田浩含，张智晟，于道林

（1.青岛大学电气工程学院，青岛 266071；2.国网莱阳市供电公司，莱阳 265200）

区域综合能源系统以小容量、分散式、模块化的形式近年来受到广泛应用，实现了能源自给自足、梯级利用，有效缓解了夏季用电高峰，提高了能源利用效率，且清洁环保无污染，是未来能源技术发展的核心，已成为国内外学者的研究热点[1]。

精确的多元负荷短期预测是区域综合能源系统运行及调度优化的基础，对系统的需求侧分析也具有重要意义。近年来，由于深度学习算法处理非线性映射的能力突出，其在负荷预测领域逐渐被使用[2]。例如，文献[3]利用一种基于小波分析和Elman动态神经网络的方法对电力负荷进行预测；文献[4]使用粒子群算法与卷积神经网络结合对电负荷进行预测。深度学习算法中长短期记忆LSTM（long short term memory）神经网络因对复杂数据的拟合和数据时间相关性分析的优势，在负荷预测中有较多应用。例如，文献[5]利用基于深度学习的LSTM神经网络对电力负荷进行预测；文献[6]提出了基于改进的长短期记忆神经网络算法的综合能源系统多元负荷预测。但是，单一的LSTM神经网络门控单元多、算法复杂、故训练速度慢、预测模型稳定性差。为此，文献[7]提出了基于混合神经网络和注意力机制的混沌时间序列预测，通过将注意力机制与神经网络结合，学习原始数据信息，赋予隐含层新的权重进行训练，提高预测精度和减少训练时间。

综上，针对冷热电负荷预测的时变性、耦合性和多元性等特点[8]，本文提出了改进的LSTM的区域综合能源系统多元负荷短期预测模型。……