基于神经网络的区域综合能源系统多时间尺度功率预测

考虑到区域综合能源系统（RIES）中可再生能源及负荷需求的时变性、不确定性等特点，提出基于长短期记忆神经网络和卷积神经网络的短期-超短期多时间尺度功率预测方法，为区域综合能源系统的优化调度提供有效准确的数据支撑。首先，应用广泛处理较长时间序列问题的长短期记忆神经网络（LSTM），在采用数据处理以及贝叶斯优化求最佳超参数的基础上，实现区域综合能源系统供需侧日前短期功率预测。为进一步提高预测准确度，利用卷积神经网络（CNN）在数据提取方面的高效性，同时采用双向长短期记忆神经网络（BiLSTM）进行双向训练，实现RIES供需侧日内超短期功率预测。最后，根据评价指标通过仿真验证了所提预测方法在RIES日前-日内优化调度中的有效性和适用性。