近日,hjc888黄金城老品牌2022级硕士研究生李康在国际知名期刊《Applied Energy》发表了题为《A multi-energy load forecasting method based on complementary ensemble empirical model decomposition and composite evaluation factor reconstruction》的研究论文,李康为第一作者、导师段鹏飞为通讯作者,建筑环境控制与可持续能源应用团队程远达、薛庆雯等为共同作者,hjc888黄金城老品牌为第一作者单位。
《Applied Energy》(JCR及中科院双一区TOP期刊,2023年IF=11.2)是综合能源领域的世界顶级期刊之一,影响力和认可度极高,该期刊的主要目标是发表在能源与人工智能、大数据等新兴领域交叉和融合的高质量研究成果。
高精准的多元负荷预测对综合能源系统(IES)的有效规划、管理和运营至关重要。本研究提出一种基于时间序列分解和重构的多变量负荷预测模型,用于处理IES中复杂的高维多负荷数据,通过相关性分析和变量筛选,最大程度地减少了不相关的数据干扰,使用互补集成经验模态分解(CEEMD)将荷载序列分解为具有不同特征的模态分量,为克服时域分解方法固有的预测精度不稳定的问题,本研究还引入了创新的复合评估因子(CEF),在考虑模态分量的复杂性、耦合性和频率后重构了模态分量,利用被注意力机制优化的MTL-CNN-BiLSTM模型进行预测模拟,结论表明,与传统的时域分析方法相比,本文所提模型显著降低了误差累积,平均预测误差降低了37.40%,预测效率提高了30.73%。该研究成果有效提升了综合能源系统的多能源负荷精度,对优化综合能源运行管理和能源调度具有指导意义。
原文链接:https://doi.org/10.1016/j.apenergy.2024.123283
![](/__local/2/9B/1A/6D99A2A56DC18A30E23CC85B7B2_3467BDBE_242E6.png)
图1. 论文出版首页
![](/__local/2/3A/71/6FE5EEEAC11589DE1E949C97DD2_E4491374_39A58.png)
![](/__local/7/3D/5B/8D4A897C64F6F5AFB1512D659B9_13A31C89_4CAA8.png)
图2. 多能源负荷预测模型框架及实验结果