(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 202111417975.0 (22)申请日 2021.11.26 (71)申请人 国网上海市电力公司 地址 200122 上海市浦东 新区自由贸易试 验区源深路1 122号 申请人 华东电力试验研究院有限公司 (72)发明人 马欢　王娜　曹颖爽　张鹏飞　 刘哲　范莹　赵三珊　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 代理人 赵继明 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/08(2006.01)G06N 3/04(2006.01) (54)发明名称 一种区域冷热电负荷的联合预测方法和装 置 (57)摘要 本发明涉及一种区域冷热电负荷的联合预 测方法和装置， 方法包括： 获取区域冷热电负荷 的历史数据， 并进行降噪预处理； 对数据进行相 关性分析， 确定影响 因素， 并划分为训练集、 测试 集和验证集； 获取预先构建好的神经网络集合， 该神经网络集合包括基础LSTM神经网络 结构、 堆 叠式LSTM网络结构和双向式LS TM网络结构， 采用 训练集对各个网络结构分别进行训练， 直至分别 达到预设的网络收敛条件； 然后采用验证集验证 各个网络 结构的误差， 最后由验证集进行验证预 测； 选取预测结果最优的网络结构作为最优的网 络结构， 进行区域冷热电负荷的预测。 与现有技 术相比， 本发 明能更精准地捕捉到负荷间的相关 性特征， 获取最适用于当前园区负荷的预测模 型。 权利要求书2页 说明书6页 附图3页 CN 114021849 A 2022.02.08 CN 114021849 A 1.一种区域冷热电负荷的联合预测方法， 其特 征在于， 包括以下步骤： 获取区域冷热电负荷的历史数据， 并进行降噪预处 理； 对预处理后的历史数据进行相关性分析， 确定影响因素， 并将历史数据划分为训练集、 测试集和验证集； 获取预先构建好的神经网络集合， 该神经网络集合包括基础LSTM神经网络结构、 堆叠 式LSTM网络结构和双向式LSTM网络结构， 采用训练集对神经网络集合中的各个网络结构分 别进行训练， 直至分别达 到预设的网络收敛 条件； 然后采用验证集验证神经网络集合中的各个网络结构的损失值是否高于预设的误差 阈值， 若否， 则采用测试集对对应的网络结构进 行预测， 获取预测结果， 若 是， 则重新采用所 述训练集进行网络训练； 对比不同网络结构的预测结果， 选取预测结果最优的网络结构作为最优的网络结构， 进行区域冷热电负荷的预测。 2.根据权利要求1所述的一种区域冷热电负荷的联合预测方法， 其特征在于， 基于 Copula理论进行 所述相关性分析， 所述Copula理论具体为： 对于随机变量x和y， 对应的边缘分布函数分别为F(x)和E(y)， 必存在一个Copula函数C [F(x),E(y)]使得ρ 表征x和y 之间的非线性相关。 3.根据权利要求2所述的一种区域冷热电负荷的联合预测方法， 其特征在于， ρ 的计算 表达式为： 式中， I[*]为示性函数， 条件成立时， I[*]＝1， 反之则为0； 当ρ ＞0时， 表示变量之间呈现 为正相关， 当ρ ＜0时， 表示变量之间呈现负相关， 当ρ ＝0时， 表现变量之间相关性待定 。 4.根据权利要求1所述的一种区域冷热电负荷的联合预测方法， 其特征在于， 所述堆叠 式LSTM网络结构是将每一 LSTM层解决的信息流， 传递至下一层， 并在最后一层提供输出。 5.根据权利要求4所述的一种区域冷热电负荷的联合预测方法， 其特征在于， 所述， 堆 叠式LSTM模型框架由多层LSTM构成， 且每层由多个LSTM网络单元组成， 每层LSTM的信息提 取持续进行三维输入和三维输出， 最后采用全连接层作为预测数据的输出， 并采用线性回 归函数作为激活函数。 6.根据权利要求1所述的一种区域冷热电负荷的联合预测方法， 其特征在于， 所述双向 式LSTM网络结构由正反两个方向的LSTM网络链组合， 呈现出两层并排LSTM传递网络， 正向 的LSTM网络链组合 向前传递信息， 反向的LSTM网络链组合 向后传递信息， 最终两组信息交 汇组合并将信息传递至连接层， 形成输出 结果。 7.根据权利要求1所述的一种区域冷热电负荷的联合预测方法， 其特征在于， 选用 80％‑90％的历史数据作为训练集， 其 余历史数据分别划分为测试集和验证集。 8.根据权利要求1所述的一种区域冷热电负荷的联合预测方法， 其特征在于， 所述基础 LSTM神经网络结构包括输入门、 遗忘门和输出门， 所述输入门、 遗忘门和输出门均连接有记 忆单元后得到最终输出。权　利　要　求　书 1/2 页 2 CN 114021849 A 29.根据权利要求8所述的一种区域冷热电负荷的联合预测方法， 其特征在于， 所述基础 LSTM神经网络结构通过 门结构判断、 决定输出各时间步长的数据是否具有相关性， 从而决 定是否被储 存、 传递至下个神经环 节。 10.一种区域冷热电负荷的联合预测装置， 其特征在于， 包括存储器和 处理器， 所述存 储器存储有计算机程序， 处理器调用所述计算机程序执行如权利要求1～9任一所述的方法 的步骤。权　利　要　求　书 2/2 页 3 CN 114021849 A 3