李玉凯，韩佳兵，王 全，杨 蒙，赵 钧，李 鑫，李新利

(1.北京科东电力控制系统有限责任公司，北京 100085；2.华北电力大学 控制与计算机工程学院，北京 102206)

0 引 言

综合能源系统概念的提出，为实现低碳环保和能源可持续发展提供了新方向[1]。以冷热电联供系统为核心，“源-网-荷”各环节协同为主要特征的区域综合能源系统(Community integrated energy system，CIES)日益成为研究热点[2]。综合能源系统中，用户对冷热电负荷的需求及用能偏好各有不同，因此研究多种负荷准确预测，实现兼顾经济效益和用户满意的综合能源系统调度方法具有重要意义。

综合能源系统的负荷预测是进行系统优化调度的关键前提，负荷预测的准确性影响着负荷调度的可靠性和经济性。目前负荷预测算法主要分成两大类，一是传统方法，包括移动平均预测法、指数平滑法、自回归整合移动平均模型(Autoregressive Integrated Moving Average，ARIMA)、自回归滑动平均模型等等，其中ARIMA模型广泛应用于能源系统负荷预测[3]；二是基于机器学习的负荷预测，包括极限梯度提升[4]、长短期记忆网络[5](Long Short-Term Memory，LSTM)、时间卷积网络[6](Temporal Convolutional Network，TCN)等，但基于神经网络算法的机器学习训练速度较慢，对长序列预测准确度不高。近几年Facebook公司提出了Fbprophet算法，有效针对预测序列的波动问题进行时间序列预测，在电力需求预测上展现较强的优越性[7]。

基于不同的优化目标和运行准则，许多学者对综合能源系统的调度方法进行了大量研究[8-10]。文献[11-13]在考虑经济性基础上，增加环保等多方面因素建立多目标优化模型，对包含“源网荷储”的综合能源系统运行和设备出力进行优化。……