基于二次分解重構(gòu)與多任務學習的綜合能源系統(tǒng)多元負荷短期預測

摘要： 在綜合能源系統(tǒng)中，多能源負荷的物理特性差異和耦合特性導致其波動性和隨機性顯著增強，這使得預測精度難以提高。對此，提出了基于二次分解重構(gòu)與多任務學習的混合預測模型。針對負荷波動的大量噪聲信號，提出二次分解重構(gòu)策略，通過變分模態(tài)分解與改進的自適應噪聲完備集合經(jīng)驗模態(tài)分解將負荷數(shù)據(jù)分解為高中低三個頻段，再利用排列熵篩選出更能反映負荷變化特征的低頻和中頻序列。針對多能源負荷的強耦合問題... （共13頁）