孙庆凯，王小君，张义志，张 放，张 沛，高文忠，2

（1.北京交通大学电气工程学院,北京市100044；2.丹佛大学电气与计算机工程学院,丹佛80208,美国）

0 引言

传统能源系统单独规划、设计和独立运行的模式人为割裂了不同类型能源间的耦合关系,限制了系统运行可靠性和灵活性,不再适合社会发展。必然需要打破行业壁垒,由过去电、热、冷分产分供发展模式转变为多能联合规划运行模式［1-2］。在转型过程中综合能源系统（integrated energy system,IES）逐渐发展成为一种重要的能源利用方式［3］。其内部耦合多种形式的供能、转化和储能设备,外部由能源服务商统一管理,在规划、运行上与传统单一能源系统有较大区别［4-5］。负荷预测作为IES用能管理和优化调度的首要前提,已不再局限于单一负荷,必须统筹兼顾多个能源系统,这对IES多元负荷预测准确性、实时性及可靠性提出了更高要求［6］。

短期负荷预测分为传统方法和机器学习方法。传统方法以时间序列法、回归分析法为代表,文献［7］利用混沌时间序列方法进行短期电力负荷预测。文献［8］通过稀疏惩罚分位数回归分析预测短期电力负荷。传统方法虽有一定成效,但随着能源系统的不断发展,用能需求同时受到多种因素的共同影响,致使无法建立精确的数学模型,难以获得令人满意的结果。机器学习方法以随机森林、支持向量机为代表,文献［9］在数据聚类基础上构造随机森林进行短期负荷预测。文献［10］采用模糊信息粒化法处理历史数据,并在此基础上建立支持向量机进行短期负荷预测。……