基于重構(gòu)誤差和極端模式識別的綜合能源系統(tǒng)短期負荷預測

摘要： 綜合能源系統(tǒng)的運行場景存在極端模式，且含有異常數(shù)據(jù)，亟劇增加了綜合能源負荷預測的難度。該文提出基于極端模式識別和誤差重構(gòu)的綜合能源系統(tǒng)極端模式短期負荷預測方法，通過極端模式的識別，異常數(shù)據(jù)的檢測，提高綜合能源負荷預測的精度。首先，基于最小累積距離的綜合能源負荷數(shù)據(jù)聚類，識別系統(tǒng)的極端模式；然后，利用深度學習模型的殘差和聚類誤差進行誤差重構(gòu)，檢測異常數(shù)據(jù)；最后，采用改進的Stac... （共14頁）