关键词:
综合能源系统
多能源负荷预测
深度可分离卷积
注意力机制
摘要:
准确的综合能源负荷预测是区域综合能源系统前期规划和后期按需协调运行的关键前提.近期基于Transformer的方法由于其优秀的全局建模能力,在长序列预测方面显示了显著潜力.然而, Transformer中的排列不变自注意力机制导致了时间信息丢失,且忽视了多能源负荷预测中不同变量之间的关键依赖关系.为解决上述挑战,本文提出了一种补丁与变量混合模型(patch and variable mixing model, PVMM)以实现准确多能源负荷预测.PVMM采用补丁嵌入技术,将输入的多能源负荷序列转换为3D向量,从而保留补丁的时间和变量信息.其次,本文提出了基于深度可分离卷积的补丁混合模块(patch mixing module, PMM)建立时间依赖关系模型.另外,本文还提出了变量动态投影注意力模块(variable dynamic projection attention module, VDP-AM)将查询(Query)和数值(Value)变量映射到更高维空间,并通过自注意力机制处理多变量之间的相互作用.最后,本方法在亚利桑那州立大学公开的在线系统数据集的预测精度和泛化能力均超越现有方法.