基于Copula-DBiLSTM的综合能源系统多元负荷精确预测方法

摘要

本发明提供了一种基于Copula‑DBiLSTM的综合能源系统多元负荷精确预测方法，包括步骤：采用Copula相关性分析法对多元负荷以及多种影响因素进行相关性分析，筛选出与多元负荷之间具有较大相关性的影响因素作为深度双向长短期记忆神经网络模型的输入特征集，剔除干扰因素的影响；构建深度双向长短期记忆神经网络DBiLSTM，结合Copula相关性分析法筛选出的输入特征集，运用优化算法对深度双向长短期记忆神经网络进行优化训练，通过优化训练后的深度双向长短期记忆神经网络模型预测得到待预测的多元负荷值。本发明能够考虑了多种影响因素与多元负荷之间的非线性相关性，适应了新形势下IES多元负荷预测的需要。