基于门控循环单元残差连接网络与多任务学习的园区综合能源系统多元负荷预测

高晨元; 田建艳; 姬政雄; 杨立志

doi:10.13335/j.1000-3673.pst.2024.1153

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于门控循环单元残差连接网络与多任务学习的园区综合能源系统多元负荷预测

能源互联网优化运行智能决策理论与关键技术 | 更新时间：2025-12-03

- 基于门控循环单元残差连接网络与多任务学习的园区综合能源系统多元负荷预测
- 基于门控循环单元残差连接网络与多任务学习的园区综合能源系统多元负荷预测
- 电网技术 2025年49卷第5期页码：1771-1780
- 作者机构：
  
  太原理工大学电气与动力工程学院
- 作者简介：
- 基金信息：
  
  山西省自然科学基金项目(202303021221026)~~
- DOI：10.13335/j.1000-3673.pst.2024.1153
  中图分类号： TK01;TP18;TM715
- 纸质出版：2025
- 稿件说明：
移动端阅览
高晨元, 田建艳, 姬政雄, 等. 基于门控循环单元残差连接网络与多任务学习的园区综合能源系统多元负荷预测[J]. 电网技术, 2025,49(5):1771-1780.

高晨元, 田建艳, 姬政雄, et al. 基于门控循环单元残差连接网络与多任务学习的园区综合能源系统多元负荷预测[J]. 2025, 49(5): 1771-1780.
高晨元, 田建艳, 姬政雄, 等. 基于门控循环单元残差连接网络与多任务学习的园区综合能源系统多元负荷预测[J]. 电网技术, 2025,49(5):1771-1780. DOI： 10.13335/j.1000-3673.pst.2024.1153.

高晨元, 田建艳, 姬政雄, et al. 基于门控循环单元残差连接网络与多任务学习的园区综合能源系统多元负荷预测[J]. 2025, 49(5): 1771-1780. DOI： 10.13335/j.1000-3673.pst.2024.1153.

摘要

准确的多元负荷预测对于能源系统的安全稳定运行以及优化控制和调度至关重要。针对园区综合能源系统随机性强、不确定性大、多种能源耦合等特点，该文提出一种基于门控循环单元(gated recurrent unit

GRU)、残差连接网络与多任务学习(multi-task learning

MTL)结合的园区综合能源系统多元负荷预测模型。首先，构建综合相关性分析方法，以分析不同负荷之间、不同负荷与气象因素之间的关联性，进而优选多元负荷的影响因素；其次，通过GRU网络挖掘多元负荷数据的时序特征，特别地，通过残差连接(residual connection

RC)优化深度网络的性能；然后，采用多任务学习硬共享机制提取多元负荷间的耦合信息；最后，采用多任务损失函数优化平衡多任务训练，提升预测模型的整体性能。算例分析表明，该文所提基于损失函数优化的GRU-RCMTL模型相较于其他模型具有更为优越的预测性能，验证了该文模型的有效性，可为园区综合能源系统优化调度与能源管控提供更精确的多元负荷预测信息。

Abstract

关键词

Keywords

references

Tan Mao,Liao Chengchen,Chen Jie,Cao Yijia,Wang Rui,Su Yongxin.A multi-task learning method for multi-energy load forecasting based on synthesis correlation analysis and load participation factor[J].Applied Energy,2023.

Tarmanini Chafak,Sarma Nur,Gezegin Cenk,Ozgonenel Okan.Short term load forecasting based on ARIMA and ANN approaches[J].Energy Reports,2023.

Li Chuang,Li Guojie,Wang Keyou,Han Bei.A multi-energy load forecasting method based on parallel architecture CNN-GRU and transfer learning for data deficient integrated energy systems[J].Energy,2022.

Niu Dongxiao,Yu Min,Sun Lijie,Gao Tian,Wang Keke.Short-term multi-energy load forecasting for integrated energy systems based on CNN-BiGRU optimized by attention mechanism[J].Applied Energy,2022.

倪建辉,张菁,张昊立,陈龙,高典.基于时序特征灰度图与多任务学习的综合能源负荷短期预测[J].电气工程学报,2024(02).

杨小龙,姚陶,孙辰军,魏新杰,张华铭,孙毅.计及分布式能源时序不确定性的短期负荷预测技术[J].可再生能源,2024(01).

侯健敏,孟莹,李志,蔡骏,徐志豪,余威杰.基于综合相关性指标与SA-BiGRU的综合能源系统多元负荷预测[J].电力建设,2024(05).

秦烁,赵健,徐剑,魏敏捷.基于多任务学习和单任务学习组合模型的综合能源系统多元负荷预测[J].电网技术,2024(04).

付文龙,章轩瑞,张海荣,刘嘉睿,缪书唯,李丹.多尺度特征提取与非线性融合的综合能源系统多元负荷短期预测[J].电力系统及其自动化学报,2023(12).

马传杰,孙宇贞,彭道刚,赵慧荣.基于XGBoost-MTL的综合能源系统多元负荷预测[J].电力工程技术,2023(05).

冯鑫,杨杰铭,张鸿德,邱国航.基于双通道残差密集网络的红外与可见光图像融合[J].光子学报,2023(11).

孔祥玉,马玉莹,艾芊,张曦元,李闯,肖白.新型电力系统多元用户的用电特征建模与用电负荷预测综述[J].电力系统自动化,2023(13).

窦真兰,张春雁,许一洲,高煜焜,刘皓明.基于多变量相空间重构和径向基函数神经网络的综合能源系统电冷热超短期负荷预测[J].电网技术,2024(01).

韩富佳,王晓辉,乔骥,史梦洁,蒲天骄.基于人工智能技术的新型电力系统负荷预测研究综述[J].中国电机工程学报,2023(22).

乔石,王磊,张鹏超,闫群民,余帆.基于时间模式注意力机制的GRU短期负荷预测[J].电力系统及其自动化学报,2023(10).

黄旭锐,于丰源,杨波,潘军,徐钦.基于Transformer网络和多任务学习的园区综合能源系统电-热短期负荷预测方法[J].南方电网技术,2023(01).

岳伟民,刘青荣,阮应君,钱凡悦,孟华.基于MTL-GRU-Attention的综合能源系统多元负荷预测[J].电力系统及其自动化学报,2023(06).

欧阳静,杨吕,尹康,赵宇航,潘国兵.基于ALIF-LSTM多任务学习的综合能源系统短期负荷预测[J].太阳能学报,2022(09).

张大海,孙锴,倪平浩.基于耦合关系挖掘及渐进式分层提取多任务学习网络的风-光-荷短期预测[J].电网技术,2023(09).

李文武,张鹏宇,石强,冯晨洋,李丹.基于聚合混合模态分解和时序卷积神经网络的综合能源系统负荷修正预测[J].电网技术,2022(09).

叶剑华,曹旌,杨理,罗凤章.基于变分模态分解和多模型融合的用户级综合能源系统超短期负荷预测[J].电网技术,2022(07).

陈胜,卫志农,顾伟,郭庆来.碳中和目标下的能源系统转型与变革：多能流协同技术[J].电力自动化设备,2021(09).

朱凌建,荀子涵,王裕鑫,崔强,陈文义,娄俊超.基于CNN-Bi LSTM的短期电力负荷预测[J].电网技术,2021(11).

孙超,吕奇,朱思曈,郑薇,曹云飞,王俊.基于双层XGBoost算法考虑多特征影响的超短期电力负荷预测[J].高电压技术,2021(08).

朱继忠,董瀚江,李盛林,陈梓瑜,骆腾燕.数据驱动的综合能源系统负荷预测综述[J].中国电机工程学报,2021(23).

李焱,贾雅君,李磊,郝建姝,张晓英.基于随机森林算法的短期电力负荷预测[J].电力系统保护与控制,2020(21).

孙庆凯,王小君,张义志,张放,张沛,高文忠.基于LSTM和多任务学习的综合能源系统多元负荷预测[J].电力系统自动化,2021(05).

刘雨竹,徐楠.基于混沌时间序列的IGA-WLSSVR短期负荷预测模型[J].控制工程,2021(02).

浏览量

1143

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

计及动态激励机制的园区综合能源系统低碳优化

基于变分模态分解和组合深度神经网络的综合能源系统多元负荷预测

面向跨季度多时段特征双向聚类与时序迁移的多任务短期电网负荷预测

计及时间演变和空间相关的多风电场短期功率预测

考虑居民热负荷主动需求响应的园区综合能源系统分布式优化运行方法