多任务学习总体的损失大小，进一步提高负荷预测的准确性；在过渡季预测偏差大时，以MMD来分别衡量电热负荷以及天气的数据分布差异，采用迁移学习固定模型底层网络参数，并对相应的顶层网络参数进行微调，解决园区综合能源系统负荷预测模型的自适应性问题，为园区综合能源系统的精细化调度优化提供依据。

技术领域

本发明属于新能源发电领域，尤其涉及园区综合能源系统电-热负荷联合自适应预测方法及装置。

背景技术

21世纪以来，随着我国经济建设的飞速发展，化石燃料的逐渐枯竭，使用化石燃料带来的环境污染问题日益突出，如何开发和利用可再生能源、促进能源转型成为全球各国亟待解决的难题。综合能源系统(Integrated Energy System, IES)打破了传统能源系统单独运行、分产分供的用能模式，强调多种形式能源的协调运行、联合调度，在灵活满足用户不同品位能源需求的前提下，极大地提高了能源利用效率，促进了可再生能源消纳，成为实现双碳目标的重要助力。其中，园区型综合能源系统（Community Integrated EnergySystem, CIES）作为IES的关键子集，具有运行方式灵活、低碳高效等特点，已经得到广泛应用。

CIES负荷预测是CIES能量管理的重要方面，高准确性的电热负荷预测不仅可以为CIES制定日前调度计划提供决策依据，还可以合理分配不同时段各能源耦合设备的出力，安排各个设备的生产启停，制定合理的生产和检修计划，维持供电供热的安全稳定，从而在保障用户多能需求的前提下，降低发电成本，增加经济效益。因此，精确的负荷预测已经成为CIES优化调度与运行控制的首要前提，就预测的时间尺度来看，短期预测（日前预测）对于CIES制定日前的各个设备出力计划，实现经济最优最为重要。

按功能划分，CIES一般可分为商业区、居民住宅区、工业园区、学校等场所，因此CIES可以看成是由多个用户级综合能源系统组成，电动汽车作为目前新型负荷的典型代表，正广泛与分布式可再生能源共同接入电力系统，以消纳CIES发电并提高电网运行稳定性，但大量电动汽车的充放电会加大CIES负荷的不确定性，并对CIES的安全运行产生显著影响。由于用户用能行为兼具规律性和不确定性，且用户用能需求趋于多元化，进一步使得多元负荷具有更大的波动性和随机性，用户用能行为的不确定性在于单个用户单元的用能行为变化以及不同用户单元的用能习惯差异，进而影响地区多类能源的供需平衡。同时，气候条件的改变（温度等）、人类的社会行为（工作日/周末等）、CIES的功能定位（工业园区/住宅区等）也是造成CIES负荷预测困难的原因。因此，相比于规模较大的单一能源统，用户用能行为的变化会对CIES整体负荷水平产生更加明显的影响。综上，不同于传统的系统级电力负荷预测，CIES的负荷预测具有以下特点：1）CIES多类负荷由于存在深度耦合关系，往往具有较高的相关性，预测模型需要考虑多元负荷间的相关性；2）CIES的规模较小，用户用能随机性大，CIES负荷不确定性更高；3）CIES负荷随季节变化明显，尤其在过渡季，受天气影响较大；4）CIES以电力系统为核心，热负荷需求受天气影响较大，加上存在热惯性和热储能，电热负荷的不确定性程度存在差异。