一种基于时间序列大模型的综合能源系统负荷预测方法与流程
本发明涉及综合能源系统负荷预测,具体涉及一种基于时间序列大模型的综合能源系统负荷预测方法。
背景技术:
1、综合能源系统可整合电、热、冷、气等多种能源形式,实现多能源协同供给、转换与存储,具备能源利用率高、供能方式灵活、低碳环保等优势,是新型电力系统与智慧能源体系建设的核心载体。精准的多元负荷预测是综合能源系统规划设计、优化调度、负荷调控与能效管理的基础前提,预测结果的准确性直接决定系统运行的稳定性、经济性与可靠性,对规避能源供需失衡风险、降低系统运行成本、推动能源高效集约利用具有至关重要的作用。
2、相较于传统单一能源系统负荷,综合能源系统的电、热、冷、气多元负荷存在强时空关联性与复杂耦合特性,受气象条件、用户用能习惯、时段节律、能源转换设备运行状态等多重因素叠加影响,负荷动态波动随机性强、变化规律复杂,大幅提升了精准预测的难度。其中,气象因素是驱动多元负荷波动的核心外生变量,不同气象指标对各类负荷的影响权重、关联程度存在显著差异,无效、冗余的气象特征极易造成模型干扰,降低预测精度。
技术实现思路
1、为解决上述问题,本发明实施例的目的在于提供一种基于时间序列大模型的综合能源系统负荷预测方法。
2、一种基于时间序列大模型的综合能源系统负荷预测方法,包括:
3、步骤1:获取不同气象因素下各类负荷的时间序列;
4、步骤2:对气象因素与各类负荷进行相关性分析得到相关性系数;
5、步骤3:筛选出相关性系数大于设定阈值的气象因素;
6、步骤4:将筛选出的气象因素作为输入特征训练timegpt网络得到负荷预测模型;
7、步骤5:基于所述负荷预测模型得到电、热、冷负荷的最优预测结果。
8、优选地,所述气象因素包括:辐射度、温度、相对湿度、露点温度、气压、可降水量、风速、风向、云层厚度和地表反射率。
9、优选地,在步骤2中,距离相关系数的计算公式为:
10、
11、其中,表示变量x和y之间的相关性系数,表示变量x和y之间的距离协方差,表示变量x和y之间的距离方差。
12、优选地,在步骤3中,筛选出相关性系数大于0.3的气象因素。
13、优选地,在步骤4中,以减小负荷预测误差为目标调节timegpt网络参数的更新方向。
14、本发明还提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现上述的一种基于时间序列大模型的综合能源系统负荷预测方法中的步骤。
15、本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述的一种基于时间序列大模型的综合能源系统负荷预测方法中的步骤。
16、根据本发明提供的具体实施例,本发明公开了以下技术效果:
17、本发明涉及一种基于时间序列大模型的综合能源系统负荷预测方法,与现有技术相比,本发明通过计算各类气象因素与电、热、冷多元负荷的相关性系数,并基于预设阈值完成特征精准筛选,仅保留对负荷波动具备显著影响的有效气象特征参与模型训练,可有效剔除弱相关、无关的冗余气象参数,大幅降低输入特征维度,减少模型训练过程中的无效计算量,提升模型的预测精度。
18、为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
1.一种基于时间序列大模型的综合能源系统负荷预测方法,其特征在于,包括:
2.根据权利要求1所述的一种基于时间序列大模型的综合能源系统负荷预测方法,其特征在于,所述气象因素包括:辐射度、温度、相对湿度、露点温度、气压、可降水量、 风速、风向、云层厚度和地表反射率。
3.根据权利要求2所述的一种基于时间序列大模型的综合能源系统负荷预测方法,其特征在于,在步骤2中,距离相关系数的计算公式为:
4.根据权利要求3所述的一种基于时间序列大模型的综合能源系统负荷预测方法,其特征在于,在步骤3中,筛选出相关性系数大于0.3的气象因素。
5.根据权利要求4所述的一种基于时间序列大模型的综合能源系统负荷预测方法,其特征在于,在步骤4中,以减小负荷预测误差为目标调节timegpt网络参数的更新方向。
6.一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-5中任一项所述的一种基于时间序列大模型的综合能源系统负荷预测方法中的步骤。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的一种基于时间序列大模型的综合能源系统负荷预测方法中的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com