基于改进DaNN的综合能源系统多能负荷预测

作     者：何桂雄 金璐 李克成 何伟 闫华光 HE Guixiong;JIN Lu;LI Kecheng;HE Wei;YAN Huaguang

作者机构：中国电力科学研究院有限公司北京100192 国网江西省电力有限公司江西南昌330096 

出 版 物：《电力工程技术》 (Electric Power Engineering Technology)

年 卷 期：2021年第40卷第6期

页      面：25-33页

学科分类：080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 

基　　金：国家电网有限公司总部科技项目“绿色生态乡镇综合能源系统多能源协同规划、运行优化关键技术研究与示范”(52182019000K) 

主　　题：综合能源系统 负荷预测 迁移学习 卷积神经网络(CNN) 领域自适应神经网络(DaNN) 多能耦合 

摘      要：随着能源革命的推进及双碳目标的提出,综合能源系统越发受到广大研究者的重视,对综合能源系统进行高效的规划和控制离不开精准的多能负荷预测。基于上述需求,引入迁移学习理论,提出一种改进领域自适应神经网络(DaNN)负荷预测模型对综合能源系统中的冷、热、电负荷进行统一建模与预测。首先,通过历史数据分别构筑冷、热、电负荷特征图,随后输入改进DaNN的参数共享卷积层和全连接层;其次,基于冷、热、电负荷联合预测的特点改进传统神经网络的损失函数,加入最大均值差异指标,并优化训练模型;最后,通过3个各自独立的全连接层分别输出冷、热、电负荷的预测值。通过采用实际算例验证并与基准模型对比可知,所提改进DaNN模型能够有效提高综合能源多能负荷预测精度。