考虑到综合能源系统多元负荷序列的高度不确定和强波动性，提出了一种变分模态分解（VMD）组合多任务学习时序卷积神经网络的预测方法。利用VMD削弱多元负荷序列的波动性，通过多任务学习机制构建特征共享层，并行预测电、冷、热负荷。与TCN和MTLTCN相比，所提模型在电、冷、热负荷预测上更准确可靠，验证了所提模型的有效性。
若上方预览无法显示，请新窗口打开或下载 PDF。