(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111501024.1 (22)申请日 2021.12.09 (71)申请人 国网浙江省电力有限公司宁波供电 公司 地址 315010 浙江省宁波市海曙区丽园北 路1408号 申请人 宁波市电力设计院有限公司 (72)发明人 张志刚　钟良亮　王亮　刘沛立　 杨志义　郭高鹏　严浩军　康家乐　 陈玄俊　杨劲松　操瑞发　胡旭波　 金迪　马国平　蔡振华　应芳义　 杨跃平　胡锡　王元凯　孙晨航　 (74)专利代理 机构 西安弘理专利事务所 61214 代理人 王丹(51)Int.Cl. G06K 9/62(2022.01) G06N 3/08(2006.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) (54)发明名称 区域综合能源系统多能负荷态势感知模型 的构建方法 (57)摘要 本发明公开了区域综合能源系统多能负荷 态势感知模 型的构建方法， 通过采用像素重构基 础上考虑负荷特征融合的MCNN ‑LSTM负荷态势预 测方法可以有效增加负荷态势预测阶段的预测 精度， 使得综合能源系统优化调度的准确性提 高， 能够满足用户侧的用能需求； 同时使得综合 能源系统的多能协 同、 多能耦合效率更高， 增加 区域综合能源系统的能源利用率和运行经济性。 本发明针对于区域综合能源系统多能负荷态势 感知技术， 通过采用时域特征拓展随机森林算法 可以有效减少负荷态势理解阶段的数据处理难 度， 从而能够减少负荷态势感知过程所需时间， 更加及时地进行负荷预测， 增加了综合能源系统 优化调度的灵活性， 减少了能源不必要的浪费。 权利要求书3页 说明书10页 附图5页 CN 114298165 A 2022.04.08 CN 114298165 A 1.区域综合能源系统多能负荷态势感知模型的构建方法， 其特征在于， 具体按照以下 步骤实施： 步骤1、 采集区域基本负荷单元的多能负荷历史数据， 对多能负荷历史数据进行预处 理； 步骤2、 对预处理后每个基本负荷单元的负荷历史数据进行考虑空间相关性的负荷集 划分， 得到多个负荷空间集； 步骤3、 采用时域特征拓展随机森林算法进行对负荷空间集行为分析， 对负荷空间集负 荷进行时域的特征拓展， 综合时 ‑空多维的特征序列构成特征向量矩阵， 并采用拉直计算和 随机森林算法过程映射处 理实现目标负荷与特 征关系的分析， 剔除无关联负荷空间集； 步骤4、 对剔除无关联负荷空间集后的基本负荷单元进行Pearson相关性分析， 获得基 本负荷单 元之间的Pearso n相关系数； 步骤5、 采用结合K ‑means聚类方法对基本负荷单 元进行划分， 获得若干类； 步骤6、 采用Pearson相关系数结合多维尺度分析的方法进行基本负荷单元像素重构， 获得具有时间和空间双重特性的基本负荷单 元； 步骤7、 采用多通道卷积神经网络进行负荷特征融合， 获得n个时间序列下包含基本负 荷单元信息和能量耦合信息的高维综合负荷特 征； 步骤8、 对高维综合负荷特征采用长短时记忆网络对时间依赖关系 进行态势预测， 获得 区域综合能源系统多能负荷态 势感知模型。 2.根据权利要求1所述的区域综合能源系统多能负荷态势感知模型的构建方法， 其特 征在于， 所述对多能负荷历史数据进行预处理具体过程为： 采用拉依达准则对区域多能负 荷历史数据检测， 并对满足拉依达准则的判断公式的数据进行剔除， 拉依达准则的判断公 式如下： |Lt‑Lμ|＞3Lσ      (1) 其中， Lt为区域综合能源系统中电、 热、 冷、 气能源的基本负荷单元的负荷历史数据， Lμ 为区域综合能源系统中电、 热、 冷、 气等能源的基本负荷单元的负荷历史数据均值， Lσ为区 域综合能源系统中电、 热、 冷、 气等能源的基本负荷单 元的负荷历史数据标准差； 采用Z‑score规范化方法对剔除后的区域多能负荷历史数据分别进行规范化处理， Z ‑ score规范化公式如下： 其中x*为规范化后的数值； x为负荷数据值， xμ和xσ分别为负荷数据的均值和标准差 。 3.根据权利要求1所述的区域综合能源系统多能负荷态势感知模型的构建方法， 其特 征在于， 步骤1中基本负荷单元是指在区域综合能源系统中任意具有负荷采集装置的企业 或工厂用能单位或用能设备。 4.根据权利要求1所述的区域综合能源系统多能负荷态势感知模型的构建方法， 其特 征在于， 步骤2中具体过程为： 设预处理后的负荷历 史数据的全景集合为U＝{l1,...ln}， li 表示一个基本负荷单元的负荷历史数据， 建立按照地理位置建立负荷空间集S1， 令S1＝ {l1}， 则对集合U内的元素进行顺序判定， 若基本负荷单元所在位置空间属于S1， 则有li∈ S1， 则令S1＝{l1,l2,...,li}， 重复此过程直至所有负荷均有映射集合， 则可得最终负荷空间权　利　要　求　书 1/3 页 2 CN 114298165 A 2集构成： U＝S1∪S2∪...∪SN。 5.根据权利要求1所述的区域综合能源系统多能负荷态势感知模型的构建方法， 其特 征在于， 步骤3中所述时域特征拓展随机森林算法具体如下： 取目标负荷i对象所属的空间 集合Si， 设Pti为目标负荷i在t时刻的运行功率， 则预测t+1时刻的目标量为 在传统随 机森林算法下提取t时间断面的目标负荷i的特征， 进而获得特征向量[Dt1,Dt2,...,Dtn]， 特 征向量[Dt1,Dt2,...,Dtn]与预测目标量 的映射关系如(3)式所示： 在时域特征拓展随机森林算法下， 将特征向量D中的每一个特征元素拓展为长度为l的 时域序列向量， 构成新的特 征矩阵： 其中， 对新的特 征矩阵进行拉直 运算， 降低特 征矩阵维度， 则(4)式转 化为： 将预处理后的基本负荷单元的多能负荷历史数据作为训练集， 在有放 回生成初始训练 集的基础上， 构建多层决策树； 通过增加节点的方式更新特征矩阵及相关参数， 进行决策树节点的分裂、 生长过程， 根 据随机森林体系下的特征的综合分析获得重要度评价， 根据重要度评价剔除无关联负荷空 间集。 6.根据权利要求1所述的区域综合能源系统多能负荷态势感知模型的构建方法， 其特 征在于， 所述 步骤4中Pearso n相关系数的计算公式为： 其中LXX为X的剔除无关联负荷空间集后的基本负荷单元负荷数据离均差平方和； LYY为Y 的剔除无关联负荷空间集后的基本负荷单元负荷数据离均差平方和； LXY为X、 Y间的离均差权　利　要　求　书 2/3 页 3 CN 114298165 A 3